腾讯后台工程师谈：分布式消息队列浅析

Posted 2021-04-26 腾讯课堂Coding学院

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了腾讯后台工程师谈：分布式消息队列浅析相关的知识，希望对你有一定的参考价值。

来源 /腾讯课堂Coding学院（ID：ke_coding）

本文介绍业界常用的几种分布式消息队列，并着重对比消息传输方式、性能基线。

请输入标题 bcdef

队列作为一种比较抽象的数据结构，在程序世界中被广泛的应用，而实现方式和形态也各式各样，有使用进程内堆栈实现的，如stl库中的queue;有基于管道、Shmem实现的，如常见的同机进程间通信模型，而随着分布式系统应用越来越广泛，跨机通信的场景需求越来越多，面临的问题不仅是消息投递问题，分布式系统普适性的挑战也随着应用场景的多样性而越来越多。

一个优秀的分布式消息队列，个人分析应该具备以下的能力：高吞吐、低时延（因应用场景而异），传输透明，伸缩性，冗灾，一致性顺序投递，消息持久化，同步+异步的发送方式，完善的运维和监控工具，开源。但上面的能力有一些在设计理念上可能是相悖的，或者是应用场景不同，在最终的实现上会有所侧重。以腾讯互娱内部广泛使用的TBUS\TBUSD为例，最为看重的是一致性顺序投递以及低时延，但传输上做不到透明，需要使用者了解整个网格的拓扑，故障后也需要手工处理。和TSFG的负责人沟通，新版本在研发中的TBUS正在解决这个问题，从而减少使用者的学习和运营成本。

请输入标题 abcdefg

下面会依次介绍消息队列的传输模型，以及业界主流的分布式消息队列，并着重介绍Kafka、Nats、Nats-streaming的一些性能测试数据。

消息传输模型

从消息传输模型上，大致可以抽象为以下几种：

点对点模型（Point-to-point）

基础模型中，只有一个发送者、一个接收者和一个分布式队列。如下图所示：腾讯后台工程师谈：分布式消息队列浅析生产者消费者模型（Producer–consumer）

如果发送者和接收者都可以有多个部署实例，甚至不同的类型；但是共用同一个队列，这就变成了标准的生产者消费者模型。在该模型，三个角色一般称为生产者（Producer）、分布式队列（Queue）、消费者（Consumer）。腾讯后台工程师谈：分布式消息队列浅析发布订阅模型（PubSub）

如果只有一类发送者，发送者将产生的消息实体按照不同的主题（Topic）分发到不同的逻辑队列。每种主题队列对应于一类接收者。这就变成了典型的发布订阅模型。在该模型，三个角色一般称为发布者（Publisher），分布式队列（Queue），订阅者（Subscriber）。腾讯后台工程师谈：分布式消息队列浅析

业界组件介绍

下业界，开源的分布式消息队列有很多种，侧重的维度也略有不同，包括支持的消息模型也有一些差异，如果按是否有独立进程来看，可以分为两个大类：

1、Broker

Broker类的分布式消息队列，是指有独立部署进行的分布式服务，即发送者把消息发布到Broker进程，再由Broker进程推（或者是拉）给订阅者。

RabbitMq

RabbitMQ是使用Erlang编写的一个开源的消息队列，本身支持很多的协议：AMQP，XMPP, SMTP, STOMP，也正因如此，它非常重量级，更适合于企业级的开发。同时实现了Broker构架，这意味着消息在发送给客户端时先在中心队列排队。对路由，负载均衡或者数据持久化都有很好的支持。

RocketMq

RocketMq是由阿里研发团队开发的分布式队列，侧重在消息的顺序投递、高吞吐量、可靠性，在阿里内部大量使用，多次在云栖社区中被提及是“淘宝双11”的保障。目前已捐赠给Apache软件基金会。

Nats

Ruby-Nats作者开发，Derek Collison自称做了20多年的MQ，并经历过TIBOC、Rendezvous、EMC公司. 目前由Apcera公司维护，提供源码、二进制文件以及Docker镜像，用户有爱立信、HTC、百度、西门子、Vmware.Nats用Golang编写，Nats的设计思念中消息的成功投递不做保证，需要发送者自己维护，因此Nats在应用场景上还是比较有局限性。

Nats-streaming

目前由Apcera公司维护，也采用Golang编写，在保证吞吐量和时延的基础上，解决了Nats消息投递一致性的问题。之前和Apcera的Community Manager有过接触，Apcera目前只有5位工程师在进行开发维护，所以Nats-streaming目前支持的客户端API还比较少，只有Go、Java、Nodejs、C#，CAPI支持可能要到2017年中。

Kafka

Kafka是Apache下的一个子项目，是一个高性能跨语言分布式发布/订阅消息队列系统，而Jafka是在Kafka之上孵化而来的，即Kafka的一个升级版。具有以下特性：快速持久化，可以在O(1)的系统开销下进行消息持久化；高吞吐，在一台普通的服务器上既可以达到10W/s的吞吐速率；完全的分布式系统，Broker、Producer、Consumer都原生自动支持分布式，自动实现负载均衡；支持Hadoop数据并行加载，对于像Hadoop的一样的日志数据和离线分析系统，但又要求实时处理的限制，这是一个可行的解决方案。Kafka通过Hadoop的并行加载机制统一了在线和离线的消息处理。Apache Kafka相对于ActiveMQ是一个非常轻量级的消息系统，除了性能非常好之外，还是一个工作良好的分布式系统。

ActiveMq

ActiveMQ是Apache下的一个子项目。类似于ZeroMQ，它能够以代理人和点对点的技术实现队列。同时类似于RabbitMQ，它少量代码就可以高效地实现高级应用场景。

2、Brokerless

Brokerless类的消息队列，主要采用api的方式，编译到应用程序中，在应用程序间进行点对点的通信。

ZeroMq

ZeroMQ号称最快的消息队列系统，尤其针对大吞吐量的需求场景。ZeroMQ能够实现RabbitMQ不擅长的高级/复杂的队列，但是开发人员需要自己组合多种技术框架，技术上的复杂度是对这MQ能够应用成功的挑战。ZeroMQ具有一个独特的非中间件的模式，你不需要安装和运行一个消息服务器或中间件，因为你的应用程序将扮演这个服务器角色。你只需要简单的引用ZeroMQ程序库，可以使用NuGet安装，然后你就可以愉快的在应用程序之间发送消息了。但是ZeroMQ仅提供非持久性的队列，也就是说如果宕机，数据将会丢失。其中，Twitter的Storm 0.9.0以前的版本中默认使用ZeroMQ作为数据流的传输（Storm从0.9版本开始同时支持ZeroMQ和Netty作为传输模块）。

NanoMq

在技术选型时，我们一般从三个维度上去考量，吞吐量、时延、可靠性，不同的业务场景对两个维度的技术指标会有比较大的差异。比如阿里的rocketmq，因为面临秒级的高并发场景，因此会十分看中吞吐量和消息的可靠性（不丢、顺序投递），而时延基本在100ms的级别，再比如kafka，最高的设计初衷也是做为分布式日志系统，因为看中的也是高吞吐量和可靠性。但对于游戏业务，实时音视频业务，不太会面临瞬间的访问高峰，而对低时延、时延稳定性会更加看中，一般认为消息投递应该在1-4ms以内。

Nats/kafka测试

既然业界有如此丰富的组件，是否可以找到一种比TBUS更优的同时也适合游戏服务器的组件呢？带着这个问题，作者对Kafka、Nats、Nats-streaming进行了测试，主要关注时延、吞吐量、消息安全性这三个维度上。测试方法如下：搭建了两台机器，发送者和接收者在同一台物理机，broker部署在另一台机，两台机器ping时延在0.8ms左右。测试结果如下：

Kafka

得益于JAVA的跨平台能力，Kafka不需要安装，可直接运行。因为Kafka借助zookeeper进行节点的故障探测与路由管理，因些需要先启动zookeeper。
测试版本为kafka_2.10-0.10.0.1 ，测试的时候碰到一些小问题，启动不成功，后面看了下，kafka启动不成功，常见的有两个问题，一是内存不够，因为java虚拟机运行时需要配置内存大小，如果内存不够可以调整下运行脚本。二是jmx服务，注释掉bin/kafka-run-class.sh 下的这几行就ok。腾讯后台工程师谈：分布式消息队列浅析因为Kafka本周对消息是持久化的，可靠性不需要测试，因此主要关注时延和吞吐量，测试结果显示吞吐量能达到65M/s, 很显然是进行过了合包，但时延的表现不是很理想，无送包有多小，消息发送后，Consumer收到的时延的最小极限在32ms，调整了很多参数，都无法进行一步降低时延，这里的原因应该和消息的持久化有直接的关系。

路由模式上，Kafka只支持发布\订阅模型，即一个消息只能被一个订阅者收到，在这一点Nats更丰富一些。整体的测试结果来看，Kafka做为一个分布式日志\流水\经营分析系统，还是很不错的，难怪很多2B的系统以及电商金融类的产品都在使用。

Nats/Nats-streaming

正如上面介绍的，Nats是由原Ruby-Nats作者Derek Collison设计开发，目前由Apcera维护，由golang语言编写，研发团队只有5个人，受限于团队的规模，因此在API的支持上有一定的局限性。感兴趣的同学可以看下源码，协程的功能划分十分清晰，一些用法也很巧妙。 Nats和Nats-streaming最大的区别在于，Nats异步模式需要发送者自己处理消息丢失的问题，即不保证消息的“100%投递成功”，也不做消息暂存, 而Nats-streaming解决了这个问题。

在吞吐量、时延测试上，二者表现也十分优异。作者实测结果显示，100W条消息投递时耗时在3-4s，1秒可以投递30-40w条消息，1k条消息echo耗时在1毫秒以内，完全可以满足像多人游戏等对时延比较挑剔的场景。

从路由模式上，Nats的支持非常丰富，支持以下三种：

Publish Subscribe 腾讯后台工程师谈：分布式消息队列浅析

发布订阅模式，一对多，一个消息多个订阅者都可以收到，类似广播的场景。支持同步和异步调用。

Request Reply 腾讯后台工程师谈：分布式消息队列浅析发送应答模式，Nats支持一对一和一对多的发送应答模式，可以手工指定有几个订阅者可以收到。发送应答模式采用同步调用。

Queue 腾讯后台工程师谈：分布式消息队列浅析队列模式，一个消息发布后，只有一个访阅者会收到，支持同步和异步调用。这个模式对于一些无状态处理服务十分有用，比如数据仓库的无状态接入层，接入层可部署多台物理机组成一个集群，每个物理机无状态，采用这个方式即达到了冗灾能力，同时也可以保证每一个消息只会被处理一次。