共计 4338 个字符，预计需要花费 11 分钟才能阅读完成。
这篇文章给大家分享的是有关 RocketMQ 有什么特点的内容。丸趣 TV 小编觉得挺实用的，因此分享给大家做个参考，一起跟随丸趣 TV 小编过来看看吧。
RocketMQ 是一款分布式、队列模型的消息中间件，具有以下特点：
1. 能够保证严格的消息顺序
2. 提供丰富的消息拉取模式
3. 高效的订阅者水平扩展能力
4. 实时的消息订阅机制
5. 亿级消息堆积能力
一.RocketMQ 网络部署特点
（1）NameServer 是一个几乎无状态的节点，可集群部署，节点之间无任何信息同步
（2）Broker 部署相对复杂，Broker 氛围 Master 与 Slave，一个 Master 可以对应多个 Slaver，但是一个 Slaver 只能对应一个 Master，Master 与 Slaver 的对应关系通过指定相同的 BrokerName，不同的 BrokerId 来定义，BrokerId 为 0 表示 Master，非 0 表示 Slaver。Master 可以部署多个。每个 Broker 与 NameServer 集群中的所有节点建立长连接，定时注册 Topic 信息到所有的 NameServer
（3）Producer 与 NameServer 集群中的其中一个节点（随机选择）建立长连接，定期从 NameServer 取 Topic 路由信息，并向提供 Topic 服务的 Master 建立长连接，且定时向 Master 发送心跳。Produce 完全无状态，可集群部署
（4）Consumer 与 NameServer 集群中的其中一个节点（随机选择）建立长连接，定期从 NameServer 取 Topic 路由信息，并向提供 Topic 服务的 Master、Slaver 建立长连接，且定时向 Master、Slaver 发送心跳。Consumer 即可从 Master 订阅消息，也可以从 Slave 订阅消息，订阅规则由 Broker 配置决定
二.RocketMQ 储存特点
（1）零拷贝原理：Consumer 消费消息过程，使用了零拷贝，零拷贝包括一下 2 中方式，RocketMQ 使用第一种方式，因小块数据传输的要求效果比 sendfile 方式好
a ) 使用 mmap+write 方式
优点：即使频繁调用，使用小文件块传输，效率也很高
缺点：不能很好的利用 DMA 方式，会比 sendfile 多消耗 CPU 资源，内存安全性控制复杂，需要避免 JVM Crash 问题
b）使用 sendfile 方式
优点：可以利用 DMA 方式，消耗 CPU 资源少，大块文件传输效率高，无内存安全新问题
缺点：小块文件效率低于 mmap 方式，只能是 BIO 方式传输，不能使用 NIO
（2）数据存储结构
三.RocketMQ 关键特性
1. 单机支持 1W 以上的持久化队列
（1）所有数据单独储存到 commit Log，完全顺序写，随机读
（2）对最终用户展现的队列实际只储存消息在 Commit Log 的位置信息，并且串行方式刷盘
这样做的好处：
（1）队列轻量化，单个队列数据量非常少
（2）对磁盘的访问串行话，避免磁盘竞争，不会因为队列增加导致 IOWait 增高
每个方案都有优缺点，他的缺点是：
（1）写虽然是顺序写，但是读却变成了随机读
（2）读一条消息，会先读 Consume Queue，再读 Commit Log，增加了开销
（3）要保证 Commit Log 与 Consume Queue 完全的一致，增加了编程的复杂度
以上缺点如何客服：
（1）随机读，尽可能让读命中 pagecache，减少 IO 操作，所以内存越大越好。如果系统中堆积的消息过多，读数据要访问硬盘会不会由于随机读导致系统性能急剧下降，答案是否定的。
a）访问 pagecache 时，即使只访问 1K 的消息，系统也会提前预读出更多的数据，在下次读时就可能命中 pagecache
b）随机访问 Commit Log 磁盘数据，系统 IO 调度算法设置为 NOOP 方式，会在一定程度上将完全的随机读变成顺序跳跃方式，而顺序跳跃方式读较完全的随机读性能高 5 倍
（2）由于 Consume Queue 存储数量极少，而且顺序读，在 pagecache 的与读取情况下，Consume Queue 的读性能与内存几乎一直，即使堆积情况下。所以可以认为 Consume Queue 完全不会阻碍读性能
（3）Commit Log 中存储了所有的元信息，包含消息体，类似于 MySQl、Oracle 的 redolog，所以只要有 Commit Log 存在，Consume Queue 即使丢失数据，仍可以恢复出来
2. 刷盘策略
rocketmq 中的所有消息都是持久化的，先写入系统 pagecache，然后刷盘，可以保证内存与磁盘都有一份数据，访问时，可以直接从内存读取
2.1 异步刷盘
在有 RAID 卡，SAS 15000 转磁盘测试顺序写文件，速度可以达到 300M 每秒左右，而线上的网卡一般都为千兆网卡，写磁盘速度明显快于数据网络入口速度，那么是否可以做到写完 内存就向用户返回，由后台线程刷盘呢？
(1). 由于磁盘速度大于网卡速度，那么刷盘的进度肯定可以跟上消息的写入速度。
(2). 万一由于此时系统压力过大，可能堆积消息，除了写入 IO，还有读取 IO，万一出现磁盘读取落后情况，会不会导致系统内存溢出，答案是否定的，原因如下：
a) 写入消息到 PAGECACHE 时，如果内存不足，则尝试丢弃干净的 PAGE，腾出内存供新消息使用，策略是 LRU 方式。
b) 如果干净页不足，此时写入 PAGECACHE 会被阻塞，系统尝试刷盘部分数据，大约每次尝试 32 个 PAGE，来找出更多干净 PAGE。
综上，内存溢出的情况不会出现
2.2 同步刷盘：
同步刷盘与异步刷盘的唯一区别是异步刷盘写完 PAGECACHE 直接返回，而同步刷盘需要等待刷盘完成才返回，同步刷盘流程如下：
（1）写入 PAGECACHE 后，线程等待，通知刷盘线程刷盘。
（2）刷盘线程刷盘后，唤醒前端等待线程，可能是一批线程。
（3）前端等待线程向用户返回成功。
3. 消息查询
3.1 按照 MessageId 查询消息
MsgId 总共 16 个字节，包含消息储存主机地址，消息 Commit Log Offset。从 MsgId 中解析出 Broker 的地址和 Commit Log 偏移地址，然后按照存储格式所在位置消息 buffer 解析成一个完整消息
3.2 按照 Message Key 查询消息
1. 根据查询的 key 的 hashcode%slotNum 得到具体的槽位置（slotNum 是一个索引文件里面包含的最大槽目数目，例如图中所示 slotNum=500W）
2. 根据 slotValue（slot 对应位置的值）查找到索引项列表的最后一项（倒序排列，slotValue 总是指向最新的一个索引项）
3. 遍历索引项列表返回查询时间范围内的结果集（默认一次最大返回的 32 条记录）
4.Hash 冲突，寻找 key 的 slot 位置时相当于执行了两次散列函数，一次 key 的 hash，一次 key 的 hash 取值模，因此这里存在两次冲突的情况；第一种，key 的 hash 值不同但模数相同，此时查询的时候会在比较第一次 key 的 hash 值（每个索引项保存了 key 的 hash 值），过滤掉 hash 值不想等的情况。第二种，hash 值相等 key 不想等，出于性能的考虑冲突的检测放到客户端处理（key 的原始值是存储在消息文件中的，避免对数据文件的解析），客户端比较一次消息体的 key 是否相同
5. 存储，为了节省空间索引项中存储的时间是时间差值（存储时间——开始时间，开始时间存储在索引文件头中），整个索引文件是定长的，结构也是固定的
4. 服务器消息过滤
RocketMQ 的消息过滤方式有别于其他的消息中间件，是在订阅时，再做过滤，先来看下 Consume Queue 存储结构
1. 在 Broker 端进行 Message Tag 比较，先遍历 Consume Queue，如果存储的 Message Tag 与订阅的 Message Tag 不符合，则跳过，继续比对下一个，符合则传输给 Consumer。注意 Message Tag 是字符串形式，Consume Queue 中存储的是其对应的 hashcode，比对时也是比对 hashcode
2.Consumer 收到过滤消息后，同样也要执行在 broker 端的操作，但是比对的是真实的 Message Tag 字符串，而不是 hashcode
为什么过滤要这么做？
1.Message Tag 存储 hashcode，是为了在 Consume Queue 定长方式存储，节约空间
2. 过滤过程中不会访问 Commit Log 数据，可以保证堆积情况下也能高效过滤
3. 即使存在 hash 冲突，也可以在 Consumer 端进行修正，保证万无一失
5. 单个 JVM 进程也能利用机器超大内存
1.Producer 发送消息，消息从 socket 进入 java 堆
2.Producer 发送消息，消息从 java 堆进入 pagecache，物理内存
3.Producer 发送消息，由异步线程刷盘，消息从 pagecache 刷入磁盘
4.Consumer 拉消息（正常消费），消息直接从 pagecache（数据在物理内存）转入 socket，到达 Consumer，不经过 java 堆。这种消费场景最多，线上 96G 物理内存，按照 1K 消息算，可以物理缓存 1 亿条消息
5.Consumer 拉消息（异常消费），消息直接从 pagecache 转入 socket
6.Consumer 拉消息（异常消费），由于 socket 访问了虚拟内存，产生缺页中断，此时会产生磁盘 IO，从磁盘 Load 消息到 pagecache，然后直接从 socket 发出去
7. 同 5
8. 同 6
6. 消息堆积问题解决办法
1 消息的堆积容量、依赖磁盘大小
2 发消息的吞吐量大小受影响程度、无 Slave 情况，会受一定影响、有 Slave 情况，不受影响
3 正常消费的 Consumer 是否会受影响、无 Slave 情况，会受一定影响、有 Slave 情况，不受影响
4 访问堆积在磁盘的消息时，吞吐量有多大、与访问的并发有关，最终会降到 5000 左右
在有 Slave 情况下，Master 一旦发现 Consumer 访问堆积在磁盘的数据时，回想 Consumer 下达一个重定向指令，令 Consumer 从 Slave 拉取数据，这样正常的发消息与正常的消费不会因为堆积受影响，因为系统将堆积场景与非堆积场景分割在了两个不同的节点处理。这里会产生一个问题，Slave 会不会写性能下降，答案是否定的。因为 Slave 的消息写入只追求吞吐量，不追求实时性，只要整体的吞吐量高就行了，而 Slave 每次都是从 Master 拉取一批数据，如 1M，这种批量顺序写入方式使堆积情况，整体吞吐量影响相对较小，只是写入 RT 会变长。
感谢各位的阅读！关于“RocketMQ 有什么特点”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！
