RocketMQ源码 — 五、 主要feature及其实现方式

RocketMQ的主要特点以及实现方式

单机支持1万以上持久队列

所有数据单独存储到一个CommitLog，完全顺序写，随机读

在一个broker上一个DefaultMessageStore管理一个commitLog
顺序写：在commitLog.putMessage里面获取mapedFile之后进入synchronized块，开始写内存，所以当有新的消息需要保存的时候会等待锁释放，所以写消息的时候就是顺序的

MapedFile mapedFile = this.mapedFileQueue.getLastMapedFileWithLock();
// 给commitLog上锁
synchronized (this) {
    // 保存消息
    result = mapedFile.appendMessage(msg, this.appendMessageCallback);
}

随机读：因为在pull Message的时候根据consumeQueue来读取消息的，consumeQueue里面记录了offset，所以读取mapedFile的时候是按照offset随机读取的

对最终用户展现的是实际只存储了消息在commitLog的位置信息，并串行刷盘

最终用户接触到的是逻辑队列ComsumeQueue，只存储了topic、offset等信息
串行刷盘：DefaultMessageStore使用StoreCheckPoint记录当前刷盘的文件，并只将StoreCheckPoint的mapedFile进行刷盘
PageCache：文件cache是文件数据在内存中的副本，因此文件cache管理与内存管理和文件系统管理相关。文件cache分为两个层面，Page Cache和Buffer Cache，每一个Page Cache包含多个Buffer Cache。linux中文件Cache的操作分为两类，一是在文件Cache与应用程序提供的用户空间buffer拷贝数据（普通的read/wrote操作），二是使用mmap将Cache映射到用户空间，并没有拷贝（所以速度更快），用户空间可以像使用指针一样（普通访问文件是使用流）访问文件

刷盘策略

在commitLog.putMessage中决定刷盘方式，在MessageStoreConfig中配置刷盘的方式

RocketMQ的消息都是持久化的：所有消息保存在commitlog文件夹下的文件中
先写入系统PageCache：所有commitlog下的文件都是使用的直接内存，采用mmap文件映射的方法，每次接收到消息的时候先把消息写入直接内存PageCache——即mapedFile
然后刷盘：启动commitLog的时候会启动刷盘的线程（FlushCommitLogService）定时刷盘
可以保证内存与磁盘都有一份数据，访问消息的时候直接从内存中读取：读取文件的时候直接从mapedFile取

// 同步刷盘，使用GroupCommitService
if (FlushDiskType.SYNC_FLUSH == this.defaultMessageStore.getMessageStoreConfig().getFlushDiskType()) {
    GroupCommitService service = (GroupCommitService) this.flushCommitLogService;
	// 是否配置为等待
    if (msg.isWaitStoreMsgOK()) {
        request = new GroupCommitRequest(result.getWroteOffset() + result.getWroteBytes());
        service.putRequest(request);
		// 超时等待
        boolean flushOK = request.waitForFlush(this.defaultMessageStore.getMessageStoreConfig().getSyncFlushTimeout());
        if (!flushOK) {
            log.error("do groupcommit, wait for flush failed, topic: " + msg.getTopic() + " tags: " + msg.getTags()
                    + " client address: " + msg.getBornHostString());
            putMessageResult.setPutMessageStatus(PutMessageStatus.FLUSH_DISK_TIMEOUT);
        }
    } else {
        service.wakeup();
    }
}
// 异步刷盘，FlushRealTimeService
else {
    this.flushCommitLogService.wakeup();
}

消息过滤

1. 在DefaultMessageStore.getMessage的时候，先根据topic和queueId获取ConsumeQueue，然后读取consumeQueue，一次对比consumeQueue的tag的hashCode，如果匹配才去读取commitLog
2. 存储tag的hashCode，定长节省空间
3. 先读取consumeQueue，在消息堆积的情况下也能高效过滤消息

长轮询pull

在PullMessageService的run方法中pull message，在获取返回结果的回调中再次发起请求（只是添加pullRequest到pullRequestQueue中）——也就是长轮询

发送消息负载均衡

在DefaultMQProducerImpl send message的时候会调用selectOneMessageQueue（MessageQueue包含了topic，broker，queueID等信息，表明消息发送到哪一个broker的哪一个queue），使用递增取模的方法决定使用哪一个messageQueue

消费消息的负载均衡

AllocateMessageQueueAveragely.allocate实现了consumer消费的默认负载均衡算法，、

public List<MessageQueue> allocate(String consumerGroup, String currentCID, List<MessageQueue> mqAll,
                                       List<String> cidAll) {
    if (currentCID == null || currentCID.length() < 1) {
        throw new IllegalArgumentException("currentCID is empty");
    }
    if (mqAll == null || mqAll.isEmpty()) {
        throw new IllegalArgumentException("mqAll is null or mqAll empty");
    }
    if (cidAll == null || cidAll.isEmpty()) {
        throw new IllegalArgumentException("cidAll is null or cidAll empty");
    }

    List<MessageQueue> result = new ArrayList<MessageQueue>();
    if (!cidAll.contains(currentCID)) {
        log.info("[BUG] ConsumerGroup: {} The consumerId: {} not in cidAll: {}", //
                consumerGroup, //
                currentCID,//
                cidAll);
        return result;
    }

    // 基本原则，每个队列只能被一个consumer消费
    // 当messageQueue个数小于等于consume的时候，排在前面（在list中的顺序）的consumer消费一个queue，index大于messageQueue之后的consumer消费不到queue，也就是为0
    // 当messageQueue个数大于consumer的时候，分两种情况
    //     当有余数（mod > 0）并且index < mod的时候，当前comsumer可以消费的队列个数是 mqAll.size() / cidAll.size() + 1
    //     可以整除或者index 大于余数的时候，队列数为：mqAll.size() / cidAll.size()
    int index = cidAll.indexOf(currentCID);
    int mod = mqAll.size() % cidAll.size();
    int averageSize =
            mqAll.size() <= cidAll.size() ? 1 : (mod > 0 && index < mod ? mqAll.size() / cidAll.size()
                    + 1 : mqAll.size() / cidAll.size());
    int startIndex = (mod > 0 && index < mod) ? index * averageSize : index * averageSize + mod;
    int range = Math.min(averageSize, mqAll.size() - startIndex);
    for (int i = 0; i < range; i++) {
        result.add(mqAll.get((startIndex + i) % mqAll.size()));
    }
    return result;
}

该负载平衡算法：
就是把messageQueue放到一个队列中，consumer放到一个队列中，messageQueue依次分配给consumer，
如果不够分配，则排在后面的consumer就不能消费messageQueue
如果给consumer分配完一轮之后，messageQueue还有多余，那么messageQueue接着分配，consumer队列从头开始
示意图如下：

HA，同步双写，异步复制

HAService，RocketMQ的高可用服务
同步双写：在commitLog.putMessage中进行同步双写，将GroupCommitRequest放进GroupTransferService.requestWrite等待slave主动拉取，master超时等待同步双写完成。所以在写消息的时候是同步等待的，slave从master复制消息的时候是异步的