目前做哪些网站能致富wordpress搭建个人网站

当前位置： 首页 > news >正文

目前做哪些网站能致富,wordpress搭建个人网站,全球外贸平台排名,网站改版怎样做301文章目录 三.RocketMQ工作原理1.消息的生产消息的生产过程Queue选择算法 2.消息的存储1.commitlog文件目录与文件消息单元 2.consumequeue目录与文件索引条目 3.对文件的读写消息写入消息拉取性能提升 3.indexFile1.索引条目结构2.文件名的作用3.查询流程 4.消息的消费1.推拉消… 文章目录 三.RocketMQ工作原理1.消息的生产消息的生产过程Queue选择算法 2.消息的存储1.commitlog文件目录与文件消息单元 2.consumequeue目录与文件索引条目 3.对文件的读写消息写入消息拉取性能提升 3.indexFile1.索引条目结构2.文件名的作用3.查询流程 4.消息的消费1.推拉消费类型拉取式消费推送式消费对比 2.消费模式广播消费集群消费消息进度保存 3.Rebalance机制什么是RebalanceRebalance限制Rebalance危害Rebalance产生的原因Rebalance过程 4.Queue分配算法平均分配策略环形分配策略一致性hash策略同机房策略 5.至少一次原则 5.订阅关系的一致性1.正确订阅关系2.错误订阅关系 6.offset管理1.offset本地管理模式2.offset远程消费模式3.offset用途4.重试队列5.offset的同步提交和异步提交 7.消息幂等1.什么是消息幂等2.消息重复的场景分析发送消息时重复消费时消息重复Rebalance时消息重复 3.通用解决方案两要素解决方案 4.消息幂等的实现 8.消息堆积与消费延迟1.概念2.产生原因分析拉取消息消息消费 3.消费耗时4.消费并发度5.单机线程数计算6.如何避免梳理消息的消费耗时设置消费并发度 9.消息的清理 三.RocketMQ工作原理 1.消息的生产 消息的生产过程 Producer可以将消息写入某Broker的某Queue中其经历了如下过程 Producer发送消息之前会先向NameServer发出获取消息Topic的路由信息的请求NameServer返回该Topic的路由表及Broker列表Producer对消息做一些特殊处理例如消息本身超过4M则会对其进行压缩Producer向选择的Queue所在的Broker发出RPC请求将消息发送到选择出的Queue 路由表实际是一个Mapkey为topic名称value是一个QueueData实例列表 QueueData并不是一个Queue对应一个QueueData而是一个Broker中该Topic的所有的Queue对应的数据 只要涉及到该Topic的Broker一个Broker对应一个QueueData。 简单来说路由表的key为topicvalue为List Broker列表也是一个Mapkey为brokerNamevalue为BrokerData。 一个Broker对应一个BrokerData实例对吗不对主从的BrokerName是相同的一套BrokerName相同的MS小集群对应一个BrokerData。BrokerData包含brokerName及一个mapmap的key为brokerIdvalue为该broker对应的地址。 brokerId为0表示该broker为master非0表示为slave Queue选择算法 对于无序消息其Queue选择算法也称为消息投递算法常见的有两种 轮询算法 默认选择算法。该算法保证了每个Queue中可以均匀的获取到消息 该算法存在一个问题由于某些愿意你在某些broker上的Queue可能投递延迟严重从而导致Producer的缓存队列中出现较大的消息积压影响消息的投递性能。 最小投递延迟算法 该算法会统计每次消息投递的时间延迟然后根据统计出的结果将消息投递到时间延迟最小的Queue。如果延迟相同则采用轮询算法投递。该算法可以有效提升消息的投递性能。 可能导致单个broker接受的消息很多分配不均导致消费者集群消费也不均匀因为一个消费者组中的一个消费者消费一个Broker中的Queue 2.消息的存储 RocketMQ中的消息存储在本地文件系统中这些相关文件默认在当前用户主目录下的store目录下。 abort该文件再Broker启动后会自动创建正常关闭Broker该文件会自动消失。若在没有启动Broker的情况下发现这个文件是存在的说明之前Broker是非正常关闭的。checkpoint: 其中存储着commitlog、consumequeue、index文件的最后刷盘时间戳commitlog: 其中存放着commitlog文件而消息是写在commitlog文件中的config 存放着Broker运行期间的一些配置数据consumequeue其中存放着consumequeue文件队列就存放在这个目录中index其中存放着消息索引文件indexFilelock运行期间使用到的全局资源锁 1.commitlog文件 目录与文件 commitlog目录中存放着很多mappedFile文件当前Broker中的所有消息都是落盘到这些mappedFile文件中的。mappedFile文件大小为1GB小于等于1GB文件名由20位十进制数构成表示当前文件的第一条消息的起始位置偏移量需要注意的是一个Broker中仅包含一个commitlog目录所有的mappedFile文件都是存放在该目录中的。即无论当前Broker中存放着多少个Topic的消息这些消息都是被顺序写入到了mappedFile文件中的。也就是说这些消息在Broker中存放时并没有被按照Topic进行分类存放。mappedFile和mappedFile之间的偏移量是关联的比如第一个mappedFile的偏移量到了0.98G来了一个0.03G的消息只能放到下一个mappedFile下一个mappedFile的起始偏移量为0.98G。文件名即其偏移量 第一个文件名一定是20位的0构成的。因为第一个文件的第一条消息的偏移量commitlog offset为0 当第一个文件放满时会自动生成第二个文件继续存放消息文件名为当前偏移量。假设第一个文件大小为10737418201G 1073741820字节第二个文件名就是00000000001073741820 以此类推第n个文件名应该是前n-1个文件大小只和。 一个Broker中所有mappedFile文件的commitlog offset是连续的。 存储是顺序写入的所以其访问效率高。无论是SSD磁盘还是SATA磁盘通常情况下顺序存取效率都高于随机读写。 消息单元 需要注意到消息单元中是包含Queue相关属性的。所以我们就需要十分留意commitlog与Queue间的关系是什么 1.我们注意到commitlog的名称为n第一条消息的偏移量也为n 2.第n条消息的的偏移量为前m个消息的MsgLen之和 2.consumequeue 目录与文件 为了提高效率会为每个Topic在store/consumequeue中创建一个目录目录名为Topic名称。在该Topic目录下会再为每个该Topic的Queue建立一个目录目录名为queueId。每个目录中存放着若干Consumer文件consumequeue文件是commitlog的索引文件可以根据consumequeue定位到具体的消息。consumequque文件名也是由20位数字构成表示当前文件的第一个索引条目的起始唯一偏移量。与mappedFile文件名不同的是其后续文件名是固定的。因为consumequeue文件大小是固定不变的。 索引条目 每个consumequeue文件可以包含30w个索引条目每个索引包含三个消息的重要属性在commitlog中的偏移量消息长度MsgLen消息Tag的hashCode。这三个属性占20个字节所以每个文件的大小固定为30w * 20 字节 一个consumequeue文件中所有消息的Topic一定是相同的。但每条消息的Tag可能是不同的。 3.对文件的读写 消息写入 一条消息进入到Broker后经历了一下几个过程才最终被持久化。 Broker根据queueId获取到该消息对应索引条目要在consumequeue目录中写入偏移量有全局offset的即QueueOffset将QueueId、queueOffset等数据与消息一起封装为消息单元将消息单元写入到commitlog形成消息索引条目将消息索引目录分发到相应的consumequeue 消息拉取 当consumer拉取消息时会经历一下几个步骤consumer要获取到其要消费消息所在queue的消费偏移量offset计算出其要消费消息的消息offset 消费offset即消费进度consumer对某个Queue的消费offset即消费到了该Queue的第几条消息 Consumer向Broker发送拉取请求其中会包含其要拉取消息的Queue消息offset即消息TagBroker计算在该consumequeue中的queueOffset queueOffset 消息offset * 20字节 从该ququeOffset处开始向后向后查找第一个指定Tag的索引条目。解析该索引条目的前8个字节即可定位到该消息在commitlog中的commitlog offset从对应commitlog offset中读取消息单元并发送给Consumer 性能提升 RocketMQ中无论消息本身还是消息索引都是存储在磁盘上的。其不会影响消息的消费吗当然不会。其实RocketMQ的性能在目前的MQ产品中还是非常高的。因为系统通过一系列相关机制大大提升了性能。 首先RocketMQ对文件的对鞋操作都是通过mmap零拷贝进行的将对文件的操作转化为直接对内存地址进行操作从而极大地提高了文件的读写效率。其次consumequeue中的数据是顺序存放的还引入了PageCache的预读取机制使得对consumequeue文件的读取几乎接近于内存读取即使在有消息堆积情况下也不会影响性能。RocketMQ中可能会影响性能的是对commitlog文件的读取。因为对commitlog文件来说读取消息时会产生大量的随机访问而随机访问会严重影响性能。不过如果合适的系统IO调度算法比如设置调度算法为Deadline采用SSD固态硬盘的话随机读的性能也会有所提升。 腾讯工程技术有一篇Linux 零拷贝的文章可以看下 3.indexFile 除了通过的指定Topic进行消费外RocketMQ还提供了根据key进行消息查询的功能。该查询时通过store目录中index子目录中的indexFile进行索引实现的快速查询。当然这个indexFile中的索引数据是在包含了key的消息被发送到Broker时写入的。如果消息中没有key就不会被写入。 1.索引条目结构 每个Broker中包含一组indexFile每个indexFile都是以一个时间戳命名的这个indexFile被创建时的时间戳。每个indexFile分三部分indexHeader、slots槽位、indexes索引数据。每个indexFile文件中包含500w个slot槽。而每个slot槽又可能会挂载很多的index索引单元。 indexHeader固定40个字节其中存放着如下数据 beginTimestamp: 该indexFile中第一条消息的存储时间 endTimestamp: 该indexFile中最后一条消息的存储时间 beginPhyoffset该indexFile中第一条消息在commitlog中的偏移量 endPhyoffset: 该indexFile中最后一条消息在commitlog中的偏移量 hashSlotCount: 已经填充有index的slot数量并不是每个slot槽下都挂载有index索引单元 indexCount: 该indexFile中包含的索引个数统计所有slot槽下的所有index索引个数之和 index中最复杂的是Slots和Indexes间的关系。在实际存储时Indexes是在整体Slots后面的即Slots有指定大小。但为了便于理解将他们的关系展示为如下形式 key的hash值 % 500w 的结果即为slot槽位然后将该slot值修改为该index索引单元的indexNo根据这个indexNo根据这个indexNo可以计算出该index单元在indexFile中的位置。不过该取模结果的重复率是很高的为了解决该问题每个index索引单元中增加了preIndexNo用于指定该slot中当前index索引单元的前一个index索引单元。而slot中始终存放的是其下最新的索引单元的indexNo这样的话只要找到了slot就可以找到其最新的index索引单元而通过这个index索引单元就可以找到其之前的所有index索引单元。 indexNo是一个在indexFile中的流水号从0开始依次递增。即在一个indexFile中所有indexNo是依次递增的。indexNo在index索引单元中是没有体现出来的其是通过indexes依次数出来的 index索引单元默认20个字节其中存放着以下四个属性 keyHash: 消息中指定的业务key的hash值 phyOffset: 当前key对应的消息在commitlog中的偏移量commitlog offset timeDiff当前key对应消息的存储时间与当前indexFile创建的时间差第一个key消息时间 preIndexNo当前slot下当前index索引单元的前一个index索引单元的indexNo 2.文件名的作用 indexFile的文件名为当前文件被创建时的时间戳这个时间戳有什么用处呢 根据业务key进行查询时查询条件除了key之外还需要指定一个要查询的时间戳表示要查询不大于改时间戳的最新的消息即查询指定时间戳之前存储的最新消息。这个时间戳文件名可以简化查询提高查询效率。具体后面会详细讲解。 indexFile是何时创建的其创建的条件时机有两个 当第一条带key的消息发送来后系统发现没有ndexFile此时会创建第一个indexFile当一个indexFile中挂载的index索引单元个数超过2000w个时会创建新的indexFile。当带key的消息发送到来后系统会找到最新的indexfile, 并从起indexHeader的最后4字节读取到indexCount。若indexCount 2000w时会创建新的indexFile由此可知一个indexFile的最大大小是40 500w * 4 2000w * 20 字节 3.查询流程 当消费者通过业务key来查询相应的消息时其需要经过一个相对较复杂的查询流程。不过在分析查询流程之前首先要清楚几个定位计算式子 计算指定消息key的slot槽位序号 slot槽位序号 key的hash % 500w计算槽位序号为n的slot在indexFile中的起始位置 slot(n)位置 40 n - 1 * 4计算indexNo为m的index在indexFile中的位置index(m)位置 40 500w * 4 (m - 1) * 20 1.输入业务key与要查询的时间开始查询 2.根据传入的时间找到相应的indexFile 3.计算出传入时间与indexFile文件名的差值diff 4.计算出业务key的hash值 5.计算出slot槽位序号n 6.根据slot槽位序号计算出该slot在indexFile中的位置 7.找到slot后读取slot值,即当前slot中最新的index索引单元的indexNo 8.根据indexNo计算出该index单元在indexFile的位置 9.计算出的时间差diff - 当前index单元中的timeDiff 10.如果结果 0 且 key的hash值一致,读取该index单元的phyOffset,定位到相应的消息 11.如果结果 0,读取该index单元的preIndexNo,作为要查找的下一个index索引单元的indexNo,回到步骤8 也就是说,只取小于指定时间的一条数据 4.消息的消费 消费者从Broker中获取消息的方式有两种:pull拉取和push推动.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.推拉消费类型 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中有了新消息时消费者并不能及时发现. 用户自己指定拉取时间间隔,拉取时间间隔较长,可能拉取到的消息较多,实时性也较差.拉取时间间隔太短,空请求比例增加 推送式消费 该模式下Broker收到数据后会主动推送给Consumer.该消费模式一般实时性较高. 该消费类型是典型的发布-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会就触发回调的执行,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.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 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. 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. 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中的每个consumer都会消费所有消息,但他们的消费进度是不同的.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.消费进度参与到了消费的负载均衡中,故消费进度是需要共享的. broker中的消费进度: 在consumeroffset.json文件中的queueId的消费进度1,如下图中,queueId为0的queue消费进度为8 3.Rebalance机制 Rebalance讨论的前提是:集群消费,广播消费没有这个问题 什么是Rebalance 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
Rebalance机制本意是为了提升消息的并行消费能力.例如,一个Topic下有5个队列,在只有一个消费者的情况下,这个消费者将负责这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,一个消费者组中消费者实例数量大于队列数量,多余的消费者将分配不到任何队列. Rebalance危害 消费暂停: 在只有一个Consumer时,其负责消费的所有队列;在新增了Consumer后会触发Rebalance的发生.此时原Consumer就需要暂停部分队列的消费,等到这些队列分配给新的Consumer后,这些暂停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,必须接着之前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,这个异步性提交给Broker的offset与Consumer实际消费的消息并不一致.这个不一致的差值就是可能会重复消费的消息. 同步提交: consumer提交了其消费完毕的一批消息的offset给broker后,需要等待broker的成功ACK.当收到ACK后,consumer才能继续获取并消费下一批消息.在等待ACK期间,consumer是阻塞的. 异步提交: consumer提交了其消费完毕的一批消息的offset给broker后, 不需要等待broker的成功ACK.consumer可以直接获取并消费下一批消息.比如consumerA实际消费到800了,broker中的offset还是500,那么Rebalance后,consumerB从500开始消费,500-800之间就属于重复消费了. 对于一次性读取消息的数量,需要根据业务场景选择一个相对均衡的是很有必要的.因为数量过大,系统性能提升了,但产生重复消费的消息数量可能会增加;数量过小,系统性能下降,但被重复消费的消息数量可能减少. 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Rebalance结束后瞬间需要消费很多消息. Rebalance产生的原因 导致Rebalance产生的原因,无非是两个: 消费者所订阅的Queue数量发生变化消费者组中消费者数量发生变化 1.具体到生产环境下,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 2.消费者数量发生变化的场景: Consumer Group扩容或缩容 Consumer升级运维 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当前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,或者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. TopicConfigManager: key是topic名称,value是TopicConfig.TopicConfig中维护着该Topic中所有Queue的数据. ConsumerManager: key是ConsumerGroupId,value为ConsumserGroupInfo.ConsumerConfigInfo维护着该Group中所有Consumer实例数据. ConsumerOffsetManager: key为Topic与Consumer Group的组合, value为一个内层Map,内存Map的key为QueueId, 内层Map的value为该Queue的消费进度offset. 详细见Broker的store/config/consumerOffset.json 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的Queue只能由ConsumerGroup中的一个Consumer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. 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,则将多余的Queue按照Consumer顺序逐个分配. 先计算每个Consumer分配的数量,再进行分配,即ConsumerA消费Queue1,Queue2,ConsumerB消费Queue3,Queue4,ConsumerC消费Queue5… 环形分配策略 环形平均算法指按照消费者的顺序,依次由Queue队列组成的环形图中逐个分配 一致性hash策略 该算法会将Consumer的hash值作为Node节点放到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:分配不均. 优点: 可以有效减少由于消费者组扩容或缩容带来的大量的Rebalance. 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进行匹配.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进行匹配. 5.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. 5.订阅关系的一致性 订阅关系的一致性指的是,同一个消费者组(GroupID相同)下所有Consumer实例所订阅的Topic下的Consumer实例所订阅的Topic与Tag的处理逻辑必须完全一致.否则,消息消费的逻辑就会混乱,甚至导致消息丢失. 1.正确订阅关系 多个消费者组订阅了多个Topic,并且每个消费者组里的多个消费者实例的订阅关系保持了一致.
2.错误订阅关系 订阅了不同Topic 订阅了不同Tag 订阅了不同数量的Topic 6.offset管理 这里的offset指的是Consumer的消费进度offset. 消费进度offset是用来记录每个Queue的不同消费组的消费进度的. 根据消费进度记录器的不同,可以分为两种模式:本地模式和远程模式 1.offset本地管理模式 当消费模式为广播消费时,offset使用本地模式存储.因为每条消息会被所有的消费者消费,每个消费者管理自己的进度,各个消费者之间不存在消费进度的交集. Consumer在广播消费模式下offset相关数据以json的形式持久化到Consumer本地磁盘文件中,文件路径为当前用户主目录下的.rocketmq_offsets/ c l i e n t I d / g r o u p / o f f s e t s . j s o n . 其中 {clientId}/group/offsets.json.其中 clientId/group/offsets.json.其中{clientId}为当前消费者id,默认为ipDEFAULT;group为消费者组名称. 2.offset远程消费模式 当消费模式为集群消费时,offset使用远程模式管理.因为所有Consumer实例对消息采用的是均衡消费,所有Consumer共享Queue的消费进度. Consumer在集群消费模式下,offset相关数据以json形式存储在Broker所在磁盘文件中,文件路径为当前用户主目录下的:store/config/consumerOffset.json Broker启动时会加载这个文件,并写入到一个双层Map,即ConsumerOffsetManager, 前面提到过. 3.offset用途 这里有个问题: 消费者是如何知道其要消费哪个消息的,即消费者是如何知道其要消费消息在Queue中的偏移量offset的?其实消费者的第一条消息是通过consumer.setConsumeFromWhere()方法指定起始位置的. 在消费者启动后,其要消费的第一条消息的起始位置常用的有三种,这三种位置可以通过枚举类型常量设置.这个枚举类型为ConsumeFromWhere CONSUME_FROM_LAST_OFFSET: 从queue的当前最后一条消息开始消费 CONSUME_FROM_FIRST_OFFSET: 从queue的第一条消息开始消费 CONSUME_FROM_TIMESTAMP: 从指定的具体时间戳位置的消息开始消费. 这个具体时间戳是通过另外一个语句指定的:consumer.setConsumeTimestamp(“202301010800”)来指定年月日时分 当消费完一批消息后,Consumer会提交其消费进度offset给Broker,Broker在收到消费进度后会将其更新到那个双层Map即consumerOffset.json文件中,然后向该Consumer进行ACK,而 ACK内容包含三项数据: minOffset, maxOffset, 以及下次消费的起始offset(nextBeginOffset) 4.重试队列 当RocketMQ队消息的消费出现异常时,会将发生异常的消息的offset提交到Broker的重试队列.系统在发生消息消费异常时会为当前的Topic创建一个重试队列,该队列以%RETRY%TopicNamegroupName命名(同样可以在consumerOffset.json文件中看到),到达重试时间后进行消费重试. 5.offset的同步提交和异步提交 集群模式下,Consumer消费完消息后会向Broker提交消费进度offset,其提交方式分为两种. 同步提交: consumer提交了其消费完毕的一批消息的offset给broker后,需要等待broker的成功ACK.当收到ACK后,consumer才能继续获取并消费下一批消息.在等待ACK期间,consumer是阻塞的.其严重影响了消费者的吞吐量. 异步提交: consumer提交了其消费完毕的一批消息的offset给broker后, 不需要等待broker的成功ACK.consumer可以直接获取并消费下一批消息.比如consumerA实际消费到800了,broker中的offset还是500,那么Rebalance.增加了消费者的吞吐量.但是需要注意,broker收到提交的offset后,还是会向消费者进行响应的,只是不影响consumer继续消费, consumer会从Broker中直接获取nextBeginOffset. 7.消息幂等 1.什么是消息幂等 当出现消费者对某条消息重复消费的情况时,重复消费的结果与第一个次消费的结果是相同的,并且多次消费并未对业务系统产生任何负面影响,那么这个消费过程就是消费幂等的. 在互联网应用中,尤其是网络不稳定的情况下,消息很有可能会出现重复发送或重复消费.如果重复的消息可能影响业务处理,那么就应该对消息做幂等处理. 2.消息重复的场景分析 什么情况下可能会出现消息被重复消费呢?最常见的有以下三种情况: 发送消息时重复 当一条消息已被成功发送到Broker并完成持久化,此时出现了网络闪断,从而导致Broker对Producer应答失败.此时如果Producer意识到消息发送失败并尝试再次发送消息,此时Broker中就可能会出现两条内容相同并且MessageID也相同的消息,那么后续Consumer就一定会消费两次该消息. 消费时消息重复 消息已投递到Consumer并完成业务处理,当Consumer给Broker反馈应答时网络闪断,Broker没有接收到消费成功响应.为了保证消息至少被消费一次的原则,Broker将在网络恢复后再次尝试投递之前已被处理过的消息.此时消费者就会收到与之前处理过的内容相同,MessageID也想通的消息. Rebalance时消息重复 当Consumer Group中的Consumer数量发生变化时,或其订阅的Topic的Queue数量发生变化时,会触发Rebalance,此时Consumer可能会收到曾经被消费过的消息. 3.通用解决方案 两要素 幂等解决方案的设计中涉及到两项要素:幂等令牌,与唯一性处理.只要充分利用好两要素,就可以设计出好的幂等解决方案. 幂等令牌: 是生产者和消费者两者中的既定协议,通常指具备唯一业务标识的字符串.例如:订单号唯一性: 服务端通过采用一定的算法策略,保证同一个业务不会被重复执行成功多次.例如:订单号查询后确认可以消费再消费. 解决方案 对于常见的系统,幂等性操作的通用性解决方案是: 1.首先通过缓存去重.在缓存中如果已经存在了某幂等令牌,则说明本次操作是重复性操作;若缓存没有命中,则进入下一步. 2.如果1校验未通过,比如缓存过期,在唯一性处理之前,先在数据库中查询幂等令牌作为索引的数据是否还存在.若存在,则说明本次操作为重复性操作;若不存在,则进入下一步. 3.在同一事务中完成三项操作:唯一性处理后,将幂等令牌写入到缓存,并将幂等令牌作为唯一索引的数据写入到DB中. 以支付场景为例: 1.当支付请求到达后,首先在Redis缓存中获取key为支付流水号的缓存value.若value不为空,则说明本次是重复操作,业务系统直接返回调用侧重复支付标识.若value为空,进行下一步. 2.使用支付流水号查询DB中是否有支付记录,如果有,业务系统直接返回重复支付标识.若支付记录没有,进行下一步. 3.完成支付任务,在Redis缓存中记录支付流水号,记录入DB. 这三项必须都成功, 一般先做业务处理,然后记录redis,最后入库. 4.消息幂等的实现 消费幂等的解决方案很简单:为消息指定不会重复的唯一标识.因为MessageID可能出现重复的情况,所以真正安全的幂等处理,不建议以MessageID作为处理依据.最好的方式是以业务唯一标识作为迷瞪处理的关键依据,而业务的唯一标识可以通过消息key设置.比如设置key为orderId_100, 可以解析出100,然后进行幂等处理. 8.消息堆积与消费延迟 1.概念 消息处理流程中,如果Consumer的消费速度跟不上Producer的发送速度,MQ中未处理的消息会越来越多,这部分消息就被称为堆积消息.消息出现堆积进而会造成消息的消费延迟.以下场景需要重点关注消息堆积和消费延迟问题: 业务系统上下游能力不匹配造成的持续堆积,且无法自行恢复业务系统对消息的消费实时性要求较高,即使是短暂的堆积造成的消费延迟也无法接受. 2.产生原因分析 Consumer使用长轮训Pull模式消费消息时,分为以下两个阶段: 拉取消息 Consumer通过长轮训Pull模式批量拉取的方式从服务端获取消息,将拉取到的消息缓存到本地缓冲队列中.对于拉取式消费,在内网环境下,会有很高的吞吐量,所以这一阶段一般不会成为消息堆积的瓶颈. 消息消费 Consumer将本地缓存的消息提交到消费线程中,使用业务消费逻辑对消息进行处理,处理完毕后获取到一个结果.这是真正的消费过程.此时Consumer的消费能力就完全依赖于消息的消费耗时和消费并发度.如果由于业务处理逻辑复杂等原因,导致处理单条消息的耗时较长,则整体的消息吞吐量肯定不会高,此时就会导致Consumer本地缓存队列达到上限,停止从服务端拉取消息. 3.消费耗时 影响消息处理时长的代码逻辑,可能主要产生于两种类型的代码: CPU内部计算型代码和外部I/O操作型代码. 通常情况下代码如果没有复杂的递归和循环的话,内部计算耗时相对外部I/O操作来说可以忽略不计.所以外部I/O型代码是影响消息处理时长的主要症结所在. 4.消费并发度 一般情况下,消费者端的消费并发度由单节点线程数和节点数量共同决定,其值为单节点线程数*节点数量.不过,通常需要优先调节单节点的线程数,若单机硬件资源达到了上限,则需要横向拓展来提高消费并发度. 对于普通消息,延时消息及事务消息,并发度计算都是单节点线程数*节点数量.但对于顺序消息则是不同的.顺序消息的消费并发度等于Topic的Queue分区数量. 1)全局顺序消息:该Topic只有一个Queue分区.这样就能保证全局顺序消费.为了保证这个全局顺序性,ConsumerGroup中在同一时刻只能有一个Consumer的一个线程进行消费,所以并发度为1. 2)分区顺序消息:在每个Topic内部的不同Queue, 保证在每个Queue对应的消费者同一时刻只消费一条消息,但是不同Queue之间不能保证顺序性.如msg1,msg2在queue1,msg3和msg4在queue2,msg1必定在msg2前面消费,但是msg3可能在msg1之前消费. 5.单机线程数计算 对于一台主机中线程池数的设置需要谨慎,不能盲目直接调大线程数,设置过大的线程数反而会带来大量的线程切换的开销.理想环境下单节点的最优线程数计算模型为: C * (T1 T2) / T1. C: CPU内核数T1: CPU内部逻辑计算耗时T2: 外部IO操作耗时 最优线程数解释: C C * T2 / T1, 让C个线程在执行CPU内部逻辑计算, T2 / T1 可能为就10, 那么就有10C个线程在等I/O结果,并不消耗CPU,这样的话,每个CPU都不浪费. 应该是先设置一个比较小的线程数,然后通过压测去不断调大线程数,直到找到最佳的线程数(平均消费耗时最低). 6.如何避免 为了避免在业务使用时出现非预期的消息堆积和消费延迟问题,需要在前期设计阶段对整个业务逻辑进行完善的排查和梳理.其中最重要的就是梳理消息的消费耗时和消息消费的并发度. 梳理消息的消费耗时 通过压测获取消息的消费耗时,并对耗时较高的操作的代码逻辑进行分析.梳理消息的消费耗时需要关注以下信息: 消费消息逻辑的计算复杂度是否过高,代码是否存在无限循环和递归等缺陷.消息消费逻辑中的I/O操作是否是必须的,能否用本地缓存等方案规避.消费逻辑中的复杂耗时的操作是否可以做异步化处理.如果可以,是否会造成逻辑错乱. 设置消费并发度 对于消息消费并发度的计算,可以通过以下两步实施: 逐步调大单个Consumer节点的线程数,并观测节点的系统指标,得到单个节点最优的消费线程数和消息吞吐量.根据上下游链路的流量峰值计算出需要设置的节点数 节点数 流量峰值 / 单节点消息吞吐量 9.消息的清理 消息被消费后会被清理掉吗? 不会的. 消息时被顺序存储在commitlog文件的,且消息大小不定长,所以消息的清理是不可能以消息为单位进行清理的,而是以commitlog文件为单位进行清理的.否则会急剧下降清理效率,并实现逻辑复杂. 这个参数在broker的配置文件中. commitlog文件存在一个过期时间,默认为72小时,即三天.除了用户手动清理外,在以下情况下也会被自动清理,无论文件中的消息是否被消费过: 文件过期,且到达清理时间点(默认为凌晨4点),自动清理过期文件文件过期,且磁盘空间占用率已达到过期清理警戒线(默认75%)后,无论是否达到清理时间点,都会自动清理过期文件.磁盘占用了达到清理警戒线(默认85%)后,开始按照设定好的规则清理文件,无论是否过期,默认会从最老的文件开始清理.磁盘占用率达到系统危险警戒线(90%)后,Broker将拒绝写入消息.