乐趣区

关于后端:活动回顾|RocketMQ-运维经验圆桌交流第二期

2023 年 12 月 3 日,AutoMQ 举办了第二场线上交流会 RocketMQ 运维教训圆桌交换「第二期」,本次交流会汇聚了 RocketMQ 的作者以及来自腾讯云、网易、社区的技术专家。在这个充斥交换激情的流动中,大家独特探讨了 RocketMQ 的运维教训,分享了贵重的见解。接下来让咱们一起回顾此次 RocketMQ 运维学习之旅!

从用户沉积问题看 RocketMQ 可观测的实现

腾讯云 RocketMQ 技术专家李伟老师分享了在解决沉积问题时的教训分析方法,包含依据教训疾速定位问题、利用监控指标进行剖析、巡检链路的建设等。他还总结了将运维教训积淀下来的办法,包含集体记录、标准化操作文档、工具化和页面白屏化的倒退。最初,他简要介绍了 RocketMQ 5 的可观测指标实现形式,并领导大家如何查找和了解这些指标。

RocketMQ 运维稳定性与可观测性关联剖析

网易云消息中间件研发负责人林德智老师分享了在工作中遇到的 RocketMQ 相干问题和解决办法。重点包含生产常见问题的一些定位,解析了生产失败、生产提早、生产耗时长等状况。他介绍了通过精准采样和音讯轨迹解决难题的办法,探讨了扩缩容导致生产负载不平衡的状况并一一给出解法,强调了正当设置 queue 数量的重要性。

学习 RocketMQ 的精华:知行合一

架构师张勇老师分享了他学习 RocketMQ 四个阶段的经验。第一阶段,RocketMQ 刚开源,他就用它推动重构了同程艺龙的优惠券计算服务,大大优化计算工夫。第二阶段,他本人写了两个轮子,包含分库分表组件和 RPC 框架。第三阶段,他开始在生产环境中实战利用 RocketMQ,介绍了电商直播答题和自研任务调度零碎两个场景的利用教训。第四阶段,他将 RocketMQ 常识体系串联并输入成文章,同时他从书籍、公众号、大厂实战文章等很多渠道去学习。最初他总结道,学习任何一门技术,都应该做到知行合一,强调实践学习和入手实际的重要性。

RocketMQ 部署、利用、诊断

AutoMQ 联结创始人 & CTO 周新宇老师围绕“如何运上部署高可用的 RocketMQ 集群”“PushConsumer 最佳实际是什么”“用户说音讯未生产怎么排查”三个议题,给大家深刻解说了 RocketMQ 部署、应用、诊断三个方面,并提出了以下重点倡议:

在云上部署高可用集群,举荐应用 GitOps 的配置管理计划,比方将配置文件放在 GitHub 上进行治理。

在部署时拆分小集群,通过小集群分级管理业务,以管制故障半径。

在故障产生时,疾速止血是第一优先级,应用 RocketMQ 的管理工具进行疾速的禁读禁写,以隔离故障。

在 PushConsumer 的利用中,要留神防止误用生产重试的能力,防止将任何谬误都进行重投,尤其是限流谬误,倡议阻塞并在服务端沉积音讯。

在诊断音讯未生产问题时,须要多路径进行排查,包含查看生产轨迹、音讯状态、投递条件、定时音讯等,留神客户端配置和历史变更。

RocketMQ Copilot 自助诊断性能

Apache RocketMQ PMC Member 艾阳坤老师演示了 RocketMQ Copilot 产品的针对于音讯沉积的自助诊断的过程。在周新宇老师提到的音讯未生产问题上,他也应用 RocketMQ Copilot 产品的自助诊断性能进行了演示,只须要填入 Topic,ConsumerGroup 和 MessageId 等信息,RocketMQ Copilot 就能够依据这些元数据和线上信息还原现场,依据音讯未生产的常识图谱顺次排查,并最终定位出问题的根因。

欢送大家拜访 https://play.automq.com 进行 RocketMQ Copilot 的体验。

线上互动交换

线上参会的小伙伴的学习激情满满,踊跃与专家开展了深刻交换,连线探讨了 RocketMQ 音讯积压、生产提早、缩容的时候发送程序音讯等问题。专家们对各个问题都进行了深度分析和具体解答,为大家答疑解惑。

最初,再次感激各位讲师的精彩分享,也感激每一位参会者的反对!咱们下期见!

资源分享

关注“AutoMQ”公众号并发送“圆桌交换第二期”,即可取得本次流动相干 PPT 下载地址。

会议录屏后续将会发送在“AutoMQ”视频号和“AutoMQ 官网账号”B 站账号,请大家继续关注!
END

对于咱们

AutoMQ 是一家业余的音讯队列和流存储软件服务供应商。AutoMQ 开源的 AutoMQ Kafka 和 AutoMQ RocketMQ 基于云对 Apache Kafka、Apache RocketMQ 音讯引擎进行从新设计与实现,在充分利用云上的竞价实例、对象存储等服务的根底上,兑现了云设施的规模化红利,带来了下一代更稳固、高效的音讯引擎。此外,AutoMQ 推出的 RocketMQ Copilot 专家系统也从新定义了 RocketMQ 音讯运维的新范式,赋能音讯运维人员更好的治理音讯集群。

🌟 GitHub 地址:https://github.com/AutoMQ/automq-for-kafka

💻 官网:https://www.automq.com

👀 B 站:AutoMQ 官网账号

🔍 视频号:AutoMQ 

👉 扫二维码 退出咱们的社区群

关注咱们,一起学习更多云原生干货

退出移动版