一、服务端安装部署
我是在虚拟机中的CentOS6.5中进行部署。
1. 下载程序
tar -xvf alibaba-rocketmq-3.0.7.tar.gz 解压到适当的目录如/opt/目录
3.启动RocketMQ：进入rocketmq/bin 目录 执行
nohup sh mqnamesrv &
4.启动Broker，设置对应的NameServer
nohup sh mqbroker - n "127.0.0.1:9876" &
二、编写客户端
可以查看sameple中的quickstart源码 1.Consumer 消息消费者
/**
* Consumer，订阅消息
*/
public class Consumer {
public static void main ( String [ ] args ) throws InterruptedException , MQClientException {
DefaultMQPushConsumer consumer = new DefaultMQPushConsumer ( "QuickStartConsumer" ) ;
consumer . setNamesrvAddr ( "127.0.0.1:9876" ) ;
consumer . setInstanceName ( "QuickStartConsumer" ) ;
consumer . subscribe ( "QuickStart" , "*" ) ;
consumer . registerMessageListener ( new MessageListenerConcurrently ( ) {
@Override
public ConsumeConcurrentlyStatus consumeMessage ( List <MessageExt> msgs ,
ConsumeConcurrentlyContext context ) {
System . out . println ( Thread . currentThread ( ) . getName ( ) + " Receive New Messages: " + msgs ) ;
return ConsumeConcurrentlyStatus . CONSUME_SUCCESS ;
}
} ) ;
consumer . start ( ) ;
System . out . println ( "Consumer Started." ) ;
}
}
2.Producer消息生产者
/**
* Producer，发送消息
*
*/
public class Producer {
public static void main ( String [ ] args ) throws MQClientException , InterruptedException {
DefaultMQProducer producer = new DefaultMQProducer ( "QuickStartProducer" ) ;
producer . setNamesrvAddr ( "127.0.0.1:9876" ) ;
producer . setInstanceName ( "QuickStartProducer" ) ;
producer . start ( ) ;
for ( int i = 0 ; i < 1000 ; i ++ ) {
try {
Message msg = new Message ( "QuickStart" , // topic
"TagA" , // tag
( "Hello RocketMQ ,QuickStart" + i ) . getBytes ( ) // body
) ;
SendResult sendResult = producer . send ( msg ) ;
System . out . println ( sendResult ) ;
}
catch ( Exception e ) {
e . printStackTrace ( ) ;
Thread . sleep ( 1000 ) ;
}
}
producer . shutdown ( ) ;
}
}
3.首先运行Consumer程序，一直在运行状态接收服务器端推送过来的消息
23 : 18 : 07.587 [ main ] DEBUG i . n . c . MultithreadEventLoopGroup - - Dio . netty . eventLoopThreads : 16
23 : 18 : 07.591 [ main ] DEBUG i . n . util . internal . PlatformDependent - Platform : Windows
23 : 18 : 07.592 [ main ] DEBUG i . n . util . internal . PlatformDependent - Java version : 7
23 : 18 : 07.592 [ main ] DEBUG i . n . util . internal . PlatformDependent - - Dio . netty . noUnsafe : false
23 : 18 : 07.593 [ main ] DEBUG i . n . util . internal . PlatformDependent0 - java . nio . ByteBuffer . cleaner : available
23 : 18 : 07.593 [ main ] DEBUG i . n . util . internal . PlatformDependent0 - java . nio . Buffer . address : available
23 : 18 : 07.593 [ main ] DEBUG i . n . util . internal . PlatformDependent0 - sun . misc . Unsafe . theUnsafe : available
23 : 18 : 07.593 [ main ] DEBUG i . n . util . internal . PlatformDependent0 - sun . misc . Unsafe . copyMemory : available
23 : 18 : 07.593 [ main ] DEBUG i . n . util . internal . PlatformDependent0 - java . nio . Bits . unaligned : true
23 : 18 : 07.594 [ main ] DEBUG i . n . util . internal . PlatformDependent - sun . misc . Unsafe : available
23 : 18 : 07.594 [ main ] DEBUG i . n . util . internal . PlatformDependent - - Dio . netty . noJavassist : false
23 : 18 : 07.594 [ main ] DEBUG i . n . util . internal . PlatformDependent - Javassist : unavailable
23 : 18 : 07.594 [ main ] DEBUG i . n . util . internal . PlatformDependent - You don 't have Javassist in your class path or you don' t have enough permission to load dynamically generated classes . Please check the configuration for better performance .
23 : 18 : 07.595 [ main ] DEBUG i . n . util . internal . PlatformDependent - - Dio . netty . noPreferDirect : false
23 : 18 : 07.611 [ main ] DEBUG io . netty . channel . nio . NioEventLoop - - Dio . netty . noKeySetOptimization : false
23 : 18 : 07.611 [ main ] DEBUG io . netty . channel . nio . NioEventLoop - - Dio . netty . selectorAutoRebuildThreshold : 512
23 : 18 : 08.355 [ main ] DEBUG i . n . util . internal . ThreadLocalRandom - - Dio . netty . initialSeedUniquifier : 0x8c0d4793e5820c31
23 : 18 : 08.446 [ NettyClientWorkerThread_1 ] DEBUG io . netty . util . ResourceLeakDetector - - Dio . netty . noResourceLeakDetection : false
Consumer Started .
4.再次运行Producer程序，生成消息并发送到Broker，Producer的日志冲没了，但是可以看到Broker推送到Consumer的一条消息
ConsumeMessageThread - QuickStartConsumer - 3 Receive New Messages : [ MessageExt [ queueId = 0 , storeSize = 150 , queueOffset = 244 , sysFlag = 0 , bornTimestamp = 1400772029972 , bornHost = / 10.162.0.7 : 54234 , storeTimestamp = 1400772016017 , storeHost = / 127.0.0.1 : 10911 , msgId = 0A0A0A5900002A9F0000000000063257 , commitLogOffset = 406103 , bodyCRC = 112549959 , reconsumeTimes = 0 , preparedTransactionOffset = 0 , toString ( ) = Message [ topic = QuickStart , flag = 0 , properties = { TAGS = TagA , WAIT = true , MAX_OFFSET = 245 , MIN_OFFSET = 0 } , body = 29 ] ] ]
三、Consumer最佳实践
1.消费过程要做到幂等（即消费端去重）
RocketMQ无法做到消息重复，所以如果业务对消息重复非常敏感，务必要在业务层面去重，有以下一些方式：
（1）.将消息的唯一键，可以是MsgId，也可以是消息内容中的唯一标识字段，例如订单ID，消费之前判断是否在DB或Tair（全局KV存储）中存在，如果不存在则插入，并消费，否则跳过。（实践过程要考虑原子性问题，判断是否存在可以尝试插入，如果报主键冲突，则插入失败，直接跳过） msgid一定是全局唯一的标识符，但是可能会存在同样的消息有两个不同的msgid的情况（有多种原因），这种情况可能会使业务上重复，建议最好使用消息体中的唯一标识字段去重
（2）.使业务层面的状态机去重
2.批量方式消费
如果业务流程支持批量方式消费，则可以很大程度上的提高吞吐量，可以通过设置Consumer的consumerMessageBatchMaxSize参数，默认是1，即一次消费一条参数
3.跳过非重要的消息
发生消息堆积时，如果消费速度一直跟不上发送速度，可以选择丢弃不重要的消息
@Override
public ConsumeConcurrentlyStatus consumeMessage ( List <MessageExt> msgs ,
ConsumeConcurrentlyContext context ) {
System . out . println ( Thread . currentThread ( ) . getName ( ) + " Receive New Messages: " + msgs ) ;
long offset = msgs . get ( 0 ) . getQueueOffset ( ) ;
String maxOffset = msgs . get ( 0 ) . getProperty ( MessageConst . PROPERTY_MAX_OFFSET ) ;
long diff = Long . parseLong ( maxOffset ) - offset ;
if ( diff > 100000 ) {
//处理消息堆积情况
return ConsumeConcurrentlyStatus . CONSUME_SUCCESS ;
}
return ConsumeConcurrentlyStatus . CONSUME_SUCCESS ;
}
如以上代码所示，当某个队列的消息数堆积到 100000 条以上，则尝试丢弃部分或全部消息，这样就可以快速追上发送消息的速度
4.优化没条消息消费过程
举例如下，某条消息的消费过程如下
1. 根据消息从 DB 查询数据 1
2. 根据消息从 DB 查询数据2
3. 复杂的业务计算
4. 向 DB 插入数据3
5. 向 DB 插入数据 4
这条消息的消费过程与 DB 交互了 4 次，如果按照每次 5ms 计算，那么总共耗时 20ms，假设业务计算耗时 5ms，那么总过耗时 25ms，如果能把 4 次 DB 交互优化为 2 次，那么总耗时就可以优化到 15ms，也就是说总体性能提高了 40%。
对于 Mysql 等 DB，如果部署在磁盘，那么与 DB 进行交互，如果数据没有命中 cache，每次交互的 RT 会直线上升， 如果采用 SSD，则 RT 上升趋势要明显好于磁盘。
个别应用可能会遇到这种情况：在线下压测消费过程中，db 表现非常好，每次 RT 都很短，但是上线运行一段时间，RT 就会变长，消费吞吐量直线下降
主要原因是线下压测时间过短，线上运行一段时间后，cache 命中率下降，那么 RT 就会增加。建议在线下压测时，要测试足够长时间，尽可能模拟线上环境，压测过程中，数据的分布也很重要，数据不同，可能 cache 的命中率也会完全不同
四、Producer最佳实践
1.发送消息注意事项
（1） 一个应用尽可能用一个 Topic，消息子类型用 tags 来标识，tags 可以由应用自由设置。只有发送消息设置了tags，消费方在订阅消息时，才可以利用 tags 在 broker 做消息过滤。
（2）每个消息在业务层面的唯一标识码，要设置到 keys 字段，方便将来定位消息丢失问题。服务器会为每个消息创建索引（哈希索引），应用可以通过 topic，key 来查询这条消息内容，以及消息被谁消费。由于是哈希索引，请务必保证 key 尽可能唯一，这样可以避免潜在的哈希冲突。
（3）消息发送成功或者失败，要打印消息日志，务必要打印 sendresult 和 key 字段
（4）send 消息方法，只要不抛异常，就代表发送成功。但是发送成功会有多个状态，在 sendResult 里定义
- SEND_OK：消息发送成功
- FLUSH_DISK_TIMEOUT：消息发送成功，但是服务器刷盘超时，消息已经进入服务器队列，只有此时服务器宕机，消息才会丢失
- FLUSH_SLAVE_TIMEOUT：消息发送成功，但是服务器同步到 Slave 时超时，消息已经进入服务器队列，只有此时服务器宕机，消息才会丢失
- SLAVE_NOT_AVAILABLE：消息发送成功，但是此时 slave 不可用，消息已经进入服务器队列，只有此时服务器宕机，消息才会丢失。对于精确发送顺序消息的应用，由于顺序消息的局限性，可能会涉及到主备自动切换问题，所以如果sendresult 中的 status 字段不等于 SEND_OK，就应该尝试重试。对于其他应用，则没有必要这样
（5）对于消息不可丢失应用，务必要有消息重发机制
2.消息发送失败处理
Producer 的 send 方法本身支持内部重试，重试逻辑如下：
（1） 至多重试 3 次
（2） 如果发送失败，则轮转到下一个 Broker
（3） 这个方法的总耗时时间不超过 sendMsgTimeout 设置的值，默认 10s所以，如果本身向 broker 发送消息产生超时异常，就不会再做重试
如果调用 send 同步方法发送失败，则尝试将消息存储到 db，由后台线程定时重试，保证消息一定到达 Broker。
上述 db 重试方式为什么没有集成到 MQ 客户端内部做，而是要求应用自己去完成，基于以下几点考虑：
（1）MQ 的客户端设计为无状态模式，方便任意的水平扩展，且对机器资源的消耗仅仅是 cpu、内存、网络
（2）如果 MQ 客户端内部集成一个 KV 存储模块，那么数据只有同步落盘才能较可靠，而同步落盘本身性能开销较大，所以通常会采用异步落盘，又由于应用关闭过程不受 MQ 运维人员控制，可能经常会发生 kill -9 这样暴力方式关闭，造成数据没有及时落盘而丢失
（3）Producer 所在机器的可靠性较低，一般为虚拟机，不适合存储重要数据。 综上，建议重试过程交由应用来控制。
3.选择 oneway 形式发送
一个 RPC 调用，通常是这样一个过程
（1）客户端发送请求到服务器
（2）服务器处理该请求
（3）服务器向客户端返回应答
所以一个 RPC 的耗时时间是上述三个步骤的总和，而某些场景要求耗时非常短，但是对可靠性要求并不高，例如日志收集类应用，此类应用可以采用 oneway 形式调用，oneway 形式只发送请求不等待应答，而发送请求在客户端实现层面仅仅是一个 os 系统调用的开销，即将数据写入客户端的 socket 缓冲区，此过程耗时通常在微秒级.
