RocketMQ 源码分析

1. RocketMQ的整体架构如下，可以看到各个组件充当的角色，Name Server 负责维护一些全局的路由信息：当前有哪些broker，每个Topic在哪个broker上等; Broker具体处理消息的存储和服务；生产者和消费者是消息的源头和归宿。

   

   在知道各个角色的基本位置后，就该让程序跑起来，这样才能看的更真切，RocketMQ依赖很少，可以很容易的在本地部署，首先要设置环境变量ROCKETMQ_HOME，这是RocketMQ需要的工作目录。nameserver 首先启动，这样才会监听（监听端口为9876）来自Broker的连接，Broker启动的时候指定nameserver，否则会到某个服务器寻找可用的nameserver列表，然后可以运行rocketmq-example中的例子进行简单的测试。

2. Name server短小精悍，协调全局

   从代码可以看到主要是初始化服务端通信层和线程执行组件， 然后启动ServerBootstrap启动。通过jstack命令你可以看到启动了哪些线程。

3. Producer发送消息是如何得知发到哪个broker的 ？

   每个应用在收发消息之前，一般会调用一次producer.start()/consumer.start()，幕后的工作就是：创建需要的实例对象，如MQClientInstance；设置定时任务，如从Nameserver中定时更新本地的Topic route info，发送心跳信息到所有的broker，动态调整线程池的大小，等等；把当前producer加入到指定的组中。客户端会缓存路由信息TopicPublishInfo, 同时定期从NameServer取Topic路由信息，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。Producer在发送消息的时候会去查询本地的topicPublishInfoTable（一个HashMap），如果没有命中的话就会与NameServer沟通得到路由信息，RequestCode=GET_ROUTEINTO_BY_TOPIC 如果nameserver中也木有查询到，那么将会发送一个default的topic进行路由查询。具体过程如下图所示：

   

4. Producer发送消息的具体过程，以同步模式为例。

   得到了通信地址，发送过程就显而易见了。可以看到在选择消息队列进行发送时采用随机方式，同时和上一次发送的broker保持不同，防止热点。

   

5. Broker是如何接收来自Producer的消息呢？

   每个producer咋发送消息的时候都和对应的Broker建立了长连接，此时broker已经准备好接收Message，具体过程如下。接收到消息后，会先写入Commit Log文件（顺序写，写满了会新建一个新的文件），然后更新Consume queue文件（存储如何由topic定位到具体的消息）。

   

6. RocketMQ 存储特点

   RocketMQ的消息采用顺序写到commitlog文件，然后利用consume queue文件作为索引，如图。RocketMQ采用零拷贝mmap+write的方式来回应Consumer的请求，RocketMQ宣称大部分请求都会在Page Cache层得到满足，所以消息过多不会因为磁盘读使得性能下降，这里自己的理解是，在64bit机器下，虚存地址空间（vm_area_struct）不是问题，所以相关的文件都会被映射到内存中（有定期删除文件的操作），即使此刻不在内存，操作系统也会因为缺页异常进行换入，虽然地址空间不是问题，但是一个进程映射文件的个数是有限的，所以可能在这里发生OOM。

   

   传统读写和两种零拷贝的简单对比如下，其实就是CPU和IO的权衡。

   

   通过Broker中的存储目录也能看到上述表述的体现：

   

7. 顺序消息是如何保证的？

   需要业务层自己觉得哪些消息应该顺序保证，然后发送的时候通过规则映射到同一个队列，因为没有谁比业务自己更加知道关于消息顺序的特点。这样的顺序是相对顺序，局部顺序，因为发送方只保证把这些消息顺序的发送到broker上的同一队列，但是不保证其他Producer也会发送到那个队列，所以需要Consumer在拉到消息后做一些过滤。

8. RocketMQ 刷盘实现

   刷盘的最终实现都是使用NIO中的MappedByteBuffer.force()将映射区的数据写入到磁盘，如果是同步刷盘的话，在Broker把消息写到CommitLog映射区后，就会等待写入完成。异步而言，只是唤醒对应的线程，不保证执行的时机，流程如下。

   

9. 消息过滤

   类似于重复数据删除技术，可以在源端做，也可以在目的端实现，就是网络和存储的权衡，如果在Broker端做消息过滤就需要逐一比对consume queue的tagsCode字段（hashcode）,如果符合则传输给消费者，因为是hashcode，所以存在误判，需要在Consumer接收到消息后进行字符串级别的过滤，确保准确性。

总结：阅读这个代码也花了好几天时间，虽然在分布式可靠性方面还未仔细研究，主要看了关键的设计思想和流程，有很多东西要不断的沉淀和消化，特别是多线程同步，异步等。

版权声明：本文为博主原创文章，未经博主允许不得转载。