RocketMQ事务性消息及持久化

TransactionProducer（事务消息）：

　　在分布式系统中，我们时常会遇到分布式事务的问题，除了常规的解决方案之外，我们还可以利用RocketMQ的事务性消息来解决分布式事务的问题。RocketMQ和其他消息中间件最大的一个区别是支持了事务消息，这也是分布式事务里面的基于消息的最终一致性方案。

RocketMQ消息的事务架构设计：

生产者执行本地事务，修改订单支付状态，并且提交事务
生产者发送事务消息到broker上，消息发送到broker上在没有确认之前，消息对于consumer是不可见状态
生产者确认事务消息，使得发送到broker上的事务消息对于消费者可见
消费者获取到消息进行消费，消费完之后执行ack进行确认

　　这里可能会存在一个问题，生产者本地事务成功后，发送事务确认消息到broker上失败了怎么办？这个时候意味着消费者无法正常消费到这个消息。所以RocketMQ提供了消息回查机制，如果事务消息一直处于中间状态，broker会发起重试去查询broker上这个事务的处理状态。一旦发现事务处理成功，则把当前这条消息设置为可见。

RocketMQ事务消息的实践：

　　生产者producer：

public class TransactionProducer {

    public static void main(String[] args) throws MQClientException, UnsupportedEncodingException, InterruptedException {

        TransactionMQProducer transactionMQProducer=new

                TransactionMQProducer("tx_producer");

        transactionMQProducer.setNamesrvAddr("192.168.1.101:9876;192.168.1.102:9876");

        ExecutorService executorService= Executors.newFixedThreadPool();

        transactionMQProducer.setExecutorService(executorService);

        transactionMQProducer.setTransactionListener(new TransactionListenerLocal()); //本地事务的监听

        transactionMQProducer.start();

        for(int i=;i<;i++){

            String orderId= UUID.randomUUID().toString();

            String body="{'operation':'doOrder','orderId':'"+orderId+"'}";

            Message message=new Message("testTopic2",

                    null,orderId,body.getBytes(RemotingHelper.DEFAULT_CHARSET));

            transactionMQProducer.sendMessageInTransaction(message,orderId);

            Thread.sleep();

        }

    }

}

　　TransactionListenerLocal：

public class TransactionListenerLocal implements TransactionListener {

    private Map<String,Boolean> results=new ConcurrentHashMap<>();

    //执行本地事务

    @Override

    public LocalTransactionState executeLocalTransaction(Message message, Object o) {

        System.out.println("开始执行本地事务："+o.toString()); //o

        String orderId=o.toString();

        //模拟数据库保存(成功/失败)

        boolean result=Math.abs(Objects.hash(orderId))%==;

        if(!result) {

            results.put(orderId, result); //

        }

        return result? LocalTransactionState.COMMIT_MESSAGE: LocalTransactionState.UNKNOW;

    }

    //提供给事务执行状态检查的回调方法，给broker用的(异步回调）

    //如果回查失败，消息就丢弃

    @Override

    public LocalTransactionState checkLocalTransaction(MessageExt messageExt) {

        String orderId=messageExt.getKeys();

        System.out.println("执行事务回调检查： orderId:"+orderId);

        if(results.size()==){

           return LocalTransactionState.COMMIT_MESSAGE;

        }

        return LocalTransactionState.COMMIT_MESSAGE;

    }

}

　　消费端 consumer：

public class TransactionConsumer {

    //rocketMQ 除了在同一个组和不同组之间的消费者的特性和kafka相同之外

    //RocketMQ可以支持广播消息，就意味着，同一个group的每个消费者都可以消费同一个消息

    public static void main(String[] args) throws MQClientException {

        DefaultMQPushConsumer defaultMQPushConsumer=

                new DefaultMQPushConsumer("tx_consumer");

        defaultMQPushConsumer.setNamesrvAddr("192.168.1.101:9876;192.168.1.102:9876");

        defaultMQPushConsumer.setConsumeFromWhere(ConsumeFromWhere.CONSUME_FROM_FIRST_OFFSET);

        //subExpression 可以支持sql的表达式. or  and  a=? ,,,

        defaultMQPushConsumer.subscribe("testTopic2","*");

        defaultMQPushConsumer.registerMessageListener(new MessageListenerConcurrently() {

            @Override

            public ConsumeConcurrentlyStatus consumeMessage(List<MessageExt> list, ConsumeConcurrentlyContext consumeConcurrentlyContext) {

                list.stream().forEach(message->{

                    System.out.println("开始业务处理逻辑：消息体："+new String(message.getBody())+"->key:"+message.getKeys());

                });

                return ConsumeConcurrentlyStatus.CONSUME_SUCCESS; //签收

            }

        });

        defaultMQPushConsumer.start();

    }

}

RocketMQ事务消息的三种状态:

ROLLBACK_MESSAGE：回滚事务
COMMIT_MESSAGE：提交事务
UNKNOW： broker会定时的回查Producer消息状态，直到彻底成功或失败。

　　当executeLocalTransaction方法返回ROLLBACK_MESSAGE时，表示直接回滚事务，当返回COMMIT_MESSAGE提交事务当返回UNKNOW时，Broker会在一段时间之后回查checkLocalTransaction，根据checkLocalTransaction返回状态执行事务的操作（回滚或提交），如示例中，当返回ROLLBACK_MESSAGE时消费者不会收到消息，且不会调用回查函数，当返回COMMIT_MESSAGE时事务提交，消费者收到消息，当返回UNKNOW时，在一段时间之后调用回查函数，并根据status判断返回提交或回滚状态，返回提交状态的消息将会被消费者消费，所以此时消费者可以消费部分消息

消息的存储和发送:

　　由于分布式消息队列对于可靠性的要求比较高，所以需要保证生产者将消息发送到broker之后，保证消息是不出现丢失的，因此消息队列就少不了对于可靠性存储的要求

　　从主流的几种MQ消息队列采用的存储方式来看，主要会有三种

分布式KV存储，比如ActiveMQ中采用的levelDB、Redis，这种存储方式对于消息读写能力要求不高的情况下可以使用
文件系统存储，常见的比如kafka、RocketMQ、RabbitMQ都是采用消息刷盘到所部署的机器上的文件系统来做持久化，这种方案适合对于有高吞吐量要求的消息中间件，因为消息刷盘是一种高效率，高可靠、高性能的持久化方式，除非磁盘出现故障，否则一般是不会出现无法持久化的问题
关系型数据库，比如ActiveMQ可以采用mysql作为消息存储，关系型数据库在单表数据量达到千万级的情况下IO性能会出现瓶颈，所以ActiveMQ并不适合于高吞吐量的消息队列场景。总的来说，对于存储效率，文件系统要优于分布式KV存储，分布式KV存储要优于关系型数据库

消息的存储结构:

　　RocketMQ就是采用文件系统的方式来存储消息，消息的存储是由ConsumeQueue和CommitLog配合完成的。CommitLog是消息真正的物理存储文件。ConsumeQueue是消息的逻辑队列，有点类似于数据库的索引文件，里面存储的是指向CommitLog文件中消息存储的地址。每个Topic下的每个Message Queue都会对应一个ConsumeQueue文件，文件的地址是：${store_home}/consumequeue/${topicNmae}/${queueId}/${filename}, 默认路径: /root/store在rocketMQ的文件存储目录下，可以看到这样一个结构的的而文件。

CommitLog：

　　CommitLog是用来存放消息的物理文件，每个broker上的commitLog本当前机器上的所有consumerQueue共享，不做任何的区分。CommitLog中的文件默认大小为1G，可以动态配置；当一个文件写满以后，会生成一个新的commitlog文件。所有的Topic数据是顺序写入在CommitLog文件中的。文件名的长度为20位，左边补0，剩余未起始偏移量，比如00000000000000000000 表示第一个文件，文件大小为102410241024，当第一个文件写满之后，生成第二个文件000000000001073741824 表示第二个文件，起始偏移量为1073741824。

ConsumeQueue：

　　consumeQueue表示消息消费的逻辑队列，这里面包含MessageQueue在commitlog中的其实物理位置偏移量offset，消息实体内容的大小和Message Tag的hash值。对于实际物理存储来说，consumeQueue对应每个topic和queueid下的文件，每个consumeQueue类型的文件也是有大小，每个文件默认大小约为600W个字节，如果文件满了后会也会生成一个新的文件。

IndexFile：

　　索引文件，如果一个消息包含Key值的话，会使用IndexFile存储消息索引。Index索引文件提供了对CommitLog进行数据检索，提供了一种通过key或者时间区间来查找CommitLog中的消息的方法。在物理存储中，文件名是以创建的时间戳明明，固定的单个IndexFile大小大概为400M，一个IndexFile可以保存2000W个索引。

abort：

　　broker在启动的时候会创建一个空的名为abort的文件，并在shutdown时将其删除，用于标识进程是否正常退出，如果不正常退出,会在启动时做故障恢复。

Config:

　　可以看到这个里面保存了消费端consumer的偏移量：

　　以及topic的一些配置信息：

消息存储的整体结构：

　　RocketMQ的消息存储采用的是混合型的存储结构，也就是Broker单个实例下的所有队列公用一个日志数据文件CommitLog。这个是和Kafka又一个不同之处。为什么不采用kafka的设计，针对不同的partition存储一个独立的物理文件呢？这是因为在kafka的设计中，一旦kafka中Topic的Partition数量过多，队列文件会过多，那么会给磁盘的IO读写造成比较大的压力，也就造成了性能瓶颈。所以RocketMQ进行了优化，消息主题统一存储在CommitLog中。当然它也有它的优缺点

优点在于：由于消息主题都是通过CommitLog来进行读写，ConsumerQueue中只存储很少的数据，所以队列更加轻量化。对于磁盘的访问是串行化从而避免了磁盘的竞争
缺点在于：消息写入磁盘虽然是基于顺序写，但是读的过程确是随机的。读取一条消息会先读取ConsumeQueue，再读CommitLog，会降低消息读的效率。

消息发送到消息接收的整体流程:

1. Producer将消息发送到Broker后，Broker会采用同步或者异步的方式把消息写入到CommitLog。RocketMQ所有的消息都会存放在CommitLog中，为了保证消息存储不发生混乱，对CommitLog写之前会加锁，同时也可以使得消息能够被顺序写入到CommitLog，只要消息被持久化到磁盘文件CommitLog，那么就可以保证Producer发送的消息不会丢失。

2. commitLog持久化后，会把里面的消息Dispatch到对应的Consume Queue上，Consume Queue相当于kafka中的partition，是一个逻辑队列，存储了这个Queue在CommiLog中的起始offset，log大小和MessageTag的hashCode。

3. 当消费者进行消息消费时，会先读取consumerQueue , 逻辑消费队列ConsumeQueue保存了指定Topic下的队列消息在CommitLog中的起始物理偏移量Offset，消息大小、和消息Tag的HashCode值

4. 直接从consumequeue中读取消息是没有数据的，真正的消息主体在commitlog中，所以还需要从commitlog中读取消息

什么时候清理物理消息文件？那消息文件到底删不删，什么时候删？

　　消息存储在CommitLog之后，的确是会被清理的，但是这个清理只会在以下任一条件成立才会批量删除消息文件（CommitLog）：

消息文件过期（默认48小时），且到达清理时点（默认是凌晨4点），删除过期文件。
消息文件过期（默认48小时），且磁盘空间达到了水位线（默认75%），删除过期文件。
磁盘已经达到必须释放的上限（85%水位线）的时候，则开始批量清理文件（无论是否过期），直到空间充足。

　　注：若磁盘空间达到危险水位线（默认90%），出于保护自身的目的，broker会拒绝写入服务。