精选文章｜RocketMQ源码分析

Posted 2021-07-22 得物技术

RocketMQ源码分析

概要

本文主要做了RocketMQ4.8版本的源码主流程分析。

1. 一二三四五节介绍文件存储部分。

2. 六七节介绍消息生产流程，包含client端和server端。

3. 八节介绍消息消费流程。

4. 九节介绍了传统的主从消息复制模式。

5. 最后一节介绍了相对较新的基于raft的dleger模式消息处理流程。

一．存储设计

RocketMQ主要的存储文件包括Comitlog文件、ConsumeQueue文件、IndexFile文件。

RocketMQ将所有主题的消息存储在同一个文件中。但由于消息中间件一般是基于主题进行订阅，这样做不方便按照消息主题检索消息。

为了方便消息消费，RocketMQ引入了ConsumeQueue消息队列文件，每个Topic包含多个ConsumeQueue，每一个ConsumeQueue有一个文件。该文件可以看成是Commitlog关于消息消费的“索引”。

此外还有IndexFile索引文件，主要就是为了加速消息的检索，根据消息的属性快速从Commitlog文件中检索消息。

1. CommitLog：消息存储文件，所有Topic的消息都存储在CommitLog文件中。

2. ConsumeQueue：消息消费队列，消息到达CommitLog文件后，将异步转发到ConsumeQueue，供消费者消费。

3. IndexFile：消息索引文件，主要存储消息Key与Offset（消息在CommitLog中的偏移）的对应关系。

二. 存储文件组织

RocketMQ通过使用内存映射文件来提高IO访问性能，无论是CommitLog、ConsumeQueue还是IndexFile，单个文件都被设计为固定长度，如果一个文件写满以后再创建一个新文件，文件名就是该文件第一条消息对应的全局物理偏移量。

以下为commitlog实际文件截图：

存储目录

RocketMQ使用MappedFile、MappedFileQueue来封装存储文件。

MappedFile文件映射使用方式如下：

MappedFileQueue是MappedFile的管理容器，也是对存储目录的封装，例如CommitLog文件的存储路径${ROCKET_HOME}/store/commitlog/，该目录下会存在多个内存映射文件（MappedFile）。

逻辑关系

数据结构

三．存储文件格式

3.1 Commitlog文件格式

我们来看下按照这种格式来查找指定消息的逻辑。

根据offset查找消息。

• 根据offset定位到文件

• 用offset与文件长度取余得到在文件内的偏移量，从该偏移量读取size长度的内容返回即可

3.2 Consumequeue文件格式

为了加速ConsumeQueue消息条目的检索，每一个Consumequeue条目不会存储消息的全量信息，其存储格式如图：

ConsumeQueue即为Commitlog文件的索引文件，其构建机制是当消息存储到Commitlog文件后，由专门的线程转发消息，从而构建ConsumeQueue。

如下图，将consumeQueue想象成一个元素大小为20字节的大数组的话，startIndex就是这个数组的索引，而真正在文件中查找的时候则需要换算成文件内的字节偏移量（直接乘20）。

以下为根据消费者消费的逻辑偏移量查找consumeQueue条目的逻辑。

四．消费队列文件的实时更新

ConsumeQueue、IndexFile都是基于CommitLog文件构建的，当生产者提交的消息存储在Commitlog文件中时，ConsumeQueue文件需要及时更新，否则消息无法及时被消费。

RocketMQ通过开启一个线程ReputMessageServcie来实时读取CommitLog文件新增内容，使用reputFromOffset来标记已经追踪到的位置。

主要流程如下：

• 从当前记录已追踪到的位置reputFromOffset开始读取commitLog数据

• 将读取到的buffer解析成携带关键信息的DispatchRequest（包含commitLogOffset,msgSize,tagsCode等consumeQueue的必要信息，以用来构建consumeQueue）

• doDispatch方法最终会调用putMessagePositionInfo方法，将读取到的信息存入consumeQueue对应文件。

五．文件刷盘机制

RocketMQ的存储与读写基于内存映射机制（MappedByteBuffer），消息存储时首先将消息追加到内存，再根据配置的刷盘策略在一定时间进行刷写磁盘。

如果是同步刷盘，消息追加到内存后，将同步调用MappedByteBuffer的force（）方法。

如果是异步刷盘，在消息追加到内存后立刻返回给发送端。

RocketMQ使用一个单独的线程按照某一个设定的频率执行刷盘。通过在broker配置文件中配置flushDiskType来设定刷盘方式，可选值为ASYNC_FLUSH（异步刷盘）、SYNC_FLUSH（同步刷盘），默认为异步刷盘。

参数解析：

1. flushIntervalCommitLog:FlushRealTimeService线程任务运行间隔（默认500ms）。

2. flushPhysicQueueLeastPages：一次刷写任务至少包含的页数，如果脏页数量不足，小于该参数配置的值，将忽略本次刷写任务，默认4页。

3. flushPhysicQueueThoroughInterval：两次真实刷写任务最大间隔，默认10s。

注：每间隔10S会把flushPhysicQueueLeastPages强制设置为0，意为强制刷盘，无论脏页数量是否达到。

5.1 异步刷盘主流程

1. 单线程死循环，每间隔500ms调用一次flush方法。

2. flush方法的入参是一次刷写任务至少包含的页数， 如果脏页页数不足，则啥都不做。

3. flush方法最终会走到 mappedByteBuffer.force()方法。

注：force方法详解

1. jdk 源码中显示force方法最终会调用msync系统调用，并传入MS_SYNC标志位。

2. MS_SYNC标志位的含义为同步等待刷盘结果。

六．消息生产 client端流程

生产者消息发送流程主要的步骤：校验消息、查找路由、消息发送（包含异常处理机制）。

6.1 消息生产总流程

1. 获取topic路由信息

2. 根据策略选择一个messageQueue进行消息发送，默认使用轮询策略

3. 调用sendKernelImpl方法发送消息，如果发送失败，默认最多重试三次

4. sendKernelImpl 会调用到mqClient，使用netty发送请求给mq broker

注：

1. 路由信息既指定topic共有多少队列，这些队列分布在哪些broker节点上，方便发送消息时选择具体的broker节点发送rpc请求。

2. 路由信息数据结构如下：

6.2 消息发送路由选择详解

1. 获取路由信息

1. 如果本地缓存中包含指定topic的路由信息，则直接返回；

2. 如本地map中不包含指定topic的路由信息，则发送rpc请求到nameserver获取。

2. 消息队列选择

1. 查询到的路由信息（队列分布信息）结构如下图。

2. 选择策略默认使用轮询模式，依次来做消息发送的负载均衡。

七．消息生产 broker端流程

消息存储代码入口：org.apache.rocketmq.store.DefaultMessageStore#asyncPutMessage。

1. 检查消息合法性

2. 调用CommitLog类的putMessage方法

3. 展开CommitLog类的putMessage

1. 获取当前可以写入的Commitlog文件

2. put之前先上独占锁

3. 调用MappedFile#appendMessage方法

4. finally块中解锁

4. 展开MappedFile#appendMessage（核心就是调用MappedByteBuffer.put）

八．消费者消费

消息消费以组的模式开展，一个消费组内可以包含多个消费者，每一个消费组可订阅多个主题，消费组之间有集群模式与广播模式两种消费模式。

集群模式，Topic下的同一条消息只允许被其中一个消费者消费。

广播模式，Topic下的同一条消息将被集群内的所有消费者消费一次。

集群模式下，多个消费者如何对消息队列进行负载呢？消息队列负载机制遵循的原则：一个消息队列同一时间只允许被一个消费者消费，一个消费者可以消费多个消息队列。

8.1 客户端消息拉取

RocketMQ使用一个单独的线程PullMessageService来负责消息的拉取。

a.从pullRequestQueue中获取一个PullRequest（消息拉取任务），如果pullRequestQueue为空，则线程将阻塞，直到有拉取任务被放入。

b.调用pullMessage方法处理拿到的PullRequest进行消息拉取，PullRequest包含将要消费的messageQueue信息。

c. 调用pullKernelImpl，传入需要拉取的具体队列、offset、maxNums，拉取完成后需要执行的回调。

e. 收到响应，执行回调。

• 将foundList（收到的消息列表）放入processQueue。

• 调用submitConsumeRequest处理收到的消息体（实际上是将拉取到的消息丢入线程池，做异步化处理）。

• 将pullRequest重新放回pullRequestQueue，启动下一次pull流程。

注：下图312行，pullRequest的nextOffseet已更新，所以下次拉取的时候会从新的offset开始拉取。

f. submitConsumeRequest处理流程最终会走到ConsumeRequest的run方法

• 调用业务方注册的listener
  

• 在processConsumeResult中处理消息消费Result、消费失败重试等逻辑

8.2 服务端处理消息拉取

入口在PullMessageProcessor#processRequest，该方法核心是DefaultMessageStore#getMessage。

• 展开DefaultMessageStore#getMessage方法，传入topic、queueId、offset、maxMsgNum。

• 根据topic,queueId确定consumeQueue文件。

• 从找到的consumeQueue文件指定offset位置找到第一条‘索引’，读出对应在commitLog中的offset以及size。

• 用上述读取到的offset和size从commitLog中读到目标消息（此处有相对较多的随机读取）。

• 依次循环，直到消息数量达到maxMsgNum。

九. 主从同步（HA）机制

为了提高消息消费的高可用性，避免Broker发生单点故障引起存储在Broker上的消息无法及时消费甚至丢失，RocketMQ引入了Broker主备机制。

即消息消费到达主服务器后需要将消息同步到消息从服务器，如果主服务器Broker宕机后，消息消费者可以从从服务器拉取消息。

9.1 RocketMQ HA的实现原理

1. master启动，并在特定端口上监听slave的连接。

2. slave主动连接master，master接收客户端的连接，并建立相关TCP连接。

3. slave主动向master发送待拉取消息偏移量，master解析请求并返回消息给从服务器。

4. slave保存消息并继续发送新的消息同步请求。

具体实现（HAService）

• master启动，并在特定端口上监听从服务器的连接。

• slave启动主动连接master（connectMaster）

• slave默认固定每隔5s向master会报当前拉取到的消息偏移量（reportSlaveMaxOffset）

• 处理master发过来的消息副本（processReadEvent）

• 继续发送将要拉取的 消息偏移量，等到master响应（reportSlaveMaxOffsetPlus）

部分步骤详解

• slave -> master请求详解

  内容很简单，只有将要拉取的offset

• master 处理 slave请求详解

• 读取要拉取的offset

• 更新slaveAckOffset,用于主从同步复制消息时及时响应给slave

• 如果是初次收到slave请求，更新slaveRequestOffset

• master发送header给slave（调用transferData）（包含接下来将要发送的offset）

• master从本地commitLog中查询指定offset处的消息，填充进入selectMappedBufferResult

• master调用transferData写出刚才查到的mq消息给到slave节点

• 由于上述流程更新了nextTransferFromWhere，之后就可以不断循环，发送消息给到slave。

十．Dledger模式

从4.5版本开始，rocket引入了一种新的高可用机制，即rocketMq的Dleger模式。

Dleger模式遵从Raft协议http://thesecretlivesofdata.com/raft/

我们以一个集群三台机器为例（包含一主两从）。

10.1 dleger的不同之处

引入dledger后，broker端处理消息发送的流程略有不同：

commitLog存储实现类换成了DledgerCommitLog，核心方法也从mappedFile.appendMessage换成了dLedgerServer.handleAppend，也就是说核心方法不再是把消息put进mappedByteBuffer就ok了。

10.2 dLedger消息存储主流程

剖析下dLedgerServer.handleAppend：

判断从节点是不是压力太大响应太慢，如果是则直接拒绝producer发过来的请求

• 因为理论上三节点组成的cluster至少要有一个从节点响应成功消息才算正常落地。

• 如果两个从节点都响应慢，则master也无法接口请求，只能报错。

如果从节点正常，则存入master本地的mappedByteBuffer(dLedgerStore.appendAsLeader)。

将刚存入本地的消息 交给dLedgerEntryPusher来负责发送给slave，并等待从节点的响应（waitAck）。

详解下waitAck：

• 核心就一条，把msg在commitLog中的索引以及对应的future放入一个map。

注：方便slave响应回来之后，根据响应的index，调用对应index的future，以发送响应给到producer，表示消息发送成功。

10.3 消息从master到 slave的复制流程

master启动时同时启动了2个dispatcher，各自对应一个slave节点。

在dispatcher的主方法中,循环调用doAppend方法，不断复制消息发送到slave。

doAppend负责根据当前已经到达的位置writeIndex，查询并发送消息到从节点（doAppendInner），并更新writeIndex，循环往复。

doAppendInner 先查询index位置的消息，再rpc push消息到从节点。

在从节点ack回调中，更新对应从节点所达到的水位（updatePeerWaterMark）。

注：水位即对应从节点已经追加到的index位置。

更新水位时，peerid为从节点的id，三个节点的水位信息统一放在peerWaterMarksByTerm。

master-> slave push消息，收到响应后更新水位，就是这段的总结。

10.4 消息复制成功后及时响应producer

消息复制成功后及时响应producer，以表示消息发送成功。

master启动时同样启动了一个QuorumAckChecker线程。

QuorumAckChecker主方法中进行水位（peerWaterMarksByTerm）的处理。

• checker计算水位map中的数据，算出当前多数节点（两个节点就够了）已经达到的水位（quorumIndex），标志着这些消息已经收到slave的ack，低于这个水位的消息全部都可以给producer响应了。

注：举例子：

master append到了index 5，slave 1到了 4， slave 2 到了 3，则quorumIndex计算为4。

• 处理的内容很简单，从pendingResponse的map中找出低于共识水位（quorumIndex）的消息发送response给到producer（调用future.complete）。

• 这个future正是上边消息发送流程写完master本地后放入pendingResponse这个map的。

• 至此整个producer的请求，响应流程已经结束。

关注得物技术，携手走向技术的云端

文｜zmm