rocketmq

阿里云云原生

深入解析 RocketMQ LiteTopic：从 Parent Topic 到会话级通道的架构演进作者：周礼本文整理自 Apache 2026 技术分享《面向 AI 的 Apache RocketMQ：多 Agent 系统的可靠协作机制》

RocketMQ消费者消息获取RocketMQ 消费者没有服务端主动推送，本质是 PULL 拉模型；所谓 PushConsumer 只是 SDK 封装的伪推送，底层依然是循环向 Broker 发拉取请求。

Linux服务器RocketMQ和RocketMQ Dashboard安装部署注意：RocketMQ默认的虚拟机内存较大，启动如果因为内存不足报错则需要编辑bin目录下的runbroker.sh(runbroker.cmd)和runserver.sh(runserver.cmd)，从而来修改默认的JVM内存大小runbroker.sh(runbroker.cmd) →对应的是broker的配置runserver.sh(runserver.cmd)→对应的是nameServer的配置

RocketMQ中的brokerBroker 是 RocketMQ 最核心服务节点，承担消息存储、接收发送、投递消息、元数据管理、HA 主从、定时延时、事务消息等能力，底层基于 Netty Remoting 对外提供服务。

SpringBoot + RocketMQ 异步解耦与最终一致性解决方案SpringBoot + RocketMQ 异步解耦与最终一致性解决方案一、核心核心价值：异步、解耦、削峰

每日八股day33### 本系列帖子为鼠鼠复习八股巩固记忆和个人理解所写，如有错误纯属本人实力不佳，欢迎各位大佬阅读指正 ###

深度解析 RocketMQ 消费端限流与重平衡（Rebalance）：分布式队列分配与流控防雪崩本质RocketMQ 消费端的高可用与高吞吐，高度依赖 Rebalance（重平衡）与消费端限流双机制的深度协同。Rebalance 通过心跳契约与本地自治算法，实现 MessageQueue 与消费者实例间的动态去中心化分配；而消费端限流则依托 ProcessQueue 内存水位线实施主动流控。两者共同构成了系统在弹性扩缩容与流量洪峰下的安全防线。

Rain的Java大神之路

如何避免订单重复提交订单重复提交的核心是接口幂等性问题，即同一个请求执行多次和执行一次的结果完全相同。常见触发场景包括：用户重复点击、网络延迟重试、浏览器刷新 / 后退、RPC 框架自动重试、MQ 消息重投等。

阿里云云原生

不增加副本，只重构接管路径：RocketMQ 单写有状态服务的高可用新设计作者：金融通云上有状态消息系统的高可用，往往受到一个困难的工程权衡限制：成本、稳态性能与故障切换速度很难同时兼顾。应用层多副本可以缩短恢复时间，却会带来额外资源和运维复杂度；单副本部署保留了成本与性能优势，但在 Kubernetes 中，其恢复路径又容易被云盘 detach/attach、调度和挂载流程拖入分钟级长尾。

【RocketMQ】事务消息详解RocketMQ 事务消息用于解决分布式事务问题，实现本地数据库事务与消息发送的原子性：要么本地事务执行成功 + 消息投递成功；要么本地事务失败 + 消息完全不投递；避免出现：数据库成功消息没发 / 消息发出去数据库失败这种数据不一致。

深度解析 RocketMQ 死信队列（DLQ）：消费重试的终点站、存储隔离与架构容灾本质📑 文章摘要死信队列（DLQ，Dead Letter Queue）作为 RocketMQ 消费容灾体系的最后防线，专门承载因多次重试失败而无法正常消费的“毒丸”消息。文章从存储引擎与消费生命周期视角出发，深度拆解最大重试次数触发机制、死信 Topic 的隔离存储与命名契约，剖析其在保障主链路高可用、防止消费线程死锁及生产环境兜底运维中的核心价值。

阿昌喜欢吃黄桃

RocketMQ 同一 JVM 启动多个 Producer 导致 NameServer 只连一个的问题Hi，我是阿昌，今天记录一个容器化迁移 RocketMQ 时踩到的坑：同一个 JVM 里同时存在两个 NameServer 配置，结果只改了某个 Producer 的推送地址，消息还是发到了旧集群。

不同的消息队列有什么区别？Kafka、RabbitMQ、RocketMQ、Pulsar、ActiveMQ 选型对比在后端开发中，只要系统规模稍微大一些，就很容易遇到消息队列（Message Queue，简称 MQ）。

二炮手亮子

消息队列篇——RocketMQ消息中间件系列文章 · 第二弹 —— 继 RabbitMQ 之后，带你全面掌握 RocketMQ 的架构、使用与实战

笨鸟飞不快

RocketMQ Lite Topic 流程梳理与设计解读RocketMQ 里的 Topic 是有成本的：每个 Topic 都要有自己的元数据、重试队列、路由信息，broker 和 nameserver 都要为此维护状态。可是很多业务场景需要按用户、按设备这类维度拆分出海量的小队列——量级可能是几十万甚至上百万，远超普通 Topic 的承载能力。

Rain的Java大神之路

MQ重复消费问题怎么解决简单说就是：消费者已经处理完消息，但 ACK 没成功回到 MQ 服务器，导致 MQ 认为消息处理失败，触发重发机制。

《RocketMQ 技术内幕：RocketMQ 架构设计与实现原理》核心内容详解《RocketMQ 技术内幕：RocketMQ 架构设计与实现原理》（第 2 版）由丁威、张登、周继锋合著，机械工业出版社出版，是国内首本从源码深度解析 RocketMQ 底层架构与实现原理的技术专著(1)。作者团队为 RocketMQ 官方认定的优秀布道师与核心技术专家，其中丁威是 RocketMQ 社区的资深贡献者，持续深耕 RocketMQ 源码解析与生产落地实践，Apache RocketMQ 创始人冯嘉亲自作序推荐。

小园子的小菜

RocketMQ 核心原理、架构优势与核心机制全解在微服务架构盛行的当下，消息中间件已经成为分布式系统不可或缺的核心组件。RocketMQ 作为阿里开源的高可用、高吞吐、低延迟的消息队列，凭借优秀的架构设计、可靠的消息机制，广泛应用于电商、金融、物流等核心业务场景。本文将从消息队列核心优势、基础核心概念、启动流程、高性能架构、消息发送模型、消费模式对比全方位拆解 RocketMQ 核心知识点，适配日常开发与技术面试场景。

RocketMQ 顺序消费实战：批量接口加 Redis Pipeline同步数据大家好，我是晚安code。用户信息同步：用户改昵称、换头像，变更要实时同步给下游的搜索和排行榜。量一上来，三个问题全冒头——查用户信息慢到两秒起，消息消费出来顺序乱得离谱，改完的头像刚写进缓存又被旧数据盖回去。最后是 RocketMQ 顺序消费 + 批量接口 + Redis Pipeline 三件套把整条链路救活的。这套组合拳怎么打、坑在哪里，下面一次讲透。点个收藏，我们开始~

风样滴男人哟

spark streaming消费rocketmq的几种方式在大数据实时处理领域，Apache Spark Streaming 和 Apache RocketMQ 都是非常流行的框架。Spark Streaming 提供了高吞吐、容错的流处理能力，而 RocketMQ 则是一个高性能、低延迟的分布式消息中间件。将两者结合，可以实现高效的实时数据管道。本文将从基础概念讲起，逐步深入，介绍 Spark Streaming 消费 RocketMQ 消息的几种常见方式，并附带完整的代码示例。## 1. 基础概念：什么是 Spark Streaming 和 RocketMQ