RocketMQ在存储架构上的追求

2022-02-18 00:00:00 索引 文件 消息 消费 内存

内容导读:MQ作为一款中间件,就需要承载全公司所有业务系统使用需求,并高效稳定运行。因此,MQ对本身运行效率有着非常苛刻的诉求。
为了实现高效率,其实需要很多方面一起配合来完成。比如存储方式、内存使用、负载均衡等等。
本文就RocketMQ为了实现高效的读写速率在存储架构上所做的努力,进行下阐述。

Part one / 存储结构选型对比

为了更方便的进行数据读写,消息在磁盘底层的文件目录设计,都需要关注和解决什么问题呢:

首先,基本的,消息原始记录的写入和存储,且速率要快。其次,要可以区分topic ,特别是允许消费者按topic进行接收。再次,分布式集群下的多消费者负载均衡。

那么问题来了,消息文件该怎么设计呢?
如果按topic来拆分文件进行存储,是否可以?

缺点:生产者写入时选择对应的文件来写入。当数据量逐渐增大之后,定位查询文件地址,对磁盘的寻址所带来的性能损耗,将不再可以忽略。优点:在消费时,可以直接加载相关文件进行读取,不会产生随机寻址。

如果用一整个文件来存消息呢?

优点:所有的topic都被写入一个文件中,这样,写入时,只要将消息按到达顺序序追加到文件尾部即可,很容易实现顺序写入。缺点:消费时,需要根据辅助信息来在文件中定位消息,会产生随机读,损耗性能。

因此,不管是按topic拆开多文件存储,还是一整个文件存储做有利有弊,需要按实际需要进行权衡。

Part two / RocketMQ的存储方案选择

RocketMQ存储原始消息选择的是写同一个文件。
生产者将消息顺序写入commitLog文件
究其原因,是由于RocketMQ一般都是普通业务场景使用居多,生产者和topic众多,如果都独立开各自存储,每次消息生产的磁盘寻址对性能损耗是非常巨大的。
旁证侧引:
kafka的文件存储方式,是按topic拆分成partation来进行的。是什么样的原因,让kafka做出了和RocketMQ相反的选择呢?

个人认为,主要还是使用场景的区别,kafka被优先选择用来进行大数据处理,相对于业务场景,数据维度的topic要少很多,并且kafka的生产者(spark flume binlog等)机器会更加集中,这使得kafka选择按topic拆分文件的缺陷不那么突出,而大数据处理更重要的是消息读取,顺序读的优势得以被充分利用。
"partation,单cunsumerkafka,性能异常的" 是经常被提及的一个观点,其原因,相信有了上面的分析应该也差不多有结论了。

Part three / RocketMQ怎样平衡读性能

从部分的存储方案对比可以知道,RocketMQ为了保证消息写入效率,在存储结构上选择了顺序写,势必会对消息的读取和消费带来不便。
那么,它是怎么来平衡消费时的读取速率的呢?
关键问题是,找到一种途径,可以快速的在commitLog中定位到所需消息的位置。
从一堆数据中,快速定位想要的数据,这不是索引擅长的事情么?所以,RocketMQ也为commitLog创建了索引文件,并且是区分topic的结构。
存储架构和存储构建链路示意图

RocketMQ 的消息体构成

消息体元素构成

topic 是业务场景的标识,不可缺少;queueId 在申请topic的时候确定,关联着消费索引consumerQueue中的队列ID;tags 是消息特殊标签,用于业务系统订阅时提前过滤(这个功能真的是太重要了,吃过苦的同学都清楚);keys 是消息的关键字,构建index索引,用于关键字查询用;msgBody 是真实消息体;

消息由发布者发布,并依次的、顺序的写到commitLog里,消息一旦被写入,是不可以更改顺序和内容的。commitLog规定大1个G,达到规定大小则写新的一个文件。

索引结构和构建过程

consumerQueue结构和创建过程
consumerQueue 是一种机制,可以让消费端通过queuecommitLog之间的检索关系,快速定位到commitLog里边的具体消息内容,然后拉取进行消费。
consumerQueue 按 topic的不同,被分为不同的queue,根据queueId来被消费者订阅和消费;
其中每个索引项是一个固定大小为20bytes的记录,由消息在commitLog中的起始偏移量、消息体占用大小、typehash码三部分构成。可以通过这三个部分快速定位到所需消息位置和类型。
而上述索引的构建过程,是在消息被写入commitLog时,专门的后台服务--putMessageService,将索引信息分发到 consumerQueue 和index文件里,来构建索引项。
建索引的过程,实际上是一种分而治之思维的落地,除了索引,还有redis中的各种指标维护,核心是 分散压力到每次请求,避免了大规模集中计算。

消息的消费

消费者对应consumerQueue不一定是一对一的,因此,怎么来让每个新的消费者来了不会重复消费呢?
offset消费位点记录
在消息成功被拉取并消费时,后台任务CommitOffsetManager 会将当前消费者,针对topic的消费位点进行记录,目的是让下一个或者重新启动单饿消费者记住这个消费位点,不至于重复消费。
因此,整个文件目录就一目了然了:

Part four / 读效率的追求

虽然通过上述文件存储结构的分析,我们知道,消费者可以根据索引文件中的索引项来快速定位, 但事实上,消息的发布和消费,不可能直接针对磁盘进行读写操作的,这样效率会非常非常低。
实际上,我们的操作基本是针对一块内存进行操作的 。
利用NIO的内存映射机制,我们将commitLog的一部分文件交换到对外内存。然后利用操作系统pageCache技术,在运行过程中把内存里的信息,与磁盘里的文件信息进行同步,或者交换:

消息发布者,在发布消息的时候,首先把消息添加到内存里,然后根据刷盘的配置可以来指定是同步刷盘还是异步刷盘,来将内存中的数据同步到磁盘上。消息的消费者,在消费消息的时候,大多数情况下,会直接命中到内存上,不会进行磁盘读,但极个别的情况下,需要消费的消息,在内存中没法找到,这时候,就需要用换页技术,将相关的信息,拉取到内存中。为什么是相关信息,而不是需要什么拉取什么?这是有一个机制,来保证潜在的即将被消费的信息直接换入内存,来提交效率。

摘自:Qcon大会 RocketMQ分享资料

Part five / 总结

整体一套处理流程看下来,其实我们可以看到很多熟悉的身影,比如Mysql的索引,redis的统计信息记录等等,都非常相似。
其实,我们可以这么认为:对于信息存储和查询的处理方案大都如出一辙,只要把握住核心的部分,然后根据实际业务诉求进行适配优化,基本都是可以达到期望的结果的。

来自:https://mp.weixin.qq.com/s/j0xOwcRr5cN0vgn16lBMJA

相关文章