| 编辑推荐: |
本文来自于腾讯云，主要介绍了转转ZZMQ在架构、存储系统、保证消息可靠存储，可靠消费，以及netty的使用等。
|
|
背景
互联网公司使用最频繁的服务调用组件是RPC框架，RPC同步调用有些场景并不是很适用，而这些场景刚好是一个可靠MQ的适用场景。
我们看看RPC调用的场景。服务A调用如图所示服务。在正常情况下，一般都不会有问题。但是在以下情况，服务A调用会遇到问题。
问题一：如果有流量高峰，服务B响应超时，会发生什么情况？
整个RPC调用链路都会受到影响，甚至发生雪崩。
问题二：服务A逻辑复杂，逻辑耦合严重，怎么做拆分？
把一些调用链路中可以异步调用的逻辑调整为消费MQ消息。
问题三：RPC调用，jar依赖问题？服务B升级，调用B的相关服务是否需要升级？
RPC服务需要依赖生成的接口描述jar，服务接口升级一般很难做到向前兼容，所以相关调用方也需要升级。
MQ是以消息为载体的可靠异步调用的框架，能很好的应对上面三个问题。流量削峰，MQ是天然支持的，因为MQ有可靠存储，可以落地。解耦合，交给MQ也很合适。因为MQ的接入方处理的是消息，做到向前兼容也是比较容易的。
使用MQ之后，服务A,B通过MQ做到松耦合，也能很好的应对流量高峰。
MQ很好很强大，是RPC的有效补充，那问题来了怎么实现一个可靠MQ？本文结合二手交易平台的特点，详细介绍转转ZZMQ架构设计实践。
转转消息队列（ZZMQ）架构设计
设计ZZMQ，我们考虑的重点是：可靠，高性能，运维友好，接入方便，可以支持大量堆积，有效缓冲业务高峰，针对这些需求，我们做了一些设计上的考虑和取舍，最终形成了如下的架构方案。
RegisterCenter 作为注册中心，负责路由服务，无状态，每个NameNode都是对等的，NameNode
可以任意水平扩展。NameNode 与broker和Client都建立了长连接。Broker 内是主从两台机器，slave从master拉取消息Log和消费Offset，做HA。Broker也可以方便地水平扩展，加入新机器，更新topic的路由信息，client会定时更新路由信息。Consumer
和Producer 都需要到注册中心注册，同时拉取Topic的路由信息。Management Protal
是用来管理集群，维护Topic的相关联系人信息。
存储设计
一个高性能ZZMQ的瓶颈和难点就是存储系统，存储系统关乎到性能，数据可靠存储实现是否简单，数据备份控制，消息状态的表示。
目前最常见的是以Kafka为代表的Log-append-file，文件顺序写，追求吞吐量，消息消费状态通过offset来控制，还有以各种存储引擎实现的，比如leveldb（activemq），rocksdb等。
从这张图（http://queue.acm.org/detail.cfm?id=1563874），我们能看到磁盘顺序读写的性能甚至超过了内存随机访问的性能，能达到50多M/s。并且，相对来说，Log-append-file简单一些。最后选择了类似kafka的log-append-file。
Kafkatopic分成partition，顺序读写，partition有一个小的问题，单机不能支撑大量的topic，单机能支持几百分区，随着分区数量的增加，性能有所下降。而我们的场景的是：业务大部分topic的qps并不像kafka处理的日志文件那么高，希望能单机支撑更多的topic数量。
针对这一点，我们做了一些调整，topic消息本身不再分区，统一存储，使用更加轻量的Consumer
Queue实现partition的功能。Consumer Queue存储的只是位置信息，更加轻量，能做到支持更多的topic。
消息写入pageCache，再Dispatch到对应的Consumer
Queue中去，Consumer Queue只有消息Log的offset信息，以及大小和其他的一些元数据，占用很小的空间。这样设计，经过验证，单机能够支持几千队列。
这样的设计也带来了一个副作用，因为消息本身是统一存储，topic数量多的时候，消息的读取是随机读，性能有些许下降，目前，我们通过优化linuxpageCache和IO调度，开启系统预读，性能相对顺序读没有太大下降。
ZZMQ消息订阅模型
Consumergroup A 有两个消费者实例，B也有两个消费者实例，同时订阅了Topic-A，他们之间的消费进度是独立的。Group处理相同topic，消费逻辑一致的一个整体，包含不同的消费实例。
ConsumerGroup基本上是跟kafka的Group一致，由不同的ConsumerGroup来区分不同的消费组，维护Group对应的消费状态，能很方便的实现。
网络
基于netty实现了网络层的协议。Netty对nio，和reactor做了很好的封装，netty4.x
对direct buffer的利用，以及高效的buffer分配和回收算法，netty也解决了TCP协议的半包问题，使用方不需要自己组TCP包。用netty实现网络层协议，网络层的可靠由netty来做，减少了复杂度。
Push 还是Pull
这个设计的考虑主要是两个方面：慢消费，以及消费延迟。主动Push能做到低的消费延迟，但是对于慢消费，不能很好的应对，主动Push需要感知消费者的速率，不至于push
太快，把消费者压垮了。Pull模式，由消费者控制拉取的速度，能很好的应对慢消费的问题，但是，Pull模式对消费延迟不敏感，拉取的频率不好控制，处理不好有可能造成CPU使用率飙升。参照kafka的pull，实现了longpull。Consumer
与Broker建立长连接，Consumer发起拉取请求，如果有消息，Broker 返回消息，如果没有消息，broker
hold住这个请求一段时间，等有消息再notify这个请求，返回给客户端。基于long pull，消费延迟能降到跟push差不多，同时又能由Consumer
控制拉取速度。
重复消息和顺序消息
消息重复在一个复杂网络条件下很难避免的，如果由MQ本身来做去重，代价太大，所以我们要求接入MQ的逻辑做好幂等（状态机或者版本号的一些机制）。顺序消息，跟kafka一样，Consumer
queue跟partition类似，一个Queue内部，消费是有序的。如果要做到完全有序，只能一个Producer，一个Consumer。
高可用
Broker组由主从两台机器构成，可以配置的策略有同步双写和异步复制。默认情况，采用的异步复制，由slave去拉取master上面的消息Log和offset。Broker
接入了内部的监控系统，每分钟上报topic的消费情况和broker状态，能做到分钟级别发现异常消费。消息写入PageCache之后，默认是异步刷盘。也可以配置为同步刷盘，只有刷盘成功才会返回。
Broker的默认配置异步刷盘，Master-Slave异步复制。Client消费消费消息的可靠是通过Consume
queue的offset来保证的，Client会定时上报已经消费成功的Offset信息。如果Client被异常kill掉，没有确认的消息会被Client
重新拉取，消费。
一条消息的生命过程
Proudcer通过与NameNode的路由找到topic的broker地址，producer发消息，netty序列化，通过TCP传输到对应的broker，broker写log的pageCache，返回。Broker
Dispatch消息到对应的Consumer queue，broker唤醒刷盘线程，broker唤醒slave同步线程，slave拉取消息。
NotifyConsumer 拉取请求，经过netty序列化，通过tcp到达Consumer，Consumer消费成功，Client上报消费成功offset。
Broker持久化Offset，slave同步offset。三天之后，broker删除消息。
总结
本文主要介绍了转转ZZMQ在架构、存储系统、保证消息可靠存储，可靠消费，以及netty的使用等经验 |
