RocketMQ音讯投递策略
- 作者: 博学谷狂野架构师
GitHub：GitHub地址 （有我精心筹备的130本电子书PDF）
只分享干货、不吹水，让咱们一起加油！
前言
RocketMQ的音讯投递分分为两种：一种是生产者往MQ Broker中投递；另外一种则是MQ broker 往消费者 投递(这种投递的说法是从消息传递的角度论述的，实际上底层是消费者从MQ broker 中Pull拉取的)。本文将从模型的角度来论述这两种机制。
RocketMQ的音讯模型
RocketMQ 的音讯模型整体并不简单，如下图所示：
一个Topic(音讯主题)可能对应多个理论的音讯队列(MessgeQueue)
在底层实现上，为了进步MQ的可用性和灵活性，一个Topic在理论存储的过程中，采纳了多队列的形式，具体模式如上图所示。每个音讯队列在应用中该当保障先入先出（FIFO,First In First Out）的形式进行生产。
那么，基于这种模型，就会引申出两个问题：
- 生产者 在发送雷同Topic的音讯时，音讯体该当被搁置到哪一个音讯队列(MessageQueue)中？
- 消费者 在生产音讯时，该当从哪些音讯队列中拉取音讯？
音讯的零碎间传递时，会逾越不同的网络载体，这会导致音讯的流传无奈保障其有序请
生产者投递策略
轮询算法投递
默认投递形式：基于Queue队列轮询算法投递默认状况下，采纳了最简略的轮询算法，这种算法有个很好的个性就是，保障每一个Queue队列的音讯投递数量尽可能平均，算法如下图所示：
COPY/*** 依据 TopicPublishInfo Topic公布信息对象中保护的index，每次抉择队列时，都会递增* 而后依据 index % queueSize 进行取余，达到轮询的成果**/public MessageQueue selectOneMessageQueue(final TopicPublishInfo tpInfo, final String lastBrokerName) { return tpInfo.selectOneMessageQueue(lastBrokerName);}/*** TopicPublishInfo Topic公布信息对象中*/public class TopicPublishInfo { //基于线程上下文的计数递增，用于轮询目标 private volatile ThreadLocalIndex sendWhichQueue = new ThreadLocalIndex(); public MessageQueue selectOneMessageQueue(final String lastBrokerName) { if (lastBrokerName == null) { return selectOneMessageQueue(); } else { int index = this.sendWhichQueue.getAndIncrement(); for (int i = 0; i < this.messageQueueList.size(); i++) { //轮询计算 int pos = Math.abs(index++) % this.messageQueueList.size(); if (pos < 0) pos = 0; MessageQueue mq = this.messageQueueList.get(pos); if (!mq.getBrokerName().equals(lastBrokerName)) { return mq; } } return selectOneMessageQueue(); } } public MessageQueue selectOneMessageQueue() { int index = this.sendWhichQueue.getAndIncrement(); int pos = Math.abs(index) % this.messageQueueList.size(); if (pos < 0) pos = 0; return this.messageQueueList.get(pos); }}代码示例
RocketMQ默认采纳轮询投递策略
COPY/** * 轮询投递策略 */public class PollingProducer { public static void main(String[] args) throws Exception { //创立一个音讯生产者，并设置一个音讯生产者组 DefaultMQProducer producer = new DefaultMQProducer("rocket_test_consumer_group"); //指定 NameServer 地址 producer.setNamesrvAddr("127.0.0.1:9876"); //初始化 Producer，整个利用生命周期内只须要初始化一次 producer.start(); for (int i = 0; i < 10; i++) { //创立一条音讯对象，指定其主题、标签和音讯内容 Message msg = new Message( /* 音讯主题名 */ "topicTest", /* 音讯标签 */ "TagA", /* 音讯内容 */ ("Hello Java demo RocketMQ " + i).getBytes(RemotingHelper.DEFAULT_CHARSET) ); //发送音讯并返回后果 SendResult sendResult = producer.send(msg); System.out.println("product: 发送状态:" + sendResult.getSendStatus() + ",存储queue:" + sendResult.getMessageQueue().getQueueId() + ",音讯索引:" + i); } // 一旦生产者实例不再被应用则将其敞开，包含清理资源，敞开网络连接等 producer.shutdown(); }}打印后果
COPYproduct: 发送状态:SEND_OK,存储queue:0,音讯索引:0product: 发送状态:SEND_OK,存储queue:1,音讯索引:1product: 发送状态:SEND_OK,存储queue:2,音讯索引:2product: 发送状态:SEND_OK,存储queue:3,音讯索引:3product: 发送状态:SEND_OK,存储queue:0,音讯索引:4product: 发送状态:SEND_OK,存储queue:1,音讯索引:5product: 发送状态:SEND_OK,存储queue:2,音讯索引:6product: 发送状态:SEND_OK,存储queue:3,音讯索引:7product: 发送状态:SEND_OK,存储queue:0,音讯索引:8product: 发送状态:SEND_OK,存储queue:1,音讯索引:9音讯投递提早最小策略
默认投递形式的加强：基于Queue队列轮询算法和音讯投递提早最小的策略投递
默认的投递形式比较简单，然而也裸露了一个问题，就是有些Queue队列可能因为本身数量积压等起因，可能在投递的过程比拟长，对于这样的Queue队列会影响后续投递的成果。
基于这种景象，RocketMQ在每发送一个MQ音讯后，都会统计一下音讯投递的时间延迟，依据这个时间延迟，能够晓得往哪些Queue队列投递的速度快。
在这种场景下，会优先应用音讯投递提早最小的策略，如果没有失效，再应用Queue队列轮询的形式。
COPYpublic class MQFaultStrategy { /** * 依据 TopicPublishInfo 外部保护的index,在每次操作时，都会递增， * 而后依据 index % queueList.size(),应用了轮询的根底算法 * */ public MessageQueue selectOneMessageQueue(final TopicPublishInfo tpInfo, final String lastBrokerName) { if (this.sendLatencyFaultEnable) { try { // 从queueid 为 0 开始，顺次验证broker 是否无效，如果无效 int index = tpInfo.getSendWhichQueue().getAndIncrement(); for (int i = 0; i < tpInfo.getMessageQueueList().size(); i++) { //基于index和队列数量取余，确定地位 int pos = Math.abs(index++) % tpInfo.getMessageQueueList().size(); if (pos < 0) pos = 0; MessageQueue mq = tpInfo.getMessageQueueList().get(pos); if (latencyFaultTolerance.isAvailable(mq.getBrokerName())) { if (null == lastBrokerName || mq.getBrokerName().equals(lastBrokerName)) return mq; } } // 从提早容错broker列表中筛选一个容错性最好的一个 broker final String notBestBroker = latencyFaultTolerance.pickOneAtLeast(); int writeQueueNums = tpInfo.getQueueIdByBroker(notBestBroker); if (writeQueueNums > 0) { // 取余筛选其中一个队列 final MessageQueue mq = tpInfo.selectOneMessageQueue(); if (notBestBroker != null) { mq.setBrokerName(notBestBroker); mq.setQueueId(tpInfo.getSendWhichQueue().getAndIncrement() % writeQueueNums); } return mq; } else { latencyFaultTolerance.remove(notBestBroker); } } catch (Exception e) { log.error("Error occurred when selecting message queue", e); } // 取余筛选其中一个队列 return tpInfo.selectOneMessageQueue(); } return tpInfo.selectOneMessageQueue(lastBrokerName); }}程序投递策略
上述两种投递形式属于对音讯投递的时序性没有要求的场景，这种投递的速度和效率比拟高。而在有些场景下，须要保障同类型音讯投递和生产的程序性。
例如，假如当初有TOPIC topicTest,该 Topic下有4个Queue队列，该Topic用于传递订单的状态变迁，假如订单有状态：未领取、已领取、发货中(解决中)、发货胜利、发货失败。
在时序上，生产者从时序上能够生成如下几个音讯：
COPY订单T0000001:未领取 --> 订单T0000001:已领取 --> 订单T0000001:发货中(解决中) --> 订单T0000001:发货失败音讯发送到MQ中之后，可能因为轮询投递的起因，音讯在MQ的存储可能如下：
这种状况下，咱们心愿消费者生产音讯的程序和咱们发送是统一的，然而，有上述MQ的投递和生产机制，咱们无奈保障程序是正确的，对于程序异样的音讯，消费者 即便有肯定的状态容错，也不能齐全解决好这么多种随机呈现组合状况。
基于上述的状况，RockeMQ采纳了这种实现计划：对于雷同订单号的音讯，通过肯定的策略，将其搁置在一个 queue队列中，而后消费者再采纳肯定的策略(一个线程独立解决一个queue,保障解决音讯的程序性)，可能保障生产的程序性
至于消费者是如何保障生产的程序行的，后续再具体开展，咱们先看生产者是如何能将雷同订单号的音讯发送到同一个queue队列的：
生产者在音讯投递的过程中，应用了 MessageQueueSelector 作为队列抉择的策略接口，其定义如下：
COPYpublic interface MessageQueueSelector { /** * 依据音讯体和参数，从一批音讯队列中挑选出一个适合的音讯队列 * @param mqs 待抉择的MQ队列抉择列表 * @param msg 待发送的音讯体 * @param arg 附加参数 * @return 抉择后的队列 */ MessageQueue select(final List<MessageQueue> mqs, final Message msg, final Object arg);}相应地，目前RocketMQ提供了如下几种实现：
默认实现
| 投递策略 | 策略实现类 | 阐明 |
|---|---|---|
| 随机调配策略 | SelectMessageQueueByRandom | 应用了简略的随机数抉择算法 |
| 基于Hash调配策略 | SelectMessageQueueByHash | 依据附加参数的Hash值，依照音讯队列列表的大小取余数，失去音讯队列的index |
| 基于机器机房地位调配策略 | SelectMessageQueueByMachineRoom | 开源的版本没有具体的实现，根本的目标应该是机器的就近准则调配 |
当初大略看下策略的代码实现：
COPYpublic class SelectMessageQueueByHash implements MessageQueueSelector { @Override public MessageQueue select(List<MessageQueue> mqs, Message msg, Object arg) { int value = arg.hashCode(); if (value < 0) { value = Math.abs(value); } value = value % mqs.size(); return mqs.get(value); }}代码示例
理论的操作代码样例如下，通过订单号作为hash运算对象，就能保障雷同订单号的音讯可能落在雷同的queue队列上。COPYpublic class OrderProducer { private static final List<ProductOrder> orderList = new ArrayList<>(); static { orderList.add(new ProductOrder("XXX001", "订单创立")); orderList.add(new ProductOrder("XXX001", "订单付款")); orderList.add(new ProductOrder("XXX001", "订单实现")); orderList.add(new ProductOrder("XXX002", "订单创立")); orderList.add(new ProductOrder("XXX002", "订单付款")); orderList.add(new ProductOrder("XXX002", "订单实现")); orderList.add(new ProductOrder("XXX003", "订单创立")); orderList.add(new ProductOrder("XXX003", "订单付款")); orderList.add(new ProductOrder("XXX003", "订单实现")); } public static void main(String[] args) throws Exception { //创立一个音讯生产者，并设置一个音讯生产者组 DefaultMQProducer producer = new DefaultMQProducer("rocket_test_consumer_group"); //指定 NameServer 地址 producer.setNamesrvAddr("127.0.0.1:9876"); //初始化 Producer，整个利用生命周期内只须要初始化一次 producer.start(); for (int i = 0; i < orderList.size(); i++) { //获取以后order ProductOrder order = orderList.get(i); //创立一条音讯对象，指定其主题、标签和音讯内容 Message message = new Message( /* 音讯主题名 */ "topicTest", /* 音讯标签 */ order.getOrderId(), /* 音讯内容 */ (order.toString()).getBytes(RemotingHelper.DEFAULT_CHARSET) ); //发送音讯并返回后果 应用hash抉择策略 SendResult sendResult = producer.send(message, new SelectMessageQueueByHash(), order.getOrderId()); System.out.println("product: 发送状态:" + sendResult.getSendStatus() + ",存储queue:" + sendResult.getMessageQueue().getQueueId() + ",orderID:" + order.getOrderId() + ",type:" + order.getType()); } // 一旦生产者实例不再被应用则将其敞开，包含清理资源，敞开网络连接等 producer.shutdown(); }}打印后果如下
COPYproduct: 发送状态:SEND_OK,存储queue:3,orderID:XXX001,type:订单创立product: 发送状态:SEND_OK,存储queue:3,orderID:XXX001,type:订单付款product: 发送状态:SEND_OK,存储queue:3,orderID:XXX001,type:订单实现product: 发送状态:SEND_OK,存储queue:2,orderID:XXX002,type:订单创立product: 发送状态:SEND_OK,存储queue:2,orderID:XXX002,type:订单付款product: 发送状态:SEND_OK,存储queue:2,orderID:XXX002,type:订单实现product: 发送状态:SEND_OK,存储queue:1,orderID:XXX003,type:订单创立product: 发送状态:SEND_OK,存储queue:1,orderID:XXX003,type:订单付款product: 发送状态:SEND_OK,存储queue:1,orderID:XXX003,type:订单实现消费者调配队列
如何为消费者调配
queue队列?RocketMQ对于消费者生产音讯有两种模式：
BROADCASTING:广播式生产，这种模式下，一个音讯会被告诉到每一个消费者CLUSTERING: 集群式生产，这种模式下，一个音讯最多只会被投递到一个消费者上进行生产
模式如下：
广播式的音讯模式比较简单，上面咱们介绍下集群式。对于应用了生产模式为MessageModel.CLUSTERING进行生产时，须要保障一个音讯在整个集群中只须要被生产一次。实际上，在RoketMQ底层，音讯指定调配给消费者的实现，是通过queue队列调配给消费者的形式实现的：也就是说，音讯调配的单位是音讯所在的queue队列。即：
将queue队列指定给特定的消费者后，queue队列内的所有音讯将会被指定到消费者进行生产。
RocketMQ定义了策略接口AllocateMessageQueueStrategy，对于给定的消费者分组,和音讯队列列表、消费者列表，以后消费者该当被调配到哪些queue队列，定义如下：
COPY/** * 为消费者调配queue的策略算法接口 */public interface AllocateMessageQueueStrategy { /** * Allocating by consumer id * * @param consumerGroup 以后 consumer群组 * @param currentCID 以后consumer id * @param mqAll 以后topic的所有queue实例援用 * @param cidAll 以后 consumer群组下所有的consumer id set汇合 * @return 依据策略给以后consumer调配的queue列表 */ List<MessageQueue> allocate( final String consumerGroup, final String currentCID, final List<MessageQueue> mqAll, final List<String> cidAll ); /** * 算法名称 * * @return The strategy name */ String getName();}相应地，RocketMQ提供了如下几种实现：
| 算法名称 | 含意 |
|---|---|
| AllocateMessageQueueAveragely | 平均分配算法 |
| AllocateMessageQueueAveragelyByCircle | 基于环形平均分配算法 |
| AllocateMachineRoomNearby | 基于机房邻近准则算法 |
| AllocateMessageQueueByMachineRoom | 基于机房调配算法 |
| AllocateMessageQueueConsistentHash | 基于一致性hash算法 |
| AllocateMessageQueueByConfig | 基于配置调配算法 |
为了讲述分明上述算法的基本原理，咱们先假如一个例子，上面所有的算法将基于这个例子解说。
假如以后同一个topic下有queue队列 10个，消费者共有4个,如下图所示：
上面顺次介绍其原理：
平均分配算法
这里所谓的平均分配算法，并不是指的严格意义上的齐全均匀，如下面的例子中，10个queue，而消费者只有4个，无奈是整除关系，除了整除之外的多进去的queue,将顺次依据消费者的程序均摊。
依照上述例子来看，10/4=2，即示意每个消费者均匀均摊2个queue；而10%4=2，即除了均摊之外，多进去2个queue还没有调配，那么，依据消费者的程序consumer-1、consumer-2、consumer-3、consumer-4,则多进去的2个queue将别离给consumer-1和consumer-2。
最终，摊派关系如下：
consumer-1:3个consumer-2:3个consumer-3:2个consumer-4:2个
其代码实现非常简单：
COPYpublic class AllocateMessageQueueAveragely implements AllocateMessageQueueStrategy { private final InternalLogger log = ClientLogger.getLog(); @Override public List<MessageQueue> allocate(String consumerGroup, String currentCID, List<MessageQueue> mqAll, List<String> cidAll) { if (currentCID == null || currentCID.length() < 1) { throw new IllegalArgumentException("currentCID is empty"); } if (mqAll == null || mqAll.isEmpty()) { throw new IllegalArgumentException("mqAll is null or mqAll empty"); } if (cidAll == null || cidAll.isEmpty()) { throw new IllegalArgumentException("cidAll is null or cidAll empty"); } List<MessageQueue> result = new ArrayList<MessageQueue>(); if (!cidAll.contains(currentCID)) { log.info("[BUG] ConsumerGroup: {} The consumerId: {} not in cidAll: {}", consumerGroup, currentCID, cidAll); return result; } int index = cidAll.indexOf(currentCID); int mod = mqAll.size() % cidAll.size(); int averageSize = mqAll.size() <= cidAll.size() ? 1 : (mod > 0 && index < mod ? mqAll.size() / cidAll.size() + 1 : mqAll.size() / cidAll.size()); int startIndex = (mod > 0 && index < mod) ? index * averageSize : index * averageSize + mod; int range = Math.min(averageSize, mqAll.size() - startIndex); for (int i = 0; i < range; i++) { result.add(mqAll.get((startIndex + i) % mqAll.size())); } return result; } @Override public String getName() { return "AVG"; }}演示成果
消费者A
COPYConsumer-线程名称=[32],接管queueId:[0],接管工夫:[1608171677558],音讯=[Hello Java demo RocketMQ 2]Consumer-线程名称=[34],接管queueId:[1],接管工夫:[1608171677580],音讯=[Hello Java demo RocketMQ 3]Consumer-线程名称=[36],接管queueId:[0],接管工夫:[1608171677655],音讯=[Hello Java demo RocketMQ 6]Consumer-线程名称=[38],接管queueId:[1],接管工夫:[1608171677679],音讯=[Hello Java demo RocketMQ 7]消费者B
COPYConsumer-线程名称=[35],接管queueId:[2],接管工夫:[1608171677508],音讯=[Hello Java demo RocketMQ 0]Consumer-线程名称=[36],接管queueId:[3],接管工夫:[1608171677535],音讯=[Hello Java demo RocketMQ 1]Consumer-线程名称=[37],接管queueId:[2],接管工夫:[1608171677609],音讯=[Hello Java demo RocketMQ 4]Consumer-线程名称=[38],接管queueId:[3],接管工夫:[1608171677635],音讯=[Hello Java demo RocketMQ 5]Consumer-线程名称=[39],接管queueId:[2],接管工夫:[1608171677709],音讯=[Hello Java demo RocketMQ 8]Consumer-线程名称=[40],接管queueId:[3],接管工夫:[1608171677734],音讯=[Hello Java demo RocketMQ 9]基于环形均匀算法
环形均匀算法，是指依据消费者的程序，顺次在由queue队列组成的环形图中一一调配。具体流程如下所示:这种算法最终调配的后果是：
consumer-1: #0，#4，#8consumer-2: #1, #5, # 9consumer-3: #2，#6consumer-4: #3，#7
其代码实现如下所示：
COPY/** * Cycle average Hashing queue algorithm */public class AllocateMessageQueueAveragelyByCircle implements AllocateMessageQueueStrategy { private final InternalLogger log = ClientLogger.getLog(); @Override public List<MessageQueue> allocate(String consumerGroup, String currentCID, List<MessageQueue> mqAll, List<String> cidAll) { if (currentCID == null || currentCID.length() < 1) { throw new IllegalArgumentException("currentCID is empty"); } if (mqAll == null || mqAll.isEmpty()) { throw new IllegalArgumentException("mqAll is null or mqAll empty"); } if (cidAll == null || cidAll.isEmpty()) { throw new IllegalArgumentException("cidAll is null or cidAll empty"); } List<MessageQueue> result = new ArrayList<MessageQueue>(); if (!cidAll.contains(currentCID)) { log.info("[BUG] ConsumerGroup: {} The consumerId: {} not in cidAll: {}", consumerGroup, currentCID, cidAll); return result; } int index = cidAll.indexOf(currentCID); for (int i = index; i < mqAll.size(); i++) { if (i % cidAll.size() == index) { result.add(mqAll.get(i)); } } return result; } @Override public String getName() { return "AVG_BY_CIRCLE"; }}演示成果
设置算法
COPY//设置应用环形hash算法DefaultMQPushConsumer consumer = new DefaultMQPushConsumer(null, "rocket_test_consumer_group", null, new AllocateMessageQueueAveragelyByCircle());消费者A
COPYConsumer-线程名称=[35],接管queueId:[0],接管工夫:[1608171903364],音讯=[Hello Java demo RocketMQ 1]Consumer-线程名称=[38],接管queueId:[2],接管工夫:[1608171903411],音讯=[Hello Java demo RocketMQ 3]Consumer-线程名称=[39],接管queueId:[0],接管工夫:[1608171903459],音讯=[Hello Java demo RocketMQ 5]Consumer-线程名称=[40],接管queueId:[2],接管工夫:[1608171903508],音讯=[Hello Java demo RocketMQ 7]Consumer-线程名称=[41],接管queueId:[0],接管工夫:[1608171903562],音讯=[Hello Java demo RocketMQ 9]消费者B
COPYConsumer-线程名称=[28],接管queueId:[3],接管工夫:[1608171903346],音讯=[Hello Java demo RocketMQ 0]Consumer-线程名称=[30],接管queueId:[1],接管工夫:[1608171903393],音讯=[Hello Java demo RocketMQ 2]Consumer-线程名称=[32],接管queueId:[3],接管工夫:[1608171903443],音讯=[Hello Java demo RocketMQ 4]Consumer-线程名称=[34],接管queueId:[1],接管工夫:[1608171903490],音讯=[Hello Java demo RocketMQ 6]Consumer-线程名称=[36],接管queueId:[3],接管工夫:[1608171903540],音讯=[Hello Java demo RocketMQ 8]一致性hash调配算法
应用这种算法，会将consumer消费者作为Node节点结构成一个hash环，而后queue队列通过这个hash环来决定被调配给哪个consumer消费者。
其基本模式如下：
一致性hash算法用于在分布式系统中，保证数据的一致性而提出的一种基于hash环实现的算法
算法实现上也不简单，如下图所示：
COPYpublic List<MessageQueue> allocate(String consumerGroup, String currentCID, List<MessageQueue> mqAll, List<String> cidAll) { //省略局部代码 List<MessageQueue> result = new ArrayList<MessageQueue>(); if (!cidAll.contains(currentCID)) { log.info("[BUG] ConsumerGroup: {} The consumerId: {} not in cidAll: {}", consumerGroup, currentCID, cidAll); return result; } Collection<ClientNode> cidNodes = new ArrayList<ClientNode>(); for (String cid : cidAll) { cidNodes.add(new ClientNode(cid)); } //应用consumer id 结构hash环 final ConsistentHashRouter<ClientNode> router; //for building hash ring if (customHashFunction != null) { router = new ConsistentHashRouter<ClientNode>(cidNodes, virtualNodeCnt, customHashFunction); } else { router = new ConsistentHashRouter<ClientNode>(cidNodes, virtualNodeCnt); } //顺次为 队列调配 consumer List<MessageQueue> results = new ArrayList<MessageQueue>(); for (MessageQueue mq : mqAll) { ClientNode clientNode = router.routeNode(mq.toString()); if (clientNode != null && currentCID.equals(clientNode.getKey())) { results.add(mq); } } return results;}演示成果
设置算法
COPY//设置应用环形hash算法DefaultMQPushConsumer consumer = new DefaultMQPushConsumer(null, "rocket_test_consumer_group", null, new AllocateMessageQueueConsistentHash());消费者A
COPYConsumer-线程名称=[29],接管queueId:[0],接管工夫:[1608172067310],音讯=[Hello Java demo RocketMQ 0]Consumer-线程名称=[31],接管queueId:[1],接管工夫:[1608172067323],音讯=[Hello Java demo RocketMQ 1]Consumer-线程名称=[33],接管queueId:[2],接管工夫:[1608172067345],音讯=[Hello Java demo RocketMQ 2]Consumer-线程名称=[37],接管queueId:[0],接管工夫:[1608172067395],音讯=[Hello Java demo RocketMQ 4]Consumer-线程名称=[39],接管queueId:[1],接管工夫:[1608172067418],音讯=[Hello Java demo RocketMQ 5]Consumer-线程名称=[40],接管queueId:[2],接管工夫:[1608172067443],音讯=[Hello Java demo RocketMQ 6]Consumer-线程名称=[41],接管queueId:[0],接管工夫:[1608172067494],音讯=[Hello Java demo RocketMQ 8]Consumer-线程名称=[42],接管queueId:[1],接管工夫:[1608172067518],音讯=[Hello Java demo RocketMQ 9]消费者B
COPYConsumer-线程名称=[28],接管queueId:[3],接管工夫:[1608172067383],音讯=[Hello Java demo RocketMQ 3]Consumer-线程名称=[30],接管queueId:[3],接管工夫:[1608172067475],音讯=[Hello Java demo RocketMQ 7]机房邻近调配算法
该算法应用了装璜者设计模式，对调配策略进行了加强。个别在生产环境，如果是微服务架构下，RocketMQ集群的部署可能是在不同的机房中部署，其根本构造可能如下图所示：
对于跨机房的场景，会存在网络、稳定性和隔离心的起因，该算法会依据queue的部署机房地位和消费者consumer的地位，过滤出以后消费者consumer雷同机房的queue队列，而后再联合上述的算法，如基于平均分配算法在queue队列子集的根底上再筛选。相干代码实现如下：
COPY@Overridepublic List<MessageQueue> allocate(String consumerGroup, String currentCID, List<MessageQueue> mqAll, List<String> cidAll) { //省略局部代码 List<MessageQueue> result = new ArrayList<MessageQueue>(); //将MQ依照 机房进行分组 Map<String/*machine room */, List<MessageQueue>> mr2Mq = new TreeMap<String, List<MessageQueue>>(); for (MessageQueue mq : mqAll) { String brokerMachineRoom = machineRoomResolver.brokerDeployIn(mq); if (StringUtils.isNoneEmpty(brokerMachineRoom)) { if (mr2Mq.get(brokerMachineRoom) == null) { mr2Mq.put(brokerMachineRoom, new ArrayList<MessageQueue>()); } mr2Mq.get(brokerMachineRoom).add(mq); } else { throw new IllegalArgumentException("Machine room is null for mq " + mq); } } //将消费者 依照机房进行分组 Map<String/*machine room */, List<String/*clientId*/>> mr2c = new TreeMap<String, List<String>>(); for (String cid : cidAll) { String consumerMachineRoom = machineRoomResolver.consumerDeployIn(cid); if (StringUtils.isNoneEmpty(consumerMachineRoom)) { if (mr2c.get(consumerMachineRoom) == null) { mr2c.put(consumerMachineRoom, new ArrayList<String>()); } mr2c.get(consumerMachineRoom).add(cid); } else { throw new IllegalArgumentException("Machine room is null for consumer id " + cid); } } List<MessageQueue> allocateResults = new ArrayList<MessageQueue>(); //1.过滤出以后机房内的MQ队列子集，在此基础上应用调配算法筛选 String currentMachineRoom = machineRoomResolver.consumerDeployIn(currentCID); List<MessageQueue> mqInThisMachineRoom = mr2Mq.remove(currentMachineRoom); List<String> consumerInThisMachineRoom = mr2c.get(currentMachineRoom); if (mqInThisMachineRoom != null && !mqInThisMachineRoom.isEmpty()) { allocateResults.addAll(allocateMessageQueueStrategy.allocate(consumerGroup, currentCID, mqInThisMachineRoom, consumerInThisMachineRoom)); } //2.不在同一机房，依照个别策略进行操作 for (String machineRoom : mr2Mq.keySet()) { if (!mr2c.containsKey(machineRoom)) { // no alive consumer in the corresponding machine room, so all consumers share these queues allocateResults.addAll(allocateMessageQueueStrategy.allocate(consumerGroup, currentCID, mr2Mq.get(machineRoom), cidAll)); } } return allocateResults;}基于机房调配算法
该算法实用于属于同一个机房外部的音讯，去调配queue。这种形式十分明确，基于下面的机房邻近调配算法的场景，这种更彻底，间接指定基于机房生产的策略。这种形式具备强约定性，比方broker名称依照机房的名称进行拼接，在算法中通过约定解析进行调配。
其代码实现如下：
COPY/** * Computer room Hashing queue algorithm, such as Alipay logic room */public class AllocateMessageQueueByMachineRoom implements AllocateMessageQueueStrategy { private Set<String> consumeridcs; @Override public List<MessageQueue> allocate(String consumerGroup, String currentCID, List<MessageQueue> mqAll, List<String> cidAll) { List<MessageQueue> result = new ArrayList<MessageQueue>(); int currentIndex = cidAll.indexOf(currentCID); if (currentIndex < 0) { return result; } List<MessageQueue> premqAll = new ArrayList<MessageQueue>(); for (MessageQueue mq : mqAll) { String[] temp = mq.getBrokerName().split("@"); if (temp.length == 2 && consumeridcs.contains(temp[0])) { premqAll.add(mq); } } int mod = premqAll.size() / cidAll.size(); int rem = premqAll.size() % cidAll.size(); int startIndex = mod * currentIndex; int endIndex = startIndex + mod; for (int i = startIndex; i < endIndex; i++) { result.add(mqAll.get(i)); } if (rem > currentIndex) { result.add(premqAll.get(currentIndex + mod * cidAll.size())); } return result; } @Override public String getName() { return "MACHINE_ROOM"; } public Set<String> getConsumeridcs() { return consumeridcs; } public void setConsumeridcs(Set<String> consumeridcs) { this.consumeridcs = consumeridcs; }}基于配置调配算法
这种算法单纯基于配置的，非常简单，理论应用中可能用处不大。代码如下：
COPYpublic class AllocateMessageQueueByConfig implements AllocateMessageQueueStrategy { private List<MessageQueue> messageQueueList; @Override public List<MessageQueue> allocate(String consumerGroup, String currentCID, List<MessageQueue> mqAll, List<String> cidAll) { return this.messageQueueList; } @Override public String getName() { return "CONFIG"; } public List<MessageQueue> getMessageQueueList() { return messageQueueList; } public void setMessageQueueList(List<MessageQueue> messageQueueList) { this.messageQueueList = messageQueueList; }}消费者如何指定调配算法
消费者构造方法
在DefaultMQPushConsumer构造方法中能够传入调配策略
默认状况下，消费者应用的是
AllocateMessageQueueAveragely算法，也能够本人指定：
COPYpublic class DefaultMQPushConsumer{ /** * Default constructor. */ public DefaultMQPushConsumer() { this(MixAll.DEFAULT_CONSUMER_GROUP, null, new AllocateMessageQueueAveragely()); } /** * Constructor specifying consumer group, RPC hook and message queue allocating algorithm. * * @param consumerGroup Consume queue. * @param rpcHook RPC hook to execute before each remoting command. * @param allocateMessageQueueStrategy message queue allocating algorithm. */ public DefaultMQPushConsumer(final String consumerGroup, RPCHook rpcHook, AllocateMessageQueueStrategy allocateMessageQueueStrategy) { this.consumerGroup = consumerGroup; this.allocateMessageQueueStrategy = allocateMessageQueueStrategy; defaultMQPushConsumerImpl = new DefaultMQPushConsumerImpl(this, rpcHook); }}咱们看到默认应用了AllocateMessageQueueAveragely平均分配策略应用其余调配策略
如果须要应用其余调配策略，应用形式如下
本文由
传智教育博学谷狂野架构师教研团队公布。如果本文对您有帮忙，欢送
关注和点赞；如果您有任何倡议也可留言评论或私信，您的反对是我保持创作的能源。转载请注明出处！