RocketMq深入分析講解兩種削峰方式
何時需要削峰
當上游調用下游服務速率高于下游服務接口QPS時，那么如果不對調用速率進行控制，那么會發(fā)生很多失敗請求
通過消息隊列的削峰方法有兩種
控制消費者消費速率和生產者投放延時消息，本質都是控制消費速度
通過消費者參數(shù)控制消費速度
先分析那些參數(shù)對控制消費速度有作用
1.PullInterval： 設置消費端，拉取mq消息的間隔時間。
注意：該時間算起時間是rocketMq消費者從broker消息后算起。經過PullInterval再次向broker拉去消息
源碼分析:
首先需要了解rocketMq的消息拉去過程
拉去消息的類
PullMessageService
public class PullMessageService extends ServiceThread {
private final InternalLogger log = ClientLogger.getLog();
private final LinkedBlockingQueue<PullRequest> pullRequestQueue = new LinkedBlockingQueue<PullRequest>();
private final MQClientInstance mQClientFactory;
private final ScheduledExecutorService scheduledExecutorService = Executors
.newSingleThreadScheduledExecutor(new ThreadFactory() {
@Override
public Thread newThread(Runnable r) {
return new Thread(r, "PullMessageServiceScheduledThread");
}
});
public PullMessageService(MQClientInstance mQClientFactory) {
this.mQClientFactory = mQClientFactory;
}
public void executePullRequestLater(final PullRequest pullRequest, final long timeDelay) {
if (!isStopped()) {
this.scheduledExecutorService.schedule(new Runnable() {
@Override
public void run() {
PullMessageService.this.executePullRequestImmediately(pullRequest);
}
}, timeDelay, TimeUnit.MILLISECONDS);
} else {
log.warn("PullMessageServiceScheduledThread has shutdown");
}
}
public void executePullRequestImmediately(final PullRequest pullRequest) {
try {
this.pullRequestQueue.put(pullRequest);
} catch (InterruptedException e) {
log.error("executePullRequestImmediately pullRequestQueue.put", e);
}
}
public void executeTaskLater(final Runnable r, final long timeDelay) {
if (!isStopped()) {
this.scheduledExecutorService.schedule(r, timeDelay, TimeUnit.MILLISECONDS);
} else {
log.warn("PullMessageServiceScheduledThread has shutdown");
}
}
public ScheduledExecutorService getScheduledExecutorService() {
return scheduledExecutorService;
}
private void pullMessage(final PullRequest pullRequest) {
final MQConsumerInner consumer = this.mQClientFactory.selectConsumer(pullRequest.getConsumerGroup());
if (consumer != null) {
DefaultMQPushConsumerImpl impl = (DefaultMQPushConsumerImpl) consumer;
impl.pullMessage(pullRequest);
} else {
log.warn("No matched consumer for the PullRequest {}, drop it", pullRequest);
}
}
@Override
public void run() {
log.info(this.getServiceName() + " service started");
while (!this.isStopped()) {
try {
PullRequest pullRequest = this.pullRequestQueue.take();
this.pullMessage(pullRequest);
} catch (InterruptedException ignored) {
} catch (Exception e) {
log.error("Pull Message Service Run Method exception", e);
}
}
log.info(this.getServiceName() + " service end");
}
@Override
public void shutdown(boolean interrupt) {
super.shutdown(interrupt);
ThreadUtils.shutdownGracefully(this.scheduledExecutorService, 1000, TimeUnit.MILLISECONDS);
}
@Override
public String getServiceName() {
return PullMessageService.class.getSimpleName();
}
}繼承自ServiceThread，這是一個單線程執(zhí)行的service，不斷獲取阻塞隊列中的pullRequest，進行消息拉取。
executePullRequestLater會延時將pullrequest放入到pullRequestQueue，達到延時拉去的目的。
那么PullInterval參數(shù)就是根據(jù)這個功能發(fā)揮的作用，在消費者拉去消息成功的回調
PullCallback pullCallback = new PullCallback() {
@Override
public void onSuccess(PullResult pullResult) {
if (pullResult != null) {
pullResult = DefaultMQPushConsumerImpl.this.pullAPIWrapper.processPullResult(pullRequest.getMessageQueue(), pullResult,
subscriptionData);
switch (pullResult.getPullStatus()) {
case FOUND:
long prevRequestOffset = pullRequest.getNextOffset();
pullRequest.setNextOffset(pullResult.getNextBeginOffset());
long pullRT = System.currentTimeMillis() - beginTimestamp;
DefaultMQPushConsumerImpl.this.getConsumerStatsManager().incPullRT(pullRequest.getConsumerGroup(),
pullRequest.getMessageQueue().getTopic(), pullRT);
long firstMsgOffset = Long.MAX_VALUE;
if (pullResult.getMsgFoundList() == null || pullResult.getMsgFoundList().isEmpty()) {
DefaultMQPushConsumerImpl.this.executePullRequestImmediately(pullRequest);
} else {
firstMsgOffset = pullResult.getMsgFoundList().get(0).getQueueOffset();
DefaultMQPushConsumerImpl.this.getConsumerStatsManager().incPullTPS(pullRequest.getConsumerGroup(),
pullRequest.getMessageQueue().getTopic(), pullResult.getMsgFoundList().size());
boolean dispatchToConsume = processQueue.putMessage(pullResult.getMsgFoundList());
DefaultMQPushConsumerImpl.this.consumeMessageService.submitConsumeRequest(
pullResult.getMsgFoundList(),
processQueue,
pullRequest.getMessageQueue(),
dispatchToConsume);
if (DefaultMQPushConsumerImpl.this.defaultMQPushConsumer.getPullInterval() > 0) {
DefaultMQPushConsumerImpl.this.executePullRequestLater(pullRequest,
DefaultMQPushConsumerImpl.this.defaultMQPushConsumer.getPullInterval());
} else {
DefaultMQPushConsumerImpl.this.executePullRequestImmediately(pullRequest);
}
}
if (pullResult.getNextBeginOffset() < prevRequestOffset
|| firstMsgOffset < prevRequestOffset) {
log.warn(
"[BUG] pull message result maybe data wrong, nextBeginOffset: {} firstMsgOffset: {} prevRequestOffset: {}",
pullResult.getNextBeginOffset(),
firstMsgOffset,
prevRequestOffset);
}
break;
case NO_NEW_MSG:
pullRequest.setNextOffset(pullResult.getNextBeginOffset());
DefaultMQPushConsumerImpl.this.correctTagsOffset(pullRequest);
DefaultMQPushConsumerImpl.this.executePullRequestImmediately(pullRequest);
break;
case NO_MATCHED_MSG:
pullRequest.setNextOffset(pullResult.getNextBeginOffset());
DefaultMQPushConsumerImpl.this.correctTagsOffset(pullRequest);
DefaultMQPushConsumerImpl.this.executePullRequestImmediately(pullRequest);
break;
case OFFSET_ILLEGAL:
log.warn("the pull request offset illegal, {} {}",
pullRequest.toString(), pullResult.toString());
pullRequest.setNextOffset(pullResult.getNextBeginOffset());
pullRequest.getProcessQueue().setDropped(true);
DefaultMQPushConsumerImpl.this.executeTaskLater(new Runnable() {
@Override
public void run() {
try {
DefaultMQPushConsumerImpl.this.offsetStore.updateOffset(pullRequest.getMessageQueue(),
pullRequest.getNextOffset(), false);
DefaultMQPushConsumerImpl.this.offsetStore.persist(pullRequest.getMessageQueue());
DefaultMQPushConsumerImpl.this.rebalanceImpl.removeProcessQueue(pullRequest.getMessageQueue());
log.warn("fix the pull request offset, {}", pullRequest);
} catch (Throwable e) {
log.error("executeTaskLater Exception", e);
}
}
}, 10000);
break;
default:
break;
}
}
}
@Override
public void onException(Throwable e) {
if (!pullRequest.getMessageQueue().getTopic().startsWith(MixAll.RETRY_GROUP_TOPIC_PREFIX)) {
log.warn("execute the pull request exception", e);
}
DefaultMQPushConsumerImpl.this.executePullRequestLater(pullRequest, PULL_TIME_DELAY_MILLS_WHEN_EXCEPTION);
}
};在 case found的情況下,也就是拉取到消息的q情況，在PullInterval>0的情況下，會延時投遞到pullRequestQueue中，實現(xiàn)拉取消息的間隔
if (DefaultMQPushConsumerImpl.this.defaultMQPushConsumer.getPullInterval() > 0) {
DefaultMQPushConsumerImpl.this.executePullRequestLater(pullRequest,
DefaultMQPushConsumerImpl.this.defaultMQPushConsumer.getPullInterval());
} else {
DefaultMQPushConsumerImpl.this.executePullRequestImmediately(pullRequest);
}
2.PullBatchSize: 設置每次pull消息的數(shù)量，該參數(shù)設置是針對邏輯消息隊列，并不是每次pull消息拉到的總消息數(shù)
消費端分配了兩個消費隊列來監(jiān)聽。那么PullBatchSize 設置為32，那么該消費端每次pull到 64個消息。
消費端每次pull到消息總數(shù)=PullBatchSize*監(jiān)聽隊列數(shù)
源碼分析
消費者拉取消息時
org.apache.rocketmq.client.impl.consumer.DefaultMQPushConsumerImpl#pullMessage中
會執(zhí)行
this.pullAPIWrapper.pullKernelImpl(
pullRequest.getMessageQueue(),
subExpression,
subscriptionData.getExpressionType(),
subscriptionData.getSubVersion(),
pullRequest.getNextOffset(),
this.defaultMQPushConsumer.getPullBatchSize(),
sysFlag,
commitOffsetValue,
BROKER_SUSPEND_MAX_TIME_MILLIS,
CONSUMER_TIMEOUT_MILLIS_WHEN_SUSPEND,
CommunicationMode.ASYNC,
pullCallback
);
其中 this.defaultMQPushConsumer.getPullBatchSize(),就是配置的PullBatchSize，代表的是每次從broker的一個隊列上拉取的最大消息數(shù)。
3.ThreadMin和ThreadMax： 消費端消費pull到的消息需要的線程數(shù)量。
源碼分析：
還是在消費者拉取消息成功時
boolean dispatchToConsume = processQueue.putMessage(pullResult.getMsgFoundList());
DefaultMQPushConsumerImpl.this.consumeMessageService.submitConsumeRequest(
pullResult.getMsgFoundList(),
processQueue,
pullRequest.getMessageQueue(),
dispatchToConsume);
通過consumeMessageService執(zhí)行
默認情況下是并發(fā)消費
org.apache.rocketmq.client.impl.consumer.ConsumeMessageConcurrentlyService#submitConsumeRequest
@Override
public void submitConsumeRequest(
final List<MessageExt> msgs,
final ProcessQueue processQueue,
final MessageQueue messageQueue,
final boolean dispatchToConsume) {
final int consumeBatchSize = this.defaultMQPushConsumer.getConsumeMessageBatchMaxSize();
if (msgs.size() <= consumeBatchSize) {
ConsumeRequest consumeRequest = new ConsumeRequest(msgs, processQueue, messageQueue);
try {
this.consumeExecutor.submit(consumeRequest);
} catch (RejectedExecutionException e) {
this.submitConsumeRequestLater(consumeRequest);
}
} else {
for (int total = 0; total < msgs.size(); ) {
List<MessageExt> msgThis = new ArrayList<MessageExt>(consumeBatchSize);
for (int i = 0; i < consumeBatchSize; i++, total++) {
if (total < msgs.size()) {
msgThis.add(msgs.get(total));
} else {
break;
}
}
ConsumeRequest consumeRequest = new ConsumeRequest(msgThis, processQueue, messageQueue);
try {
this.consumeExecutor.submit(consumeRequest);
} catch (RejectedExecutionException e) {
for (; total < msgs.size(); total++) {
msgThis.add(msgs.get(total));
}
this.submitConsumeRequestLater(consumeRequest);
}
}
}
}
其中consumeExecutor初始化
this.consumeExecutor = new ThreadPoolExecutor(
this.defaultMQPushConsumer.getConsumeThreadMin(),
this.defaultMQPushConsumer.getConsumeThreadMax(),
1000 * 60,
TimeUnit.MILLISECONDS,
this.consumeRequestQueue,
new ThreadFactoryImpl("ConsumeMessageThread_"));
對象線程池最大和核心線程數(shù)。對于順序消費ConsumeMessageOrderlyService也會使用最大和最小線程數(shù)這兩個參數(shù)，只是消費時會鎖定隊列。
以上三種情況：是針對參數(shù)配置，來調整消費速度。
除了這三種情況外還有兩種服務部署情況，可以調整消費速度：
4.rocketMq 邏輯消費隊列配置數(shù)量 有消費端每次pull到消息總數(shù)=PullBatchSize*監(jiān)聽隊列數(shù)
可知rocketMq 邏輯消費隊列配置數(shù)量即上圖中的 queue1 ，queue2，配置數(shù)量越多每次pull到的消息總數(shù)也就越多。如果下邊配置讀隊列數(shù)量：修改tocpic的邏輯隊列數(shù)量
5.消費端節(jié)點部署數(shù)量 ：
部署數(shù)量無論一個節(jié)點監(jiān)聽所有隊列，還是多個節(jié)點按照分配策略分配監(jiān)聽隊列數(shù)量，理論上每秒pull到的數(shù)量都一樣的，但是多節(jié)點消費端消費線程數(shù)量要比單節(jié)點消費線程數(shù)量多，也就是多節(jié)點消費速度大于單節(jié)點。
消費延時控流
針對消息訂閱者的消費延時流控的基本原理是，每次消費時在客戶端增加一個延時來控制消費速度，此時理論上消費并發(fā)最快速度為：
單節(jié)點部署：
ConsumInterval ：延時時間單位毫秒
ConcurrentThreadNumber：消費端線程數(shù)量
MaxRate ：理論每秒處理數(shù)量
MaxRate = 1 / ConsumInterval * ConcurrentThreadNumber
如果消息并發(fā)消費線程（ConcurrentThreadNumber）為 20，延時（ConsumInterval）為 100 ms，代入上述公式可得
如果消息并發(fā)消費線程（ConcurrentThreadNumber）為 20，延時（ConsumInterval）為 100 ms，代入上述公式可得
200 = 1 / 0.1 * 20
由上可知，理論上可以將并發(fā)消費控制在 200 以下
如果是多個節(jié)點部署如兩個節(jié)點，理論消費速度最高為每秒處理400個消息。
如下延時流控代碼：
/**
* 測試mq 并發(fā) 接受
*/
@Component
@RocketMQMessageListener(topic = ConstantTopic.WRITING_LIKE_TOPIC,selectorExpression = ConstantTopic.WRITING_LIKE_ADD_TAG, consumerGroup = "writing_like_topic_add_group")
class ConsumerLikeSave implements RocketMQListener<LikeWritingParams>, RocketMQPushConsumerLifecycleListener{
@SneakyThrows
@Override
public void onMessage(LikeWritingParams params) {
System.out.println("睡上0.1秒");
Thread.sleep(100);
long begin = System.currentTimeMillis();
System.out.println("mq消費速度"+Thread.currentThread().getName()+" "+DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss.SSS").format(LocalDateTime.now()));
//writingLikeService.saveLike2Db(params.getUserId(),params.getWritingId());
long end = System.currentTimeMillis();
// System.out.println("消費：: " +Thread.currentThread().getName()+ "毫秒："+(end - begin));
}
@Override
public void prepareStart(DefaultMQPushConsumer defaultMQPushConsumer) {
defaultMQPushConsumer.setConsumeThreadMin(20); //消費端拉去到消息以后分配線索去消費
defaultMQPushConsumer.setConsumeThreadMax(50);//最大消費線程，一般情況下，默認隊列沒有塞滿，是不會啟用新的線程的
defaultMQPushConsumer.setPullInterval(0);//消費端多久一次去rocketMq 拉去消息
defaultMQPushConsumer.setPullBatchSize(32); //消費端每個隊列一次拉去多少個消息，若該消費端分賠了N個監(jiān)控隊列，那么消費端每次去rocketMq拉去消息說為N*1
defaultMQPushConsumer.setConsumeFromWhere(ConsumeFromWhere.CONSUME_FROM_TIMESTAMP);
defaultMQPushConsumer.setConsumeTimestamp(UtilAll.timeMillisToHumanString3(System.currentTimeMillis()));
defaultMQPushConsumer.setConsumeMessageBatchMaxSize(2);
}
}注釋：如上消費端，單節(jié)點每秒處理速度也就是最高200個消息，實際上要小于200，業(yè)務代碼執(zhí)行也是需要時間。
但是要注意實際操作中并發(fā)流控實際是默認存在的，
spring boot 消費端默認配置
this.consumeThreadMin = 20;
this.consumeThreadMax = 20;
this.pullInterval = 0L;
this.pullBatchSize = 32;
若業(yè)務邏輯執(zhí)行需要20ms，那么單節(jié)點處理速度就是：1/0.02*20=1000
這里默認拉去的速度1s內遠大于1000
注意： 這里雖然pullInterval 等于0 當時受限于每次拉去64個，處理完也是需要一端時間才能回復ack，才能再次拉取，所以消費速度應該小于1000
所以并發(fā)流控要消費速度大于消費延時流控 ，那么消費延時流控才有意義
使用rokcetMq支持的延時消息也可以實現(xiàn)消息的延時消費，通過對delayLevel對應的時間進行配置為我們的需求。為不同的消息設置不同delayLevel，達到延時消費的目的。
總結
rocketMq 肖鋒流控兩種方式：
并發(fā)流控：就是根據(jù)業(yè)務流控速率要求，來調整topic 消費隊列數(shù)量(read queue),消費端部署節(jié)點，消費端拉去間隔時間，消費端消費線程數(shù)量等，來達到要求的速率內
延時消費流控：就是在消費端延時消費消息(sleep),具體延時多少要根據(jù)業(yè)務要求速率，和消費端線程數(shù)量，和節(jié)點部署數(shù)量來控制
到此這篇關于RocketMq深入分析講解兩種削峰方式的文章就介紹到這了,更多相關RocketMq削峰內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了SpringBoot?啟動流程追蹤方法分享的相關資料,需要的朋友可以參考下2023-08-08
這篇文章主要為大家介紹了Trace?在多線程異步體系下傳遞流程解析,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-12-12
這篇文章主要介紹了java源碼閱讀之java.lang.Object，具有一定借鑒價值,需要的朋友可以參考下2018-01-01
這篇文章主要介紹了java通過cglib動態(tài)生成實體bean的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-02-02
這篇文章主要介紹了java如何消除太多的if else判斷,本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-05-05
本篇文章是對Sqlite多線程入庫的問題進行了詳細的分析介紹，需要的朋友參考下2013-05-05
這篇文章主要介紹了淺談Hibernate對象狀態(tài)之間的神奇轉換，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-09-09
詳解spring security 配置多個AuthenticationProvider
這篇文章主要介紹了詳解spring security 配置多個AuthenticationProvider ,小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-05-05
這篇文章主要介紹了MyBatis-Plus 查詢指定字段的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-12-12
這篇文章主要介紹了Java?Swing實現(xiàn)畫板的簡單操作，修改顏色，更改圖形，清除，任務欄按鈕，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-06-06