分布式消息队列RocketMQ
3.2）消息的存储
RocketMQ中的消息存储在本地文件系统中，这些相关文件默认在当前用户主目录下的store目录中。
[root@VM-20-6-centos ~]# cd store/
[root@VM-20-6-centos store]# ll
total 20
-rw-r--r-- 1 root root 0 May 4 18:45 abort
-rw-r--r-- 1 root root 4096 May 5 12:29 checkpoint
drwxr-xr-x 2 root root 4096 Apr 27 22:10 commitlog
drwxr-xr-x 2 root root 4096 May 5 12:30 config
drwxr-xr-x 2 root root 4096 Apr 27 22:10 consumequeue
-rw-r--r-- 1 root root 4 May 4 18:45 lock
目录说明：
abort：该文件在Broker启动后会自动创建，正常关闭Broker，该文件会自动消失。若在没有启动 Broker的情况下，发现这个文件是存在的，则说明之前Broker的关闭是非正常关闭；
checkpoint：其中存储着commitlog、consumequeue、index文件的后刷盘时间戳 ；
commitlog：其中存放着commitlog文件，而消息是写在commitlog文件中的 ；
config：存放着Broker运行期间的一些配置数据；
consumequeue：其中存放着consumequeue文件，队列就存放在这个目录中；
index：其中存放着消息索引文件indexFile ；
lock：运行期间使用到的全局资源锁
3、 2.1）commitlog文件；
说明：在很多资料中commitlog目录中的文件简单就称为commitlog文件。但在源码中，该文件被命名为mappedFile。
3、 2.1.1）目录与文件；
commitlog目录中存放着很多的mappedFile文件，当前Broker中的所有消息都是落盘到这些mappedFile文件中的；mappedFile文件大小为1G（小于等于1G），文件名由20位十进制数构成，表示 当前文件的第一条消息的起始位移偏移量。
第一个文件名一定是20位0构成的，因为第一个文件的第一条消息的偏移量commitlog offset为0；
当第一个文件放满时，则会自动生成第二个文件继续存放消息；假设第一个文件大小是 1073741820字节（1G = 1073741824字节），则第二个文件名就是00000000001073741824，以此类推，第n个文件名应该是前n-1个文件大小之和；
一个Broker中所有mappedFile文件的commitlog offset是连续的
需要注意的是，一个Broker中仅包含一个commitlog目录，所有的mappedFile文件都是存放在该目录中的。
即无论当前Broker中存放着多少Topic的消息，这些消息都是被顺序写入到了mappedFile文件中的。也就是说，这些消息在Broker中存放时并没有被按照Topic进行分类存放。
mappedFile文件是顺序读写的文件，所有其访问效率很高；
无论是SSD磁盘还是SATA磁盘，通常情况下，顺序存取效率都会高于随机存取。
3、 2.1.2）消息单元；
mappedFile文件内容由一个个的消息单元构成。每个消息单元中包含消息总长度MsgLen、消息的物理位置physicalOffset、消息体内容Body、消息体长度BodyLength、消息主题Topic、Topic长度 TopicLength、消息生产者BornHost、消息发送时间戳BornTimestamp、消息所在的队列QueueId、消 息在Queue中存储的偏移量QueueOffset等近20余项消息相关属性。
消息单元中是包含Queue相关属性的，需要留意commitlog与queue间的关系；
一个mappedFile文件中第m+1个消息单元的commitlog offset偏移量为：L(m+1) = L(m) + MsgLen(m) (m >= 0)
3、 2.2）consumequeue；
3、 2.2.1）目录与文件；
为了提高效率，会为每个Topic在~/store/consumequeue中创建一个目录，目录名为Topic名称。
在该Topic目录下，会再为每个该Topic的Queue建立一个目录，目录名为queueId。
每个目录中存放着若干 consumequeue文件，consumequeue文件是commitlog的索引文件，可以根据consumequeue定位到具 体的消息。
consumequeue文件名也由20位数字构成，表示当前文件的第一个索引条目的起始位移偏移量，与 mappedFile文件名不同的是，其后续文件名是固定的；因为consumequeue文件大小是固定不变的。
3、 2.2.2）索引条目；
每个consumequeue文件可以包含30w个索引条目，每个索引条目包含了三个消息重要属性：消息在 mappedFile文件中的偏移量CommitLog Offset、消息长度、消息Tag的hashcode值。这三个属性占20 个字节，所以每个文件的大小是固定的30w * 20字节。
一个consumequeue文件中所有消息的Topic一定是相同的。但每条消息的Tag可能是不同的。
3、 2.3）对文件的读写；
3、 2.3.1）消息写入；
一条消息进入到Broker后经历了以下几个过程才终被持久化：
1、 Broker根据queueId，获取到该消息对应索引条目要在consumequeue目录中的写入偏移量，即QueueOffset；
2、 将queueId、queueOffset等数据，与消息一起封装为消息单元；
3、 将消息单元写入到commitlog，同时形成消息索引条目；
4、 将消息索引条目分发到相应的consumequeue；
3、 2.3.2）消息拉取；
当Consumer来拉取消息时会经历以下几个步骤：
1、 Consumer获取到其要消费消息所在Queue的消费偏移量offset，计算出其要消费消息的消息offset；
消费offset即消费进度，consumer对某个Queue的消费offset，即消费到了该Queue的第几条消息
消息offset = 消费offset + 1
1、 Consumer向Broker发送拉取请求，其中会包含其要拉取消息的Queue、消息offset及消息Tag；
2、 Broker计算在该consumequeue中的queueOffset；
queueOffset = 消息offset * 20字节
1、 从该queueOffset处开始向后查找第一个指定Tag的索引条目；
2、 解析该索引条目的前8个字节，即可定位到该消息在commitlog中的commitlogoffset；
3、 从对应commitlogoffset中读取消息单元，并发送给Consumer；
3、 2.3.3）性能提升；
RocketMQ中，无论是消息本身还是消息索引，都是存储在磁盘上的，其不会影响消息的消费吗？
当然不会，其实RocketMQ的性能在目前的MQ产品中性能是非常高的。因为系统通过一系列相关机制大大提升了性能。
首先，RocketMQ对文件的读写操作是通过mmap零拷贝进行的，将对文件的操作转化为直接对内存地址进行操作，从而极大地提高了文件的读写效率；
其次，consumequeue中的数据是顺序存放的，还引入了PageCache的预读取机制，使得对 consumequeue文件的读取几乎接近于内存读取，即使在有消息堆积情况下也不会影响性能。
PageCache机制，页缓存机制，是OS对文件的缓存机制，用于加速对文件的读写操作。一般来说，程序对文件进行顺序读写的速度几乎接近于内存读写速度，主要原因是由于OS使用 PageCache机制对读写访问操作进行性能优化，将一部分的内存用作PageCache。
写操作：OS会先将数据写入到PageCache中，随后会以异步方式由pdush（page dirty ush) 内核线程将Cache中的数据刷盘到物理磁盘
读操作：若用户要读取数据，其首先会从PageCache中读取，若没有命中，则OS在从物理磁 盘上加载该数据到PageCache的同时，也会顺序对其相邻数据块中的数据进行预读取。
RocketMQ中可能会影响性能的是对commitlog文件的读取。因为对commitlog文件来说，读取消息时会产生大量的随机访问，而随机访问会严重影响性能。
不过，如果选择合适的系统IO调度算法，比如设置调度算法为Deadline（采用SSD固态硬盘的话），随机读的性能也会有所提升。
3、 2.4）与Kafka的对比；
RocketMQ的很多思想来源于Kafka，其中commitlog与consumequeue就是。
RocketMQ中的commitlog目录与consumequeue的结合就类似于Kafka中的partition分区目录， mappedFile文件就类似于Kafka中的segment段。
Kafka中的Topic的消息被分割为一个或多个partition。partition是一个物理概念，对应到系统上就是topic目录下的一个或多个目录。每个partition中包含的文件称为segment，是具体存放消息的文件；
Kafka中消息存放的目录结构是：topic目录下有partition目录，partition目录下有segment文件；
Kafka中没有二级分类标签Tag这个概念；
Kafka中无需索引文件。因为生产者是将消息直接写在了partition中的，消费者也是直接从 partition中读取数据的
版权声明：本文不是「本站」原创文章，版权归原作者所有 | 原文地址: