一、RocketMQ 核心架构概述
1. 主要组件
Name Server： 集群的「中枢神经」，负责 Topic 元数据管理（如 Topic 分区分布、Broker 节点状态监控）。
Broker： 消息存储与流转的核心节点，负责消息的持久化、读写请求处理。
Producer： 消息生产者，负责将消息投递到指定的 Topic。
Consumer： 消息消费者，从 Broker 拉取消息并处理。
2. 集群部署模式
Name Server 集群： 通常部署 2-3 个节点，通过 Raft 协议实现高可用，保障元数据一致性。
Broker 集群： 至少部署 2 个 Broker（主从或异步复制），支持横向扩展，每个 Broker 可管理多个 Partition。
二、Partition 分区机制
1. 设计目的
水平扩展： 通过增加 Partition 数量提升并行处理能力。
负载均衡： 消费者可以分散到不同 Partition 消费，避免单点瓶颈。
顺序性保障： 单个 Partition 内的消息按生产顺序严格递增，满足事务性场景需求。
2. 实现细节
Topic 与 Partition：
每个 Topic 可划分为多个 Ordered Partition（顺序分区）和 Unordered Partition（无序分区）。
默认情况下为 Ordered Partition，需显式配置 unordered=true 启用无序模式。
分区分配策略：
Hash 分布：根据 Message Key 的哈希值均匀分配到各个 Partition。
Round Robin：无 Key 时轮询分配，适用于广播场景。
数据存储：
每个 Partition 对应一个 CommitLog（提交日志），所有消息按顺序追加写入。
IndexFile：索引文件，记录消息在 CommitLog 中的物理偏移量，加速随机读取。
3. 示例场景
RocketMQ
Topic: ORDER_EVENT (4 Partitions)
Partition 0: 消息 1,3,5,7...
Partition 1: 消息 2,4,6,8...
Partition 2: 消息 9,11,13...
Partition 3: 消息 10,12,14...三、不丢消息的实现机制
1. 持久化保障
CommitLog 设计：
所有消息先写入 CommitLog，顺序追加保证原子性。
刷盘策略： 支持同步刷盘（SyncFlush）和异步刷盘（AsyncFlush）。
同步刷盘： 写入 CommitLog 后立即刷盘到磁盘（默认），牺牲性能换取零数据丢失。
异步刷盘： 周期性批量刷盘，提升吞吐但存在极小丢数据风险（可配置 flushDiskType）。
多副本机制：
同步复制（SyncReplicate）： 主 Broker 写入成功后，至少等待一个从 Broker 复制确认才返回生产者（default）。
异步复制（AsyncReplicate）： 主 Broker 立即返回，从 Broker 异步同步（适用于对一致性要求低的场景）。
2. 生产者端可靠性
重试与幂等性：
生产者发送消息失败后自动重试（maxRetryTimes 配置）。
支持幂等消息（通过 MessageId 或 SequenceId 避免重复消费）。
事务消息：
通过 本地事务 + RocketMQ 事务消息 实现最终一致性（如订单扣减与消息发送原子性）。
3. 消费者端可靠性
ACK 机制：
消费者拉取消息后需手动提交 Offset（enableAutoCommit=false 关闭自动提交）。
消费失败重试：结合 RetryPolicy 实现自动重试或死信队列处理。
Exactly-Once 语义：
通过 事务消息 + 消费者 Offset 管理 实现精确一次消费（如支付成功后消息不重复）。
4. 监控与告警
Broker 监控： 监控磁盘使用率、网络延迟、请求堆积等指标，触发异常告警。
SLA 策略： 配置副本同步超时时间（replicaSyncTimeoutMs），超时节点自动隔离。
四、读写性能优化
1. 写入性能优化
批量压缩：
启用 compressEnable=true 和 compressAlgorithm=lz4，减少网络传输和磁盘占用。
适用场景：文本类消息（如 JSON）压缩率可达 50%+。
零拷贝技术：
Netty 零拷贝：直接操作 ByteBuf，避免数据在 Java 内存与 Native 内存间多次拷贝。
文件通道：通过 MappedByteBuffer 直接映射磁盘文件，提升 IO 效率。
多线程写入：
Broker 使用 多线程模型（默认 16 个线程）处理生产者请求，充分利用 CPU 资源。
2. 读取性能优化
批量拉取：
消费者单次拉取消息数量可配置（pullBatchSize），减少网络 round trip。
多消费者并行消费：
同一 Partition 的多个消费者实例通过 Consumer Group 并行消费，提升吞吐量。
索引加速：
IndexFile 二分查找消息 Offset，将随机读取复杂度从 O(n) 降至 O(log n)。
3. 网络与存储优化
TCP 协议优化：
使用 长连接 减少握手开销，启用 tcpNoDelay=true 禁用 Nagle 算法。
SSD 存储：
Broker 数据盘部署 SSD，对比 HDD，IO 延迟降低 5-10 倍。
分区策略优化：
根据负载动态扩容 Partition（需结合客户端版本支持）。