关于RocketMQ的高性能设计，你真的了解吗？

RocketMQ的高性能设计

谎言不会伤人，真相才是快刀。

哈喽大家好，我是际遇，今天继续跟大家聊一聊RocketMQ的高性能设计吧！

其实经过了很多年的阿里巴巴的双十一的验证，RocketMQ除了稳定以外，也保持着极高的性能（不然阿里早就不用啦）。这也是很多企业在技术选型的时候会把RocketMQ纳入考虑范围的原因。

先说结论，它的高性能设计主要体现在三个方面：

• 数据存储设计
• 动态伸缩能力
• 消息实时投递

先说说数据存储设计吧，数据存储设计主要包括了RocketMQ的顺序写盘，消费队列的设计，消息跳跃读，数据零拷贝。

是不是看到这头都大了？

我刚开始看的时候也是觉得，这些术语看的我比上数学课都犯困，还学习？怎么学？

不急，我们还是拆开一点点来分解一下。

数据存储设计

RocketMQ的数据存储的核心主要由两个部分组成，CommitLog（数据存储文件）和ConsumeQueue（消费队列文件）。

简单来说，我们按步骤分解一下：

0. Producer会先把消息发送到Broker服务器
1. Broker会把所有收到的消息都存储在CommitLog文件中
2. CommitLog文件会将消息转发到ConsumeQueue文件
3. ConsumeQueue文件提供给各个Consumer消费

为了方便理解，画个图咱们了解一下：

顺序写盘

在说顺序写盘之前，我们先回顾一下子盘读写要经历的三个动作：

• 寻道：磁头移动到指定磁道，需要找到数据在哪个物理位置，时间很长。
• 旋转延迟：等待指定扇区旋转至磁头下，机械硬盘和每分钟多少转有关，时间很短。
• 数据传输：数据通过系统总线从磁盘传输到内存，时间很短。

其中，磁盘读写最慢的动作是寻道，缩短寻道时间就能有效提升磁盘读写的速度，那最优的方式就是不用寻道啦。

• 随机写：随机写会导致磁头不停的更换磁道，时间都花在寻道上了。

• 顺序写：顺序写几乎不用换磁道，当然也不是完全不换，总之，其寻道时间在这里可以忽略不计。

前面我们说了CommitLog文件，它是负责存储消息数据的文件，所有Topic的消息都会先存在CommitLog文件中，消息数据写入CommitLog文件是加锁串行追加写入。

RocketMQ为了保证消息发送的高吞吐量，使用了单个文件存储所有的Topic的消息，也就是说，每个CommitLog文件存储了多个Topic的消息，这样虽然保证了消息存储的时候是完全的顺序写，但是又会给读取的时候带来困难。

那RocketMQ是怎么解决的呢？

RocketMQ的做法很简单，当消息到达CommitLog文件后，会通过异步线程几乎实时的将消息发送给消费队列文件（ConsumeQueue），每个CommitLog文件的默认大小是1GB，当写满后再写新的文件。

这样就导致了大量的I/O都顺序写在同一个CommitLog文件。重点来了，其文件名是按照该文件起始的总的字节偏移量offset命名，文件名固定的长度为20位，不足的前面补0，如：

• 第一个文件起始偏移量是0，文件名为：00000000000000000000。

• 第二个文件起始偏移量是1024 x 1024 x 1024 = 1073741824 （1 GB = 1073741824B），那第二个文件名为0000000001073741824。

这样加的好处是，在消费消息时能够根据偏移量offset来快速定位到消息存储在某个CommitLog文件，从而加快了检索的速度。

消费队列设计

其实前面我们已经发现了，消费Broker中的消息，本质上就是读取文件，但是问题在于消息数据文件中所有的Topic的消息是混合在一起的，但是消费消息的时候又是区分Topic来消费的。

这就导致如果消费消息的时候也读取CommitLog文件的话，会导致消费消息就变得性能差，吞吐量低。

那怎么解决的呢？

前面我们已经知道了，RocketMQ设计了ConsumeQueue来解决这个问题，它负责存储消费队列文件，在消息写入CommitLog文件的时候，通过异步线程转发到ConsumeQueue文件，然后提供给Consumer消费。

这里我们看之前的图应该就能知道，ConsumeQueue文件中并不存储具体的消息数据，只存储了CommitLog的offset偏移量，消息大小，消息Tag Hashcode。

每个Topic在某个Broker下是对应多个队列的，默认是四个，每一条记录的大小是20B，默认一个文件会存储30万个记录，文件名和CommitLog一样，也是按照字节偏移量来命名，文件名的默认长度是20位，不足补0。

• 第一个文件起始偏移量是0，文件名是000000000000000000000，与CommitLog一样。
• 第二个文件其实偏移量是20 x 30w = 6000000，第二个文件名是00000000000006000000。

如果是在集群的模式下，Broker会记录客户端对每个消费队列的消费偏移量，定位到ConsumeQueue里相应的记录，并通过CommitLog的Offset定位到CommitLog文件里的该条消息。

消息跳跃读取

RocketMQ中还是用了操作系统中的Page Cache机制（一种缓存机制）， RocketMQ读取消息依赖操作系统的PageCache，PageCache命中率越高，那么RocketMQ的读取性能就越高，操作系统会尽量预读取数据，使应用直接访问磁盘的概率变低。

消息队列文件的读取流程：

• 检查要读取的数据是否在上次预读取的Cache中。
• 如果没有命中Cache，操作系统从磁盘中读取对应的数据页，并将该数据页之后的连续几页一起读取到Cache中，在将应用需要的数据返回，这种方式就叫做跳跃读取。
• 如果命中的Cache，上次缓存的数据有效，操作系统认为在顺序读盘，则继续扩大混存的数据范围，将之前缓存的数据页之后的几页数据再读取到Cache中。

这里我们小小的扩展一下，在计算机中，CPU，RAM（内存），DISK（硬盘）的速度是不相同的，相信大家都知道的，按照速度高低排列一下：CPU>RAM>DISK。

还有一点是，它们之间的速度和容量差距是指数级别的，为了折中一下，就有了在CPU和RAM之间使用CPU Cache来提高访存速度，在RAM和DISK之间使用Page Cache提高系统对文件的访问速度。

数据零拷贝

这个相信各位也应该有所耳闻了，在网络通信的过程中呢，通常情况下对文件的读写要多经历一次数据拷贝，例如写文件数据要从用户态拷贝到内核态，再由内核态写入物理文件。

所谓的零拷贝指的就是用户态与内核态之间不存在拷贝。

在Java 的NIO中会提到相同的东西，到时候细说一下。

RocketMQ中的文件读写主要通过Java NIO中的 MappedByteBuffer来进行文件映射。利用了Java NIO中的FIleChannel模型，可以直接将物理文件映射到缓冲区的PageCache，少了一次数据拷贝的过程，提高了读写的速度。

动态伸缩能力

所谓动态伸缩呢，我们可以想象一下类似双11和618的时候，我们需要增加服务器（伸）来应对暴增的流量，但并不是所有的时候都有这么大的流量，所以当流量回归到正常水平的时候，为了避免服务器的资源（成本）浪费，此时就需要减少服务器（缩）。

我们从两个方面来说一下：

• 消息队列扩容/缩容：一个Consumer实例同时消费多个消息队列中的消息。如果一个Topic的消息量特别大，但是Broker集群的水位压力还是很低，就可以对该Topic进行扩容，Topic的消息队列数跟消费速度是成正比的。消息队列的数可以在创建Topic的时候指定，也可在运行中修改。相反，就可以缩容。

• Broker集群扩容/缩容：同样的， 如果一个Topic的消息量特别大，但是Broker集群的水位很高，此时就需要对Broker机器扩容，扩容的方式也很简单，直接加机器部署Broker就行了。新的Broker启动后会向NameServer注册，Producer和Consumer通过NameServer发现新的Broker并更新路由信息，反之亦然。

消息实时投递

消息的高性能除了以上说到的，还体现在消息发送到存储之后能否立即被客户端消费，这就涉及到了消息的实时投递，Consumer消费消息的实时性与获取消息的方式有很大的关系。

我们知道，任何一款消息中间件都会有两种获取消息的方式，Push推模式和Pull拉模式。这两种模式呢，不能是谁好谁不好，只是他们适用于不同的场景：

• Push推模式：

  • 优点：Consumer能实时的接收到新的消息数据。
  • 缺点：Consumer消费不过来，缓冲区溢出。而且一个Topic往往对应多个ConsumerGroup，服务端一条消息会产生多次推送，给服务端造成不小的压力。

• Pull拉模式：

  • 优点：可以根据消费速度选择合适的时机拉去消息消费。
  • 缺点：拉取的间隔时间不好控制。

其实这两种获取消息方式的缺点都很明显，单一的方式很难应对复杂的消费场景。

所以呢，RocketMQ提供了一种推/拉结合的长轮询机制来平衡这哥俩的缺点。

长轮询本质上其实是对普通Pull模式的优化，所以呢，还是以Consumer轮询的方式主动发送拉取请求到服务端Broker，Broker检测到有新的消息就返回给Consumer，如果没有就不返回，挂起当前请求缓存到本地，Broker有个线程去检查挂起请求，等到新消息产生时再返回Consumer。

对了，平常我们使用的DefaulMQPushConsumer的实现就是推拉结合的。

说白了，也就是消费者会不断地问Broker："有新的消息可以给我消费了没？"

然后Broker要么回答："有了！马上发给你。"

要么一直不说话，等到有新消息了再回答你。

后记

本来之前想着RocketMQ的高性能设计不需要太长的篇幅就可以讲完的，没想到整理了一下，有点小多。

那就后续再写RokcetMQ的高可用部分吧。

今天就不emo了，emo不起来了。

本来想写一点自己怎么入坑的这个行业，写了快一万字了，才刚到一半，有点小累。

好啦，今天就到这里啦！

欲知后事如何，且听下回分解。