文章目录消息中间件的应用场景主流 MQ 框架及对比说明Kafka 优点Kafka 缺点RocketMQPulsar发展趋势各公司发展KafkaKafka 是什么？Kafka 术语Kafka 如何持久化？Kafka 文件存储机制分区为什么分区？分区策略？Kafka 是否会消息丢失？控制器控制器如何选举？控制器有什么用？控制器故障转移Kafka 的 ZooKeeper 存储结构分布式事务的应用场景两阶段最终一致如何保证最终一致？消息发送的一致性如何保证？发送异常会如何？消息中间件的应用场景异步解耦削峰填谷顺序收发分布式事务一致性主流 MQ 框架及对比说明Kafka：整个行业应用广泛RocketMQ：阿里，从 apache 孵化Pulsar：雅虎开源，符合云原生架构的消息队列，社区活跃RabbitMQ 架构比较老，AMQP并没有在主流的 MQ 得到支持NSQ：内存型，不是最优选择ActiveMQ、ZeroMQ 可忽略Kafka 优点非常成熟，生态丰富，与 Hadoop 连接紧密吞吐非常高，可用性高 sharding提升 replication 速度主要功能：pub-sub，压缩支持良好可按照 at least once, at most once 进行配置使用，exactly once 需要 Consumer 配合集群部署简单，但 controller 逻辑很复杂，实现partition 的多副本、数据一致性controller 依赖 ZooKeeper异步刷磁盘（除了钱的业务，很少有同步 flush 的需求）Kafka 缺点写入延时稳定性问题，partition 很多时 Kafka 通常用机械盘，随机写造成吞吐下降和延时上升100ms ~ 500ms运维的复杂性 单机故障后补充副本数据迁移快手的优化：迁移 partition 时旧数据不动，新数据写入新 partition 一定时间后直接切换RocketMQ阿里根据 Kafka 改造适应电商等在线业务场景以牺牲性能为代价增强功能 按 key 对消息查询，维护 hash 表，影响 io为了在多 shard 场景下保证写入延迟稳定，在 broker 级别将所有 shard 当前写入的数据放入一个文件，形成 commitlog list，放若干个 index 文件维护逻辑 topic 信息，造成更多的随机读没有中心管理节点，现在看起来并没有什么用，元数据并不多高精度的延迟消息（快手已支持秒级精度的延迟消息）Pulsar存储、计算分离，方便扩容 存储：bookkeeperMQ逻辑：无状态的 broker 处理发展趋势云原生批流一体：跑任务时，需要先把 Kafka 数据→HDFS，资源消耗大。如果本来就存在 HDFS，能节省很大资源Serverless各公司发展快手：Kafka 所有场景均在使用特殊形态的读写分离 数据实时消费到 HDFS在有明显 lag 的 consumer 读取时，broker 把请求从本地磁盘转发的 HDFS不会因为有 lag 的 consumer 对日常读写造成明显的磁盘随机读写由于自己改造，社区新功能引入困难阿里巴巴：开源 RocketMQ字节跳动 在线场景：NSQ→RocketMQ离线场景：Kafka→自研的存储计算分类的 BMQ（协议层直接兼容Kafka，用户可以不换 client）百度：自研的 BigPipe，不怎么样美团：Kafka 架构基础上用 Java 进行重构，内部叫 Mafka腾讯：部分使用了自研的 PhxQueue，底层是 KV 系统滴滴：DDMQ 对 RocketMQ 和 Kafka 进行封装多机房数据一致性可能有问题小米：自研 Talos 架构类似 pulsar，存储是 HDFS，读场景有优化KafkaKafka官网：https://kafka.apache.org/documentation/#uses最新版本：3.6.1Kafka 是什么？开源的消息引擎系统（消息队列/消息中间件）分布式流处理平台发布/订阅模型削峰填谷Kafka 术语Topic：发布订阅的主题Producer：向Topic发布消息的客户端Consumer：消费者Consumer Group：消费者组，多个消费者共同组成一个组Broker：Kafka的服务进程Replication：备份，相同数据拷贝到多台机器 Leader ReplicaFollower Replica，不与外界交互Partition：分区，解决伸缩性问题，多个Partition组成一个TopicSegment：partition 由多个 segment 组成Kafka 如何持久化？消息日志（Log）保存数据，磁盘追加写（Append-only） 避免缓慢的随机I/O操作高吞吐定期删除消息（日志段）Kafka 文件存储机制https://www.open-open.com/lib/view/open1421150566328.html
每个 partition 相当于一个巨型文件→多个大小相等 segment 数据文件中每个 partition 只需要顺序读写就行了，segment 文件生命周期由配置决定segment file 组成： index file：索引文件data file：数据文件segment file 文件命名规则： 全局第一个 segment 是 0后序每个加上全局 partition 的最大 offset一对 segment file
message 物理结构
分区为什么分区？Kafka的消息组织方式：主题-分区-消息一条消息，仅存在某一个分区中提高伸缩性，不同分区可以放到不同机器，读写操作也是以分区粒度分区策略？轮询随机按 key 保序，单分区有序Kafka 是否会消息丢失？只对“已提交”的消息做有限度的持久化保证 已提交的消息：消息写入日志文件有限度的持久化保证：N个 broker 至少一个存活生产者丢失数据 producer.send(msg) 异步发送消息，不保证数据到达Kafkaproducer.send(msg, callback) 判断回调消费者程序丢失数据 应该「先消费消息，后更新位移的顺序」新问题：消息的重复处理多线程异步处理消息，Consumer不要开启自动提交位移，应用程序手动提交位移控制器在 ZooKeeper帮助下管理和协调整个 Kafka 集群运行过程中，只能有一个 Broker 成为控制器控制器如何选举？在 ZooKeeper 创建 /controller 节点，第一个创建成功的 Broker 被指定为控制器。
控制器有什么用？主题管理（创建、删除、增加分区）分区重分配领导者选举集群成员管理（新增 Broker、Broker 主动关闭、Broker 宕机）（ZooKeeper 临时节点）数据服务：最全的集群元数据信息控制器故障转移只有一个 Broker 当控制器，单点失效，立即启用备用控制器Kafka 的 ZooKeeper 存储结构分布式事务的应用场景团队内部，某些操作要同时更新多个数据源业务团队 A 完成某个操作后，B 业务的某个操作也必须完成，A 业务并不能直接访问 B 的数据库公司之间，用户付款后，支付系统（支付宝/微信）必须通知商家的系统更新订单状态两阶段最终一致先完成数据源 A 的事务（一阶段）成功后通过某种机制，保证数据源 B 的事务（二阶段）也一定最终完成 不成功，会不断重试直到成功为止或达到一定重试次数后停止（配合对账、人工处理）如何保证最终一致？为了保证最终一致，消息系统和业务程序需要保证：
消息发送的一致性：消息发送时，一阶段事务和消息发送必须同时成功或失败消息存储不丢失：消息发送成功后，到消息被成功消费前，消息服务器（broker）必须存储好消息，保证发生故障时，消息不丢失消费者不丢失消息：处理失败不丢弃，重试直到成功为止消息发送的一致性如何保证？目标：本地事务、消息发送必须同时成功/失败
问题
先执行本地事务，再发送消息，消息可能发送失败可把失败的消息放入内存，稍后重试，但成功率也无法达到 100%解决方案`* 先发送半消息（Half Msg，类似 Prepare 操作），不会投递给消费者
半消息发送成功，再执行 DB 操作DB 操作执行成功后，提交半消息发送异常会如何？1 异常，半消息发送失败，本地 DB 没有执行，整个操作失败，DB/消息的状态一致（都没有提交）2 异常/超时 生产者以为失败了，不执行 DBbroker 存储半消息成功，等不到后序操作，会询问生产者是提交还是回滚（第6步）3 DB操作失败：生产者在第 4 步告知 broker 回滚半消息4 提交/回滚半消息失败：broker 等不到这个操作，触发回查（第 6 步）5、6、7回查失败：RocketMQ 最多回查 15 次 君子求诸己，小人求诸人