第三章 RocketMQ工作原理

一、消息的生产

1.消息的生产过程

Producer可以将消息写入到某Broker的某Queue中,过程如下

Producer发送消息之前，会先向NameServer发出请求来获取消息Topic的路由信息
NameServer返回该Topic的路由表及Broker列表
Producer根据代码中指定的Queue选择策略，从Queue列表中选出一个队列，用于后续存储消息
Producer对消息做一些特殊处理，例如，消息本身超过4M，则会对其进行压缩
Producer向选择出的Queue所在的Broker发出RPC请求，将消息发送到选择出的Queue

路由表:实际上是一个Map,key为Topic名称,value是一个QueueData的实例列表(所有涉及该Topic的BrokerName列表)

Broker列表:其实际上也是一个Map,key为brokerName,value为BrokerData; 一套BrokerName相同的Master-Slave小集群对应一个BrokerData; BrokerData中包含brokerName及一个map; 该Map的key为brokerId, value为broker对应的地址; brokerId为0表示为master,非0表示slave

2.Queue选择算法

轮询算法

默认选择算法; 其保证了每个Queue都可以均匀地获取到消息,避免了饥饿

缺点:若某些Broker的Queue投递时延较高,会导致Producer的缓存队列消息挤压,降低性能

最小投递延迟算法

根据统计的每次消息投递的时间延迟,将消息投递到时延最小的Queue; 若延迟相同,则采取轮询算法投递

缺点:消息在Queue上分配不均

二、消息的存储

RocketMQ的消息默认存储在本地文件系统的主目录下store目录中

abort：该文件在Broker启动后会自动创建，正常关闭Broker，该文件会自动消失。若在没有启动
Broker的情况下，发现这个文件是存在的，则说明之前Broker的关闭是非正常关闭。
checkpoint：其中存储着commitlog、consumequeue、index文件的最后刷盘时间戳
commitlog：其中存放着commitlog文件，而消息是写在commitlog文件中的
config：存放着Broker运行期间的一些配置数据
consumequeue：其中存放着consumequeue文件，队列就存放在这个目录中
index：其中存放着消息索引文件indexFile
lock：运行期间使用到的全局资源锁

1.commitlog文件

~~在很多资料中commitlog目录中的文件简称为commitlog文件。但在源码中，该文件被命名为mappedFile。~~

目录与文件

commitlog目录中存放着很多的mappedFile文件，当前Broker中的所有消息都是落盘到这些mappedFile文件中的。mappedFile文件最大大小为1G，文件名由20位十进制数构成，表示当前文件的第一条消息的起始位移偏移量。

一个Broker中所有mappedFile文件的commitlog offset是连续的, 第n个文件名应该是前n-1个文件大小之和。

需要注意的是，一个Broker中仅包含一个commitlog目录，所有的mappedFile文件都是存放在该目录中的。即无论当前Broker中存放着多少Topic的消息，这些消息都是被顺序写入到了mappedFile文件中的。也就是说,~~因为用顺序读写效率高~~，这些消息在Broker中存放时并没有被按照Topic进行分类存放。

消息单元

mappedFile文件内容由一个个的消息单元构成。每个消息单元中包含消息总长度MsgLen、消息的物理位置physicalOffset、消息体内容Body、消息体长度BodyLength、消息主题Topic、Topic长度TopicLength、消息生产者BornHost、消息发送时间戳BornTimestamp、消息所在的队列QueueId、消息在Queue中存储的偏移量QueueOffset等近20余项消息相关属性。

commitlog与queue的关系

一个mappedFile文件中第m+1个消息单元的commitlog offset偏移量:

L(m+1)=L(m)+MsgLen(m) (m>0)

2.consumequeue

存储消息在CommitLog中的位置信息,可以看作是commitlog关于消息消费的索引文件

目录与文件

为了提高效率，会为每个Topic在~/store/consumequeue中创建一个目录，目录名为Topic名称。在该Topic目录下，会再为每个该Topic的Queue建立一个目录，目录名为queueId。每个目录中存放着若干consumequeue文件，consumequeue文件是commitlog的索引文件，可以根据consumequeue定位到具体的消息。

consumequeue文件名也由20位数字构成，表示当前文件的第一个索引条目的起始位移偏移量。与mappedFile文件名不同的是，其后续文件名是固定的。因为consumequeue文件大小是固定不变的。

索引条目

每个consumequeue文件可以包含30w个索引条目，每个索引条目包含了三个消息重要属性：消息在mappedFile文件中的偏移量CommitLog Offset、消息长度、消息Tag的hashcode值。这三个属性占20个字节，所以每个文件的最大大小是固定的30w * 20字节。

一个consumequeue文件中所有消息的Topic一定是相同的。但每条消息的Tag可能是不同的。

3.对文件的读写

消息写入

一条消息进入到Broker后经历了以下几个过程才最终被持久化。

Broker根据queueId，获取到该消息对应索引条目要在consumequeue目录中的写入偏移量，即QueueOffset
将queueId、queueOffset等数据，与消息一起封装为消息单元
将消息单元写入到commitlog
同时，形成消息索引条目
将消息索引条目分发到相应的consumequeue

消息拉取

当Consumer来拉取消息时会经历以下几个步骤：

Consumer获取到其要消费消息所在Queue的消费偏移量offset，计算出其要消费消息的消息offset

消费offset即消费进度，consumer对某个Queue的消费offset，即消费到了该Queue的第几条消息

消息offset = 消费offset + 1

Consumer向Broker发送拉取请求，其中会包含其要拉取消息的Queue、消息offset及消息Tag。
Broker计算在该consumequeue中的queueOffset。

queueOffset =消息offset * 20字节

从该queueOffset处开始向后查找第一个指定Tag的索引条目。
解析该索引条目的前8个字节，即可定位到该消息在commitlog中的commitlog offset
从对应commitlog offset中读取消息单元，并发送给Consumer

性能提升

RocketMQ中，无论是消息本身还是消息索引，都是存储在磁盘上的。其不会影响消息的消费吗？当然不会。其实RocketMQ的性能在目前的MQ产品中性能是非常高的。因为系统通过一系列相关机制大大提升了性能。

首先，RocketMQ对文件的读写操作是通过mmap零拷贝进行的，将对文件的操作转化为直接对内存地址进行操作，从而极大地提高了文件的读写效率。

其次，consumequeue中的数据是顺序存放的，还引入了PageCache的预读取机制，使得对consumequeue文件的读取几乎接近于内存读取，即使在有消息堆积情况下也不会影响性能

PageCache机制，页缓存机制，是OS对文件的缓存机制，用于加速对文件的读写操作。一般来说，程序对文件进行顺序读写的速度几乎接近于内存读写速度，主要原因是由于OS使用PageCache机制对读写访问操作进行性能优化，将一部分的内存用作PageCache。

写操作：OS会先将数据写入到PageCache中，随后会以异步方式由pdflush（page dirty flush)内核线程将Cache中的数据刷盘到物理磁盘

读操作：若用户要读取数据，其首先会从PageCache中读取，若没有命中，则OS在从物理磁盘上加载该数据到PageCache的同时，也会顺序对其相邻数据块中的数据进行预读取。

RocketMQ中可能会影响性能的是对commitlog文件的读取。因为对commitlog文件来说，读取消息时会产生大量的随机访问(在commitlog中找想要的消息)，而随机访问会严重影响性能。不过，如果选择合适的系统IO调度算法，比如设置调度算法为Deadline（采用SSD固态硬盘的话），随机读的性能也会有所提升。

三、indexFile

除了通过通常的指定Topic进行消息消费外，RocketMQ还提供了根据key进行消息查询的功能。该查询是通过store目录中的index子目录中的indexFile进行索引实现的快速查询。当然，这个indexFile中的索引数据是在包含了key的消息被发送到Broker时写入的。如果消息中没有包含key，则不会写入。

1.indexFile结构

每个Broker中会包含一组indexFile，每个indexFile都是以一个时间戳命名的（这个indexFile被创建时的时间戳）。每个indexFile文件由三部分构成：indexHeader，slots槽位，indexes索引数据。每个indexFile文件中包含500w个slot槽。而每个slot槽又可能会挂载很多的index索引单元

indexHeader固定40个字节，其中存放着如下数据：

beginTimestamp：该indexFile中第一条消息的存储时间
endTimestamp：该indexFile中最后一条消息存储时间
beginPhyoffset：该indexFile中第一条消息在commitlog中的偏移量commitlog offset
endPhyoffset：该indexFile中最后一条消息在commitlog中的偏移量commitlog offset
hashSlotCount：已经填充有index的slot数量（并不是每个slot槽下都挂载有index索引单元，这里统计的是所有挂载了index索引单元的slot槽的数量）
indexCount：该indexFile中包含的索引单元个数（统计出当前indexFile中所有slot槽下挂载的所有index索引单元的数量之和）

Slots与Indexes间的关系:

key的hash值 % 500w的结果即为slot槽位，然后将该slot值修改为该index索引单元的indexNo，根据这个indexNo可以计算出该index单元在indexFile中的位置。不过，该取模结果的重复率是很高的，为了解决该问题，在每个index索引单元中增加了preIndexNo，用于指定该slot中当前index索引单元的前一个index索引单元。而slot中始终存放的是其下最新的index索引单元的indexNo，这样的话，只要找到了slot就可以找到其最新的index索引单元，而通过这个index索引单元就可以找到其之前的所有index索引单元。

indexNo是一个在indexFile中的流水号，从0开始依次递增。即在一个indexFile中所有indexNo是依次递增的。indexNo在index索引单元中是没有体现的，其是通过indexes中依次数出来的。

index索引单元有20个字节，其中存放着以下四个属性：

2.indexFile的创建

文件名

indexFile的文件名为当前文件被创建时的时间戳。这个时间戳有什么用处呢？

根据业务key进行查询时，查询条件除了key之外，还需要指定一个要查询的时间戳，表示要查询不大于该时间戳的最新的消息，即查询指定时间戳之前存储的最新消息。这个时间戳文件名可以简化查询，提高查询效率。

创建时机

indexFile文件是何时创建的？其创建的条件（时机）有两个：

当第一条带key的消息发送来后，系统发现没有indexFile，此时会创建第一个indexFile文件
当一个indexFile中挂载的index索引单元数量超出2000w个时，会创建新的indexFile。当带key的消息发送到来后，系统会找到最新的indexFile，并从其indexHeader的最后4字节中读取到indexCount。若indexCount >= 2000w时，会创建新的indexFile。

由于可以推算出，一个indexFile的最大大小是：(40 + 500w \ 4 + 2000w * 20)*字节

3.查询流程

当消费者通过业务key来查询相应的消息时，其需要经过一个相对较复杂的查询流程。不过，在分析查

询流程之前，首先要清楚几个定位计算式子：

计算指定消息key的slot槽位序号: slot槽位序号 = key的hash%500w
计算槽位序号为n的slot在indexFile中的起始位置: slot(n)位置=40+(n-1)*4
计算indexNo为m的index在indexFile中的位置: index(x)的位置=40+500w*4+(m-1)*20

具体的查询流程如下:

四、消息的消费

消费者从Broker中获取消息的方式有两种：pull拉取方式和push推动方式。

消费者组对于消息消费的模式又分为两种：集群消费Clustering和广播消费Broadcasting。

1.推拉消费类型

拉取push式消费

Consumer主动从Broker中拉取消息，主动权由Consumer控制。一旦获取了批量消息，就会启动消费过程。不过，该方式的实时性较弱，即Broker中有了新的消息时消费者并不能及时发现并消费。

由于拉取时间间隔是由用户指定的，所以在设置该间隔时需要注意平稳：间隔太短，空请求比例会增加；间隔太长，消息的实时性太差

推送pull式消费

该模式下Broker收到数据后会主动推送给Consumer。该获取方式一般实时性较高。

该获取方式是典型的发布-订阅模式，即Consumer向其关联的Queue注册了监听器，一旦发现有新的消息到来就会触发回调的执行，回调方法是Consumer去Queue中拉取消息。而这些都是基于Consumer与Broker间的长连接的。长连接的维护需要消耗系统资源

对比

pull：需要应用去实现对关联Queue的遍历，实时性差；但便于应用控制消息的拉取
push：封装了对关联Queue的遍历，实时性强，但会占用较多的系统资源

2.消费模式

广播消费

广播消费模式下，相同Consumer Group的每个Consumer实例都接收同一个Topic的全量消息。即每条消息都会被发送到Consumer Group中的每个Consumer。

集群消费

集群消费模式下，相同Consumer Group的每个Consumer实例平均分摊同一个Topic的消息。即每条消息只会被发送到Consumer Group中的某个Consumer。

消息进度保存

广播模式：消费进度保存在consumer端。因为广播模式下consumer group中每个consumer都会消费所有消息，但它们的消费进度是不同。所以consumer各自保存各自的消费进度。
集群模式：消费进度保存在broker中。consumer group中的所有consumer共同消费同一个Topic中的消息，同一条消息只会被消费一次。消费进度会参与到了消费的负载均衡中，故消费进度是需要共享的。

3.Rebalance机制

Rebalance机制需要在集群消费模式下部署

Rebalance概念

Rebalance机制将一个Topic下的多个Queue在同一个Consumer Group中的多个Consumer间重新进行分配的过程

其是为了提升并行消费能力,动态地将Topic分配给Consumer集群

Rebalance限制

由于一个队列最多只能分配给一个消费者,因此当某个消费者组下的消费者数大于Topic队列的数量时,多余的消费者实例将被闲置,造成资源的浪费

Rebanlance缺点

消费暂停: 当新增Consumer时,正在进行消费的Consumer会被暂停,并在重新分配topic队列完成后再继续运行
消费重复: Consumer 在消费新分配给自己的队列时，必须接着之前Consumer 提交的消费进度的offset继续消费。然而默认情况下，offset是异步提交的，这个异步性导致提交到Broker的offset与Consumer实际消费的消息并不一致。这个不一致的差值就是可能会重复消费的消息。

同步提交：consumer提交了其消费完毕的一批消息的offset给broker后，需要等待broker的成功ACK。当收到ACK后，consumer才会继续获取并消费下一批消息。在等待ACK期间，consumer是阻塞的。

异步提交：consumer提交了其消费完毕的一批消息的offset给broker后，不需要等待broker的成功ACK。consumer可以直接获取并消费下一批消息。

对于一次性读取消息的数量，需要根据具体业务场景选择一个相对均衡的是很有必要的。因为数量过大，系统性能提升了，但产生重复消费的消息数量可能会增加；数量过小，系统性能会下降，但被重复消费的消息数量可能会减少。

消费突刺: 如果Rebalance积累的消息重复过多或暂停时间过长导致消息大量积压,可能导致Rebalance结束之后瞬间需要消费大量消息

Rebalance产生原因

消费者订阅的Topic的Queue数量变化 (Broker容量调整/升级运维/与NameServer网络异常,Queue容量调整)
消费者组中消费者数量变化 (Consumer group容量调整/升级运维/与NameServer网络异常)

Rebalance过程

在Broker中维护着多个Map集合，这些集合中动态存放着当前Topic中Queue的信息、Consumer Group中Consumer实例的信息。一旦发现消费者所订阅的Queue数量发生变化，或消费者组中消费者的数量发生变化，立即向Consumer Group中的每个实例发出Rebalance通知。

Consumer实例在接收到通知后会采用Queue分配算法自己获取到相应的Queue，即由Consumer实例自主进行Rebalance。

4.Queue分配算法

一个Topic中的Queue只能由Consumer Group中的一个Consumer进行消费，而一个Consumer可以同时消费多个Queue中的消息。那么Queue与Consumer间的配对关系是如何确定的，即Queue要分配给哪个Consumer进行消费，也是有算法策略的。常见的有四种策略。这些策略是通过在创建Consumer时的构造器传进去的。

平均分配策略

该算法是要根据avg = QueueCount / ConsumerCount 的计算结果进行分配的。如果能够整除，则按顺序将avg个Queue逐个分配Consumer；如果不能整除，则将多余出的Queue按照Consumer顺序逐个分配。(先算再分)

环形平均策略

环形平均算法是指，根据消费者的顺序，依次在由queue队列组成的环形图中逐个分配。(直接轮流来)

一致性hash策略

该算法会将consumer的hash值作为Node节点存放到hash环上，然后将queue的hash值也放到hash环上，通过顺时针方向，距离queue最近的那个consumer就是该queue要分配的consumer。

缺点:分配不均

同机房策略

该算法会根据queue的部署机房位置和consumer的位置，过滤出当前consumer相同机房的queue。然后按照平均分配策略或环形平均策略对同机房queue进行分配。如果没有同机房queue，则按照平均分配策略或环形平均策略对所有queue进行分配。

5.至少一次原则

RocketMQ有一个原则：每条消息必须要被成功消费一次。

那么什么是成功消费呢？Consumer在消费完消息后会向其消费进度记录器 (在广播模式中就是Consumer本身,在集群消费模式中就是Broker) 提交其消费消息的offset，offset被成功记录到记录器中，那么这条消费就被成功消费了。

五、订阅关系的一致性

订阅关系的一致性指的是，同一个消费者组（Group ID相同）下所有Consumer实例所订阅的Topic与Tag及对消息的处理逻辑必须完全一致。否则，消息消费的逻辑就会混乱，甚至导致消息丢失。

1 正确订阅关系

多个消费者组订阅了多个Topic，并且每个消费者组里的多个消费者实例的订阅关系(Topic+Tag+其数量)保持了一致。

2 错误订阅关系

一个消费者组订阅了多个Topic，但是该消费者组里的多个Consumer实例的订阅关系并没有保持一致。

六、offset管理

此处offset指Consumer的消费进度offset

消费进度offset是用来记录每个Queue的不同消费组的消费进度的。根据消费进度记录器的不同，可以分为两种模式：本地模式和远程模式。

1. offset本地管理模式

当消费模式为广播消费时，offset使用本地模式存储。因为每条消息会被所有的消费者消费，每个消费者管理自己的消费进度，各个消费者之间不存在消费进度的交集。

Consumer在广播消费模式下offset相关数据以json的形式持久化到Consumer本地磁盘文件中，默认文件路径为当前用户主目录下的.rocketmq_offsets/${clientId}/${group}/Offsets.json

其中${clientId}为当前消费者id，默认为ip@DEFAULT；${group}为消费者组名称。

2.offset远程管理模式

当消费模式为集群消费时，offset使用远程模式管理。因为所有Cosnumer实例对消息采用的是均衡消费，所有Consumer共享Queue的消费进度。

Consumer在集群消费模式下offset相关数据以json的形式持久化到Broker磁盘文件中，文件路径为当前用户主目录下的store/config/consumerOffset.json

Broker启动时会加载这个文件，并写入到一个双层Map（ConsumerOffsetManager）。外层map的key为topic@group，value为内层map。内层map的key为queueId，value为offset。当发生Rebalance时，新的Consumer会从该Map中获取到相应的数据来继续消费。

集群模式下offset采用远程管理模式，主要是为了保证Rebalance机制。

3.offset用途

消费者是如何从最开始持续消费消息的？消费者要消费的第一条消息的起始位置是用户自己通过consumer.setConsumeFromWhere()方法指定的。

在Consumer启动后，其要消费的第一条消息的起始位置常用的有三种，这三种位置可以通过枚举类型常量设置。这个枚举类型为ConsumeFromWhere。

CONSUME_FROM_LAST_OFFSET：从queue的当前最后一条消息开始消费

CONSUME_FROM_FIRST_OFFSET：从queue的第一条消息开始消费

CONSUME_FROM_TIMESTAMP：从指定的具体时间戳位置的消息开始消费。这个具体时间戳是通过另外一个语句指定的。

consumer.setConsumeTimestamp(“20230902680000”) yyyyMMddHHmmss

当消费完一批消息后，Consumer会提交其消费进度offset给Broker，Broker在收到消费进度后会将其更新到那个双层Map（ConsumerOffsetManager）及consumerOffset.json文件中，然后向该Consumer进行ACK，而ACK内容中包含三项数据：当前消费队列的最小offset（minOffset）、最大offset（maxOffset）、及下次消费的起始offset（nextBeginOffset）

4.重试队列

当rocketMQ对消息的消费出现异常时，会将发生异常的消息的offset提交到Broker中的重试队列。系统在发生消息消费异常时会为当前的topic@group创建一个重试队列，该队列以%RETRY%开头，到达重试时间后进行消费重试。

5.offset的同步/异步提交

集群消费模式下，Consumer消费完消息后会向Broker提交消费进度offset，其提交方式分为两种：

同步提交：消费者在消费完一批消息后会向broker提交这些消息的offset，然后等待broker的成功响应。若在等待超时之前收到了成功响应，则继续读取下一批消息进行消费（从ACK中获取nextBeginOffset）。若没有收到响应，则会重新提交，直到获取到响应。而在这个等待过程中，消费者是阻塞的。其严重影响了消费者的吞吐量。
异步提交：消费者在消费完一批消息后向broker提交offset，但无需等待Broker的成功响应，可以继续读取并消费下一批消息。这种方式增加了消费者的吞吐量。但需要注意，broker在收到提交的offset后，还是会向消费者进行响应的。可能还没有收到ACK，此时Consumer会从Broker中直接获取nextBeginOffset。

七、消费幂

1.消费幂的概念

当出现消费者对某条消息重复消费的情况时，重复消费的结果与消费一次的结果是相同的，并且多次消费并未对业务系统产生任何负面影响，那么这个消费过程就是消费幂等的。

幂等：若某操作执行多次与执行一次对系统产生的影响是相同的，则称该操作是幂等的。

在互联网应用中，尤其在网络不稳定的情况下，消息很有可能会出现重复发送或重复消费。如果重复的消息可能会影响业务处理，那么就应该对消息做幂等处理。

2.消息重复的可能场景

发送时消息重复

当Broker已经收到了Producer发来的消息并且完成持久化后,网络产生异常,导致Broker对Producer无法应答; 若Producer认为发送未成功并重试,此时Broker中可能产生两条相同的信息,之后Consumer也会消费两次一样的信息

消费时消息重复

当Consumer已经收到了Broker发来的消息并完成处理后,网络产生异常,Broker未收到消费成功响应; 本着消息至少被消费一次的原则,Broker在网络回复后会再发送一次消息,此时Consumer又消费了一次相同的消息

Rebalance时消息重复

当消费者组中消费者数量变化或其订阅的topic的queue数量变化时,会触发Rebalance,此时消费者可能会收到曾经消费过的消息

3.通用处理方案

两要素

幂等令牌: 是生产者和消费者两者中的既定协议,通常指具备唯一业务标示的字符串(eg: 订单号,流水号),一般是由Produce随着消息一同发送的
唯一性处理: 服务端通过一定的算法策略,保证同一个业务不会被重复执行多次(eg:单笔订单支付操作)

解决方案

首先通过缓存去重; 在缓存中若存在某幂等令牌,则说明本次操作是重复操作; 若缓存未命中,则进入下一步
在唯一性处理之前,现在数据库中查询幂等令牌作为索引的数据是否存在; 若存在,说明本次操作为重复操作; 若不存在,进入下一步
在同一事务中完成三项操作:唯一性处理->将幂等令牌写入缓存->将幂等令牌作为唯一索引,把数据写入数据库

两次查询一次是查缓存,一次是查数据库

八、消息堆积与消息延迟

1.概念

消息处理流程中,若Consumer的消费速度跟不上Producer的发送速度(进多出少),MQ中未处理的消息会越来越长,产生消息堆积; 消息出现堆积会发生消息延迟;

以下场景需要重点关注消息堆积和消费延迟问题:

业务系统上下游能力不匹配导致消费堆积,且无法自行恢复
业务系统对消息的实时性要求高,无法接受消息堆积造成的延迟

2.产生原因分析

Consumer使用长轮询Pull模式消费消息,分为以下两个阶段:

拉取消息

Consumer通过长轮询Pull模式批量拉取的方式从服务端获取消息,将拉取到的消息缓存到本地缓冲队列中; 对于拉取式消费,在内网下吞吐量较高,一般不会在此阶段堆积消息

消费消息

Consumer将本地缓存的消息提交到消费线程中，使用业务消费逻辑对消息进行处理，处理完毕后获取到一个结果。这是真正的消息消费过程。此时Consumer的消费能力就完全依赖于消息的消费耗时和消费并发度了。如果由于业务处理逻辑复杂等原因，导致处理单条消息的耗时较长，则整体的消息吞吐量肯定不会高，此时就会导致Consumer本地缓冲队列达到上限，停止从服务端拉取消息。

消息堆积的主要原因是客户端的消费能力不足,而消费能力由消费耗时(高优先)和消费并发度(低优先)决定

3.消费耗时

影响消费耗时的主要因素是代码逻辑;而代码中影响处理市场的主要为CPU内部计算型代码和外部IO操作型代码

外部IO型代码是影响消息处理市场的主要原因

外部IO举例: 读写外部数据库/缓存/下游系统调用

对于下游系统的调用逻辑,需要提前梳理调用操作的耗时预期,以判断消费逻辑中IO操作是否合理; 消息堆积通常是由下游的服务异常或达到了DBMS的流量阈值,导致消费耗时增加

4.消息并发度

一般情况下,消费者端的消息并发度由单节点线程数和节点数量共同决定,值为单节点线程数*节点数量; 不过,通常需要优先调整单节点的线程数,若单机硬件资源达到上限,再通过横向扩展来提高消息并发度

单节点线程数:单个消费者所包含的线程数量

节点数量:消费者组中消费者数量

对于普通/延时/事务消息,并发度都是单节点线程数*节点数量; 但对于顺序消息,并发度为Topic的Queue分区数量

5.单机线程数计算

对于一台主机中线程池中线程数的设置需要谨慎对待,不能盲目的增加线程数; 设置太大会导致不必要的线程切换开销; 理想环境下单节点的最优线程数计算模型为: C*(T1+T2)/T1

C: CPU内核数
T1: CPU内部逻辑计算耗时
T2: 外部IO操作耗时

6.如何避免

梳理消息的消费耗时+设置消息消费并发度

梳理消息的消费耗时

通过压测获取消息的消费耗时，并对耗时较高的操作的代码逻辑进行分析。梳理消息的消费耗时需要关注以下信息：

消息消费逻辑的计算复杂度是否过高，代码是否存在无限循环和递归等缺陷。
消息消费逻辑中的I/O操作是否是必须的，能否用本地缓存等方案规避。
消费逻辑中的复杂耗时的操作是否可以做异步化处理。如果可以，是否会造成逻辑错乱。

设置消费并发度

对于消息消费并发度的计算，可以通过以下两步实施：

逐步调大单个Consumer节点的线程数，并观测节点的系统指标，得到单个节点最优的消费线程数和消息吞吐量。
根据上下游链路的流量峰值计算出需要设置的节点数

节点数 = 流量峰值 / 单个节点消息吞吐量

九、消息的清理

消息被消费过后会被清理掉吗？不会。

消息是被顺序存储在commitlog文件的，且消息大小不定长，所以消息的清理是不可能以消息为单位进行清理的，而是以commitlog文件为单位进行清理的。否则会急剧下降清理效率，并实现逻辑复杂。

commitlog文件存在一个过期时间，默认为72小时，即三天。除了用户手动清理外，在以下情况下也会被自动清理，无论文件中的消息是否被消费过：

文件过期，且到达清理时间点（默认为凌晨4点）后，自动清理过期文件
文件过期，且磁盘空间占用率已达过期清理警戒线（默认75%）后，无论是否达到清理时间点，都会自动清理过期文件
磁盘占用率达到清理警戒线（默认85%）后，开始按照设定好的规则清理文件，无论是否过期。默认会从最老的文件开始清理
磁盘占用率达到系统危险警戒线（默认90%）后，Broker将拒绝消息写入

需要注意以下几点：

1）对于RocketMQ系统来说，删除一个1G大小的文件，是一个压力巨大的IO操作。在删除过程中，系统性能会骤然下降。所以，其默认清理时间点为凌晨4点，访问量最小的时间。也正因如果，我们要保障磁盘空间的空闲率，不要使系统出现在其它时间点删除commitlog文件的情况。

2）官方建议RocketMQ服务的Linux文件系统采用ext4。因为对于文件删除操作，ext4要比ext3性能更好