[移动开发]RocketMQ三（工作原理：订阅关系一致性、消费幂等、消息堆积、消息的清理）

3.5 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（Group ID相同）下所有Consumer实例所订阅的Topic与 Tag及对消息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。

3.5.1 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。

3.5.2 错误订阅关系

一个消费者组订阅了多个Topic，但是该消费者组里的多个Consumer实例的订阅关系并没有保持一致。

订阅了不同Topic
同一个消费者组中的两个Consumer实例订阅了不同的Topic。

		//此订阅了jodie_test_A
		Properties properties = new Properties();
		properties.put(PropertyKeyConst.GROUP_ID, "GID_jodie_test_1");
		Consumer consumer = ONSFactory.createConsumer(properties);
		consumer.subscribe("jodie_test_A", "*", new MessageListener() {
			public Action consume(Message message, ConsumeContext context) {
				System.out.println(message.getMsgID());
				return Action.CommitMessage;
			}
		});

		//此订阅了"jodie_test_B
		Properties properties = new Properties();
		properties.put(PropertyKeyConst.GROUP_ID, "GID_jodie_test_1");
		Consumer consumer = ONSFactory.createConsumer(properties);
		consumer.subscribe(""jodie_test_B", "*", new MessageListener() {
			public Action consume(Message message, ConsumeContext context) {
				System.out.println(message.getMsgID());
				return Action.CommitMessage;
			}
		});

订阅了不同Tag
同一个消费者组中的两个Consumer订阅了相同Topic的不同Tag。

       //订阅了topic为jodie_test_A，tag为TagA的消息
		Properties properties = new Properties();
		properties.put(PropertyKeyConst.GROUP_ID, "GID_jodie_test_2");
		Consumer consumer = ONSFactory.createConsumer(properties);
		consumer.subscribe("jodie_test_A", "TagA", new MessageListener() {
			public Action consume(Message message, ConsumeContext context) {
				System.out.println(message.getMsgID());
				return Action.CommitMessage;
			}
		});

       //订阅了topic为jodie_test_A，tag为*的消息
		Properties properties = new Properties();
		properties.put(PropertyKeyConst.GROUP_ID, "GID_jodie_test_2");
		Consumer consumer = ONSFactory.createConsumer(properties);
		consumer.subscribe("jodie_test_A", "*", new MessageListener() {
			public Action consume(Message message, ConsumeContext context) {
				System.out.println(message.getMsgID());
				return Action.CommitMessage;
			}
		});

订阅了不同数量的Topic
同一个消费者组中的两个Consumer订阅了不同数量的Topic。

		Properties properties = new Properties();
		properties.put(PropertyKeyConst.GROUP_ID, "GID_jodie_test_3");
		Consumer consumer = ONSFactory.createConsumer(properties);
		consumer.subscribe("jodie_test_A", "TagA", new MessageListener() {
			public Action consume(Message message, ConsumeContext context) {
				System.out.println(message.getMsgID());
				return Action.CommitMessage;
			}
		});
		consumer.subscribe("jodie_test_B", "TagB", new MessageListener() {
			public Action consume(Message message, ConsumeContext context) {
				System.out.println(message.getMsgID());
				return Action.CommitMessage;
			}
		});

		Properties properties = new Properties();
		properties.put(PropertyKeyConst.GROUP_ID, "GID_jodie_test_3");
		Consumer consumer = ONSFactory.createConsumer(properties);
		consumer.subscribe("jodie_test_A", "TagA", new MessageListener() {
			public Action consume(Message message, ConsumeContext context) {
				System.out.println(message.getMsgID());
				return Action.CommitMessage;
			}
		});

4363

3.6 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。

3.6.1 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消费进度，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，默认文件路径为当前用户主目录下的.rocketmq_offsets/${clientId}/${group}/Offsets.json。
  其中${clientId}为当前消费者id，默认为ip@DEFAULT；${group}为消费者组名称。

3.6.2 offset远程管理模式

当消费模式为集群消费时，offset使用远程模式管理。因为所有Cosnumer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的形式持久化到Broker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（ConsumerOffsetManager）。外层map的key 为topic@group，value为内层map。内层map的key为queueId，value为offset。当发生Rebalance时，新的Consumer会从该Map中获取到相应的数据来继续消费。
集群模式下offset采用远程管理模式，主要是为了保证Rebalance机制。

3.6.3 offset用途

消费者是如何从最开始持续消费消息的？消费者要消费的第一条消息的起始位置是用户自己通过consumer.setConsumeFromWhere()方法指定的。
在Consumer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。

public enum ConsumeFromWhere {
    CONSUME_FROM_LAST_OFFSET,   // 从queue的当前最后一条消息开始消费
    /** @deprecated */
    @Deprecated
    CONSUME_FROM_LAST_OFFSET_AND_FROM_MIN_WHEN_BOOT_FIRST, 
    /** @deprecated */
    @Deprecated
    CONSUME_FROM_MIN_OFFSET,
    /** @deprecated */
    @Deprecated
    CONSUME_FROM_MAX_OFFSET,
    CONSUME_FROM_FIRST_OFFSET, // 从queue的第一条消息开始消费
    CONSUME_FROM_TIMESTAMP;  // consumer.setConsumeTimestamp(“20210701080000”) yyyyMMddHHmmss
    //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 。
...
}

• 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（ConsumerOffsetManager）及consumerOffset.json文件中，然后向该Consumer进 行ACK，而ACK内容中包含三项数据：当前消费队列的最小offset（minOffset）、最大offset（maxOffset）、及下次消费的起始offset（nextBeginOffset）。

3.6.4 重试队列

当rocketMQ对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中的重试队列。系统在发生消息消费异常时会为当前的topic@group创建一个重试队列，该队列以%RETRY%开头，到达重试时间后进行消费重试。

3.6.5 offset的同步提交与异步提交

集群消费模式下，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：消费者在消费完一批消息后会向broker提交这些消息的offset，然后等待broker的成功响应。若在等待超时之前收到了成功响应，则继续读取下一批消息进行消费（从ACK中获取nextBeginOffset）。若没有收到响应，则会重新提交，直到获取到响应。而在这个等待过程中，消费者是阻塞的。其严重影响了消费者的吞吐量。
• 异步提交：消费者在消费完一批消息后向broker提交offset，但无需等待Broker的成功响应，可以继续读取并消费下一批消息。这种方式增加了消费者的吞吐量。但需要注意，broker在收到提交的offset后，还是会向消费者进行响应的。可能还没有收到ACK，此时Consumer会从Broker中直接获取nextBeginOffset。

3.7、消费幂等

3.7.1 什么是消费幂等

幂等：若某操作执行多次与执行一次对系统产生的影响是相同的，则称该操作是幂等的。
在互联网应用中，尤其在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会影响业务处理，那么就应该对消息做幂等处理。

3.7.2 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：
发送时消息重复
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。 如果此时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Message ID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、Message ID也相同的消息。
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。

3.7.3 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。只要充分利用好这两要素，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?业务标识的字符串。例如，订单号、流水号。一般由Producer随着消息一同发送来的。
• 唯一性处理：服务端通过采用?定的算法策略，保证同?个业务逻辑不会被重复执行成功多次。例如，对同一笔订单的多次支付操作，只会成功一次。

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. 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。

第1步已经判断过是否是重复性操作了，为什么第2步还要再次判断？能够进入第2步，说明已经 不是重复操作了，第2次判断是否重复？ 当然不重复。一般缓存中的数据是具有有效期的。缓存中数据的有效期一旦过期，就是发生缓存穿透，使请求直接就到达了DBMS。

以支付场景为例：

1. 当支付请求到达后，首先在Redis缓存中却获取key为支付流水号的缓存value。若value不空，则说明本次支付是重复操作，业务系统直接返回调用侧重复支付标识；若value为空，则进入下一步操作
2. 到DBMS中根据支付流水号查询是否存在相应实例。若存在，则说明本次支付是重复操作，业务系统直接返回调用侧重复支付标识；若不存在，则说明本次操作是首次操作，进入下一步完成唯一性处理
3. 在分布式事务中完成三项操作：
   完成支付任务
   将当前支付流水号作为key，任意字符串作为value，通过set(key, value, expireTime)将数据写入到Redis缓存
   将当前支付流水号作为主键，与其它相关数据共同写入到DBMS

3.7.4 消费幂等的实现

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Message ID有可能出现重复的情况，所以真正安全的幂等处理，不建议以Message ID作为处理依据。最好的方式是以业务唯一标识作为幂等处理的关键依据，而业务的唯一标识可以通过消息Key设置。
以支付场景为例，可以将消息的Key设置为订单号，作为幂等处理的依据。具体代码示例如下：

	Message message = new Message(); 
	message.setKey("ORDERID_100"); 
	SendResult sendResult = producer.send(message);

消费者收到消息时可以根据消息的Key即订单号来实现消费幂等：

		consumer.registerMessageListener(new MessageListenerConcurrently() {
			@Override
			public ConsumeConcurrentlyStatus consumeMessage(List<MessageExt> msgs, ConsumeConcurrentlyContext context) {
				for (MessageExt msg : msgs) {
					String key = msg.getKeys(); 
					// 根据业务唯一标识Key做幂等处理 
					// …… }
					return ConsumeConcurrentlyStatus.CONSUME_SUCCESS; } });
				}

			}

RocketMQ能够保证消息不丢失，但不能保证消息不重复。

3.8 、消息堆积与消费延迟

3.8.1 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。

3.8.2 产生原因分析

Consumer使用长轮询Pull模式消费消息时，分为以下两个阶段：
消息拉取
Consumer通过长轮询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。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了。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本地缓冲队列达到上限，停止从服务端拉取消息。

结论
消息堆积的主要瓶颈在于客户端的消费能力，而消费能力由消费耗时和消费并发度决定。注意，消费耗时的优先级要高于消费并发度。即在保证了消费耗时的合理性前提下，再考虑消费并发度问题。

3.8.3 消费耗时

• 影响消息处理时长的主要因素是代码逻辑。而代码逻辑中可能会影响处理时长代码主要有两种类型：CPU内部计算型代码和外部I/O操作型代码。
• 外部IO型代码是影响消息处理时长的主要症结所在。

3.8.4 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。

单节点线程数，即单个Consumer所包含的线程数量 节点数量，即Consumer Group所包含的Consumer数量 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：该类型消息的Topic只有一个Queue分区。其可以保证该Topic的所有消息被 顺序消费。为了保证这个全局顺序性，Consumer Group中在同一时刻只能有一个Consumer的一 个线程进行消费。所以其并发度为1。
2）分区顺序消息：该类型消息的Topic有多个Queue分区。其仅可以保证该Topic的每个Queue 分区中的消息被顺序消费，不能保证整个Topic中消息的顺序消费。为了保证这个分区顺序性， 每个Queue分区中的消息在Consumer Group中的同一时刻只能有一个Consumer的一个线程进行 消费。即，在同一时刻最多会出现多个Queue分蘖有多个Consumer的多个线程并行消费。所以 其并发度为Topic的分区数量。

3.8.5 单机线程数计算

对于一台主机中线程池中线程数的设置需要谨慎，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 = C *（T1 + T2）/ T1 = C * T1/T1 + C * T2/T1 = C + C * T2/T1

3.8.6 如何避免

梳理消息的消费耗时和设置消息消费的并发度。
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：

• 消息消费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 / 单个节点消息吞吐量

3.9 、消息的清理

消息被消费过后会被清理掉吗？不会的。

• 消息是被顺序存储在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。
  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）后，自动清理过期文件
• 文件过期，且磁盘空间占用率已达过期清理警戒线（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
• 磁盘占用率达到清理警戒线（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（默认90%）后，Broker将拒绝消息写入

需要注意以下几点：
1）对于RocketMQ系统来说，删除一个1G大小的文件，是一个压力巨大的IO操作。在删除过程 中，系统性能会骤然下降。所以，其默认清理时间点为凌晨4点，访问量最小的时间。也正因如
果，我们要保障磁盘空间的空闲率，不要使系统出现在其它时间点删除commitlog文件的情况。
2）官方建议RocketMQ服务的Linux文件系统采用ext4。因为对于文件删除操作，ext4要比ext3性 能更好