共计 5066 个字符，预计需要花费 13 分钟才能阅读完成。
本文作者：邓志文，小米研发工程师，Apache RocketMQ Committer
小米消息中间件选型
小米外部的业务场景可分为两类，别离是数据业务和在线业务。
其中数据业务包含日志流的计算、剖析场景以及数据集成场景，个别应用外部自研的音讯队列 Talos。在线业务包含事件告诉、订单以及简单的异步调用场景，比方延时音讯、重试投递、死信等，个别应用 RocketMQ。
DLedger 架构是 RocketMQ 4.5 推出的全新架构，稳定性有保障。小米的在线外围业务规模微小，须要很高的可靠性保障，因而咱们最终抉择了 DLedger 架构。小米心愿用数据谈话，踊跃地拥抱社区倒退，并且咱们认为大规模落地 DLedger 既是挑战，也是机会。
Dledger 内核与优化
DLedger 架构与主从架构的次要区别在于 broker。咱们的理论部署中，单个 Broker 组部署 3 台机器（倡议部署奇数台），主节点独自部署，从节点与 NameServer 混合部署，通过 raid 形式将多块磁盘组成单块大盘。
DLedger 架构有两个外围模块：
①正本同步：主节点向从节点通过异步发送 push 申请。
②主动选主：主节点定时向从节点发送心跳，若从节点在指定工夫内没有收到心跳则触发从新选主。
正本同步的过程如上图所示：同步时 leader 节点会向从节点发送 push 申请，要求同步数据。
RocketMQ4.8 社区版本对 DLedger 做了以下两个重要优化：
- 异步化 pipeline 模式：大幅晋升了同步双写的性能。
- 批量日志复制：反对批量同步。然而批量同步会存在兼容性问题，从单条降级到批量的状况下会呈现不兼容。
小米外部针对批量同步进行了优化，做了兼容性革新：主从节点 BatchPush 兼容性优化，防止集群降级过程中集群不可用。具体优化内容为：BatchPush 兼容性优化，反对了 BatchPush 滚动降级；以 master 节点配置为主，slave 节点同时兼容 batch/single 申请。
咱们对 batch 同步做了性能测试，测试环境如上图右侧所示。测试后果为，开启 Batch 同步前后，极限值从 5.5w/ s 进步至 8w/s，10ms 内写入极限从 4.5w/ s 晋升至 7w/s。
DLedger 选举流程如上图所示。通过配置 preferredLeaderlds 能够指定优先选举某些节点为 leader。由 Candidate 发动投票，获取半数以上投票则成为主节点，否则从新发动投票。
故障状况下，故障复原过程如上图所示。
集群必须保障一半以上节点可用。如果从节点呈现故障，则业务无感知；如果主节点故障，则从新触发选举。主节点一旦产生故障，则会立刻进行与从节点的心跳，从节点会变为 Candidate 状态，发动新一轮投票选举，从残余存活的节点中选出新的 master 节点。
假如新的主节点并不是 PreferredLeader，则会检测 Leader 与 PreferredLeader 之间的水位差距。如果两者之间正本写入差距小于 1000 条，则会发动 LeaderShipTransfer，将 leader 的地位转移给 PreferredLeader，此时 Leader 节点不再接收数据写入。
Follower 节点接管到 LeaderShipTransfer 申请后，将节点状态设置为 Candidate，不再接管正本同步。
当 PreferredLeader 被设置为 Candidate 时，节点正本同步进度将落后于 Leader 节点，会导致 Candidate 发动投票失败。起因为正本同步落后，同时该节点 term 值大于 leader 节点，无奈从新置为 Follower，节点始终处于 Candidate 状态。
咱们对此进行了优化，在 PreferredLeader 节点接管到 LeaderShipTransfer 申请后，会跟上 leader 节点正本同步的进度，否则超时失败，防止了被配置为 PreferredLeader 的从节点数据不同步的问题。
DLedger 架构实践经验
1. 业务影响力
从 2020 年 8 月 RocketMQ 正式立项到当初，音讯规模已冲破到 260 亿条 / 天，预计 2022-Q2 可达 500 亿 / 天。
截至目前，小米外部已将多种业务自保护中间件比方 Notify、RabbitMQ 等进行了替换。
2. 性能优化
小米外部的很多业务场景都须要延时音讯，然而，RocketMQ 的延时音讯与音讯重试绑定，一旦客户端呈现大量生产失败，会导致延时性能受到影响。
小米针对上述痛点进行了优化。
此前为一个线程解决 18 个 level，level 之间相互影响。因而，咱们将 Timer 替换为 ScheduledExecutorService，每一个线程负责一个 level，使得 level 之间不会相互影响。上图右下角表格显示，革新后的 TPS 仍然较差，远不能满足业务团队的需要。
于是咱们持续进行革新，通过异步形式投递音讯，由多个线程解决一个 level，大幅晋升了延时音讯的性能，比方边读边写的性能可达 3.2w/s，相比于原先的 700/ s 有了质的飞跃。
然而开启异步投递后将无奈保障延时音讯的程序性。
3. 性能拓展
开源 RocketMQ 只有固定级别的延时音讯，无奈满足业务场景灵便延时音讯的需要。最终，咱们通过插件的形式实现了任意提早音讯，不便兼容社区后续的延时音讯，也能够轻松将其进行替换。
具体实现流程如下：所有延时音讯都发送到对立的延时 topic 里，插件将 topic 里的音讯拉到本人的 CommitLog 中，再通过异步线程将提早音讯写入 RocksDB。而后将提早音讯从 RocksDB 加载到工夫轮，由工夫轮将到期的音讯投递给业务 topic。
Pull Service 基于 Push 生产拉取音讯，可轻松对插件进行程度扩大，consumer 实例数减少时，可能依赖 rebalance 个性实现主动负载平衡。另外，应用 RocksDB 做存储，依赖 kv 个性无需对延时音讯做排序，升高了复杂度。延时音讯也是 RocketMQ 里的一环，因而也须要很高的可靠性，所以咱们基于 DLedger 实现了 3 正本，可靠性失去了很高的保障。
任意提早音讯曾经在外部所有集群上线，业务规模宏大，性能和可靠性也失去了验证。
RocketMQ5.0 以前，次要的生产模式为 Pull 和 Push。而它们实质上都是 pull 的模式，客户端须要与队列数做绑定，一个分区最多只能被一个客户端生产，一旦消费者数量大于分区数量，则会导致空转，有客户端无奈生产到音讯。同时，生产能力不同也会导致音讯沉积。此外，如果机器特地多比方有 1000 台，则队列的分区也必须为 1000 个。一旦有业务进行降级，则 1000 台机器都须要进行降级，耗时久，且降级时频繁高低线会对生产造成很大影响。
RocketMQ5.0 推出的 POP 生产模式能在肯定水平上解决上述痛点。该模式下，队列可被多个客户端生产，客户端无需进行 rebalance，高低线也不会相互影响，生产更平衡。即便有 1000 台机器，可能只须要几个分区、几个队列。
但 RocketMQ5.0 的 POP 模式依赖了内置的 level 延时，因为 level 不够准确，因而在客户端生产特地慢的场景下会呈现生产反复的问题。此外，POP 模式只能在 PushConsumer 里应用。
因而，咱们对 RocketMQ5.0 的 PoP 模式进行了优化，应用秒级延时音讯，并反对了 PullConsumer 场景。优化后的 POP 模式已在小米外部全集群上线，POP 生产数量超 10 亿 / 日。
咱们还基于 Static Topic 实现了动静负载平衡。
集群负载变高当前须要进行扩容，然而须要人工进行运维，手动地将流量高的 topic 从旧节点上迁徙至新节点。而基于 Static Topic 实现了动静负载平衡后，新的节点退出后可能主动将不同 broker 组上的流量进行平衡。
它蕴含两个级别的平衡策略：
- 磁盘平衡：按天级别统计 TPS 和检测负载。RocketMQ 中无奈删除 topic，因而只有按 TPS 统计，即可大略统计出不同节点磁盘的比例。
- TPS 平衡：按小时统计 TPS 和检测负载。
如上图，有四个 broker 组，不同 broker 组之间的流量阈值设置为 5k/s，一旦超过 5k/ s 则须要做 rebalance。新建两个 topic，其中 topicA 有 3 个队列，topicB 有 5 个队列。
新建 topic 的调配策略为：先按 TPS 对 Broker 进行排序，再将 Topic 所有 queue 依照 Broker 程序循环调配。
最终后果如上图：topicA 的三个队列别离调配在 BrokerA、BrokerB、BrokerC，topicB 的五个队列别离调配在 BrokerA（2 个）、BrokerB（1 个）、BrokerC（1 个）、BrokerD（1 个）。
随着流量进入 topic，势必会造成 broker 组之间呈现流量差距。如上图，四个 Broker 的流量别离为 13k、9k、9k、4k，已达 rebalance 阈值，因而须要进行 rebalance。
Balance 策略如下：
① 依照 TPS 对 Topic 进行由高到低的排序——排序后果为 TopicB、TopicA。
② 依照 TPS 对 Broker 进行由低到高的排序——排序后果为 BrokerD、BrokerA、BrokerB、BrokerC。
③ 按 TPS 由高到低对 Topic/queue 进行重新分配——首先调配 TopicB，再调配 TopicA。
④ 调配策略：按 TPS 由低到高对 Broker 循环调配，计算出每个 Broker 调配的 queue 个数——后果为 BrokerA 上的一个队列挪动至 BrokerD。
⑤ 查看 Broker 以后调配的 queue 个数，对 queue 进行迁徙。
⑥ 依照上述逻辑循环，直到流量低于 Broker 阈值。
咱们对监控、日志、限流方面也别离进行了欠缺。
最开始咱们应用小米外部的监控平台进行监控和报警。现在，小米已将 Prometheus+Grafana 链路买通，有了更丰盛的图表组件，可能提供更丰盛的查问和报警。
以往小米外部并没有对日志进行收集和监控，如果服务呈现抖动，会在机器上查看日志。然而随着机器的减少，查看日志的老本也逐步变大。此外，日志可能提前裸露某些问题，因而咱们将 ElasticSearch+Grafana 买通，既对立了日志搜寻的入口，又减少了日志的监控能力。
Broker 尽管有自我爱护，但仅针对集群级别。很多业务会应用雷同的集群，为了保障不同集群、不同业务之间互不烦扰，咱们减少了 topic 级别的限流能力，不会影响 topic 失常的业务逻辑，只会在异常情况下触发限流，既爱护了 broker 也爱护了其余业务。
4. 灾备
小米的很多业务对可靠性要求特地高，因而须要多机房做灾备。
咱们目前有三个灾备计划：
- 多机房多活。
- 跨机房互备。
- 双机房热备。
多机房多活：在多个机房部署 Broker 组，每个 broker 组部署在同一个机房。业务发送流量时，三个 broker 组都失常工作。其中一个 broker 组呈现问题后，通过负载平衡主动将流量导到另外两个 broker 组上。
该模式的缺点为 broker 须要保留肯定的 buffer 的，否则切流之后可能导致宕机。
跨机房互备：在多个机房部署 broker 组，每个 broker 组部署跨多个机房。有机房呈现问题时，其余两个节点仍旧可用的，集群也可用。客户端无需进行任何革新，不须要本人实现流量平衡，且易于保护。
双机房热备属于备选计划，单集群三机房部署，双机房应用 Replicator 同步。
将来布局
小米对 RocketMQ 的将来布局次要分为新个性落地和运维能力。
新个性方面，冀望实现分级存储、DLedger 模式读写拆散、以及批存储 &Client auto batch 的落地利用。
运维能力方面，冀望实现扩缩容自动化以进步运维能力，落地 OpenTracing 以实现对 RocketMQ 的全方位监控。
退出 Apache RocketMQ 社区
十年铸剑，Apache RocketMQ 的成长离不开寰球靠近 500 位开发者的积极参与奉献，置信在下个版本你就是 Apache RocketMQ 的贡献者，在社区不仅能够结识社区大牛，晋升技术水平，也能够晋升集体影响力，促成本身成长。
社区 5.0 版本正在进行着热火朝天的开发，另外还有靠近 30 个 SIG（兴趣小组）等你退出，欢送立志打造世界级分布式系统的同学退出社区，增加社区开发者微信：rocketmq666 即可进群，参加奉献，打造下一代音讯、事件、流交融解决平台。
微信扫码增加小火箭进群
另外还能够退出钉钉群与 RocketMQ 爱好者一起宽泛探讨：
钉钉扫码加群
关注「Apache RocketMQ」公众号获取更多技术干货
