RocketMQ(4) 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. 获取消息的类型

拉取式消费

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。长连接的维护是需要消耗系统资源的。

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

2.1 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。

2.2 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。

2.3 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。下图是broker中存放的各个Topic的各个Queue的消费进度。

以下是broker下config文件夹下存放的某个队列的进度, 保存在服务端, 其对应的 0,1,2,3代表persons topic 下的四个queue,

对应的 6,7,6,6 则表示其消费者的消费进度

3. Rebalance机制

Rebalance机制讨论的前提是：集群消费。

3.1 什么是Rebalance以及Rebalance可能会出现的问题

Rebalance即再均衡，指的是，将⼀个Topic下的多个Queue在同⼀个Consumer Group中的多个 Consumer间进行重新分配的过程。

如下图所示:

Rebalance机制的本意是为了提升消息的并行消费能力。

例如，⼀个Topic下5个队列，在只有1个消费 者的情况下，这个消费者将负责消费这5个队列的消息。

如果此时我们增加⼀个消费者，那么就可以给 其中⼀个消费者分配2个队列，给另⼀个分配3个队列，从而提升消息的并行消费能力。

Rebalance限制

由于⼀个队列最多分配给⼀个消费者，因此当某个消费者组下的消费者实例数量大于队列的数量时， 多余的消费者实例将分配不到任何队列。

Rebalance可能导致的问题

• 消费暂停：在只有一个Consumer时，其负责消费所有队列；在新增了一个Consumer后会触发 Rebalance的发生。此时原Consumer就让出部分队列的消费，导致这些队列的消费暂停,等到这些队列分配给新的Consumer 后，这些暂停消费的队列才能继续被消费。
• 消费重复：Consumer 在消费新分配给自己的队列时，必须接着上一个 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，这个异步性导致上一个Consumer提交到Broker的offset与实际消费的消息并不一致。导致新的Consumer可能会接着已经在老Consumer中消费的消息进行消费, 重复消费消息。
• 消费突刺：由于Rebalance可能导致重复消费，如果需要重复消费的消息过多，或者因为Rebalance暂停 时间过长从而导致积压了部分消息。那么有可能会导致在Rebalance结束之后瞬间需要消费很多消息。

3.2 Rebalance会出现的原因

导致Rebalance产生的原因，无非就两个：消费者所订阅Topic的Queue数量发生变化，或消费者组中消 费者的数量发生变化。

Queue数量发生变化的场景：

• Broker扩容或缩容
• Broker升级运维
• Broker与NameServer间的网络异常
• Queue扩容或缩容

消费者数量发生变化的场景

• Consumer Group扩容或缩容
• Consumer升级重启
• Consumer与NameServer间网络异常

Rebalance过程

在Broker中维护着多个Map集合，这些集合中动态存放着每个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。

1. TopicConfigManager：key是topic名称，value是TopicConfig。TopicConig中维护着该Topic中所有Queue的数据。
2. ConsumerManager：key是Consumser Group Id，value是ConsumerGroupInfo。 ConsumerGroupInfo中维护着该Group中所有Consumer实例数据。
3. ConsumerOffsetManager：key为Topic与订阅该Topic的Group的组合,即topic@group， value是一个内层Map。内层Map的key为QueueId，内层Map的value为该Queue的消费进度 offset。

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只能由一个Consumer Group中的单个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。

4.1 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。

即，先计算好每个Consumer应该分得几个Queue，然后再依次将这些数量的Queue逐个分配个Consumer。

4.2 环形平均策略

环形平均算法是指，根据消费者的顺序，依次再由queue队列组成的环形图中逐个分配。

该算法不用事先计算每个Consumer需要分配几个Queue，直接一个一个分即可。非连续

4.3 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。

该算法存在的问题：可能分配不均。

4.4 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。

4.5 对比

一致性hash算法缺点：

两种平均分配策略的分配效率较高，一致性hash策略的较低。

因为一致性hash算法较复杂。另外，一 致性hash策略分配的结果也很大可能上存在不平均的情况。

一致性hash算法优点：

其可以有效减少由于消费者组扩容或缩容所带来的大量的Rebalance。

以平均分配算法为例: 如果加一个consumer的时候,分配发生的变化,将有七个Queue 发生转移, 进行Rebalance

而反观一致性hash算法, 其只影响到了极少一部分的Queue,其他将不受影响

一致性hash算法的应用场景： Consumer数量变化较频繁的场景。

4.6 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。

什么是消费进度记录器？

对于广播消费模式来说，Consumer本身就是消费进度记录器。 对于集群消费模式来说，Broker是消费进度记录器。