简介

rocketMQ是一款分布式、队列模型的消息中间件。基于发布订阅模式，有Push和Pull两种消费方式，支持严格的消息顺序，亿级别的堆积能力，支持消息回溯和多个维度的消息查询。

核心作用：解耦、异步化、消息堆积缓冲

高性能离不开异步，异步离不开队列！

基本概念

Producer：消息生产者，负责产生消息并发送消息到meta服务器
Consumer：消息消费者，负责消费消息，一般是后台系统负责异步消费。
Broker： Metaq的服务器。
Topic：消息的主题,由用户定义并在服务端配置
Message：在生产者，消费者，服务器间传递的消息
Group：消费者分组。消费者可以是多个消费者共同消费一个 topic 下的消息，每个消费者消费部分消息。这些消费者就组成一个分组，拥有同一个分组名称,通常也称为消费者集群。
Offset：消息在服务器上的每个分区都是组织成一个文件列表,消费者拉取数据需要知道数据在文件中的偏移量。

架构图

主要消费流程

1、Producer：生产者首先向NameService拉取Topic相关的所有Broker，然后以RobinRound方式发送消息。

2、Broker：消息进入Broker后，先写入CommitLog里。同时会将该消息在文件的物理位置，消息大小，消息类型封装成一个固定大小的数据结构，称为索引单元。然后异步写入到ConsumerQueue中。

3、Consumer：消费者采取拉模式向一台Broker请求Topic信息，然后进行Reblance操作，计算自己负责的队列,然后消费。广播模式下消费进度存储在本地，单播模式下存储在Broker。

具体消费过程

消费端拉取消息时，至少需要以下几个参数

消息主题
逻辑队列序号
索引起始位置
消息最大长度
当前请求序列号
消费者分组名称

服务器收到请求后

根据 topic 和 partition 找到逻辑队列：A
根据 offset 从 A 定位指定的索引文件：B
从 B 中读取所有的索引数据：C
遍历 C，根据索引单元的消息物理地址和消息长度，找到物理消息 D（二分遍历），将 D 放入集合，并计算消息的累加长度，若大于请求里消息最大长度 maxSize，则终止遍历，返回结果。

消息结果里有当前批次消息的索引读取结束位置（offset），消费端会将当前 offset 。存储在本地，下次拉取消息时，要将结束位置作为参数放入消息拉取请求里。由于 metaq 是分布式结构，消费端和生产端的对应关系可能会经常变动，offset 不能仅仅只是保存到本地，必须保存在一个共享的存储里，比如zookeeper，数据库，或共享的文件系统。默认情况下，metaq 将offset及时保存在本地，并定时写入zookeeper。在某些情况下，会发生消息重复消费，比如某个 consumer 挂掉了，新的consumer将会接替它继续消费，但是 offset是异步存储的，可能新的 consumer 起来后，从zookeeper上拿到的还是旧的 offset，导致当前批次重复，产生重复消费。

负载均衡

一个逻辑分区实际上是一组索引文件。一个 topic 在一个 broker 上可以有多个逻辑分区，默认为 1，但可自由配置。

一个topic可以分布在多台broker上，具体体现就是多个broker配置了这个topic，并且最少有一个分区。假如有一个topic名为”t1”，两个broker：b1,b2；每个 borker 都为 t1 配置了两个分区。那么 t1 一共有4个分区：b1-1,b1-2,b2-1,b2-2。生产者和消费者对topic发布消息或消费消息时，目的地都是以分区为单位。当一个topic消息量逐渐变大时，可以将 topic 分布在更多的 borker 上。某个 broker上的分区数越多，意味着该 borker承担更繁重的任务，分区数可以认为是权重的表现形式。

生产者负载均衡

生产者在通过 zk 获取分区列表之后，会按照 brokerId 和分区号的顺序排列组织成一个有序的分区列表，发送的时候按照从头到尾循环往复的方式选择一个分区来发送消息（可通过实现PartitionSelector接口改写负载均衡算法）

在broker 因为重启或者故障等因素无法服务的时候，producer 通过 zookeeper 会感知到这个变化，将失效的分区从列表中移除。从故障到感知变化有一个延迟，可能在那一瞬间会有部分的消息发送失败。

消费者负载均衡

单个分组内的消费者数目如果比总的分区数目多的话，则多出来的消费者不参与消费

如果分组内的消费者数目比分区数目小，则有部分消费者要额外承担消息的费任务

性能问题

commit-log队列采取顺序添加的方式（200M 每秒），对磁盘的访问串行化，避免磁盘竟争（但是读却变成了完全的随机读，不过可以通过PAGECACHE优化掉）。

前面说的队列存储都是保存到文件中，频繁的IO操作会降低性能。通过把文件的内容被映像到计算机虚拟内存的一块区域（mmap），这样就可以直接操作内存当中的数据而无需操作的时候每次都通过 I/O 去物理硬盘读取文件，从而效率上有很大的提升。

修改不一定会立即同步到文件系统中。如果在没有同步之前发生了程序错误，可能导致所做的修改丢失。因此，在执行完某些重要文件内容的更新操作之后，应该调用相应方法来强制要求把这些更新同步到底层文件中

metaq 的消费模型是拉模式。而且拉取完一批消息，消费完毕，再去拉取下一批，而不是一条一条拉取，这里存在实时性和性能的权衡。

当消息堆积时，1K 大小左右消息体堆积情况下吞吐量非常高，在 5W 每秒以上。4K 消息性能最差，1W 每秒左右。

可靠性保证

生产者发送消息后返回 SendResult，如果 isSuccess 返回为 true,则表示消息已经确认发送到服务器并被服务器接收存储。整个发送过程是一个同步的过程。保证消息送达服务器并返回结果。

服务器收到后在做必要的校验和检查之后的第一件事就是写入磁盘（这里只是写入了系统缓存，存在缓存到磁盘的刷新过程），写入成功之后返回应答给生产者。

数据过滤

MetaQ支持两种过滤方式：服务器端过滤，客户端过滤。

服务器过滤：减少网络上无用消息的传输，但是会增加服务器负担。

客户端过滤：根据客户端需求来定制消息，缺点是很多无用消息都会传到客户端，如果客户端无法负载这么多消息就会导致故障问题。

啊浪的博客

【精品】RocketMQ简介

简介