這篇文章，我們聊聊如何應對 RocketMQ 消息堆積。
圖片
1 基礎概念
消費者在消費的過程中，消費的速度跟不上服務端的發送速度，未處理的消息會越來越多，消息出現堆積進而會造成消息消費延遲。
雖然筆者經常講：RocketMQ 、Kafka 具備堆積的能力，但是以下場景需要重點關注消息堆積和延遲的問題：
- 業務系統上下游能力不匹配造成的持續堆積，且無法自行恢復。
- 業務系統對消息的消費實時性要求較高，即使是短暫的堆積造成的消息延遲也無法接受。
2 消費原理
圖片
客戶端使用 Push 模式 啟動后，消費消息時，分為以下兩個階段：
- 階段一：拉取消息客戶端通過長輪詢批量拉取的方式從 Broker 服務端獲取消息，將拉取到的消息緩存到本地緩沖隊列中。客戶端批量拉取消息，常見內網環境下都會有很高的吞吐量，例如：1個單線程單分區的低規格機器（4C8GB）可以達到幾萬 TPS ，如果是多個分區可以達到幾十萬 TPS 。所以這一階段一般不會成為消息堆積的瓶頸。
- 階段二：消費消息提交消費線程，客戶端將本地緩存的消息提交到消費線程中，使用業務消費邏輯進行處理。此時客戶端的消費能力就完全依賴于業務邏輯的復雜度（消費耗時）和消費邏輯并發度了。如果業務處理邏輯復雜，處理單條消息耗時都較長，則整體的消息吞吐量肯定不會高，此時就會導致客戶端本地緩沖隊列達到上限，停止從服務端拉取消息。
通過以上客戶端消費原理可以看出，消息堆積的主要瓶頸在于本地客戶端的消費能力，即消費耗時和消費并發度。
想要避免和解決消息堆積問題，必須合理的控制消費耗時和消息并發度，其中消費耗時的優先級高于消費并發度，必須先保證消費耗時的合理性，再考慮消費并發度問題。
3 消費瓶頸
3.1 消費耗時
影響消費耗時的消費邏輯主要分為 CPU 內存計算和外部 I/O 操作，通常情況下代碼中如果沒有復雜的遞歸和循環的話，內部計算耗時相對外部 I/O 操作來說幾乎可以忽略。
外部 I/O 操作通常包括如下業務邏輯：
- 讀寫外部數據庫，例如 MySQL 數據庫讀寫。
- 讀寫外部緩存等系統，例如 redis 讀寫。
- 下游系統調用，例如 Dubbo 調用或者下游 HTTP 接口調用。
這類外部調用的邏輯和系統容量需要提前梳理，掌握每個調用操作預期的耗時，這樣才能判斷消費邏輯中I/O操作的耗時是否合理。
通常消費堆積都是由于這些下游系統出現了服務異常、容量限制導致的消費耗時增加。
例如：某業務消費邏輯中需要調用下游 Dubbo 接口 ，單次消費耗時為 20 ms，平時消息量小未出現異常。業務側進行大促活動時，下游 Dubbo 服務未進行優化，消費單條消息的耗時增加到 200 ms，業務側可以明顯感受到消費速度大幅下跌。此時，通過提升消費并行度并不能解決問題，需要大幅提高下游 Dubbo 服務性能才行。
3.2 消費并發度
絕大部分消息消費行為都屬于 IO 密集型，即可能是操作數據庫，或者調用 RPC，這類消費行為的消費速度在于后端數據庫或者外系統的吞吐量，通過增加消費并行度，可以提高總的消費吞吐量，但是并行度增加到一定程度，反而會下降。
所以，應用必須要設置合理的并行度。如下有幾種修改消費并行度的方法：
- 同一個 ConsumerGroup 下，通過增加 Consumer 實例數量來提高并行度（需要注意的是超過訂閱隊列數的 Consumer 實例無效）。可以通過加機器，或者在已有機器啟動多個進程的方式。
- 提高單個 Consumer 實例的消費并行線程，通過修改參數 consumeThreadMin、consumeThreadMax 實現。
4 解決策略
當面對消息堆積問題時，我們需要明確到底哪個環節出現問題了，不要慌張，也不要貿然動手。
4.1 確認消息的消費耗時是否合理
首先，我們需要查看消費耗時，確認消息的消費耗時是否合理。查看消費耗時一般來講有兩種方式：
1、打印日志
public ConsumeConcurrentlyStatus consumeMessage(List<MessageExt> msgs, ConsumeConcurrentlyContext context) {
try {
for (MessageExt messageExt : msgs) {
long start = System.currentTimeMillis();
// TODO 業務邏輯
logger.info("MessageId:" + messageExt.getMsgId() + " costTime:" + (System.currentTimeMillis() - start));
}
return ConsumeConcurrentlyStatus.CONSUME_SUCCESS;
} catch (Exception e) {
logger.error("consumeMessage error:", e);
return ConsumeConcurrentlyStatus.RECONSUME_LATER;
}
}
- 1.
- 2.
- 3.
- 4.
- 5.
- 6.
- 7.
- 8.
- 9.
- 10.
- 11.
- 12.
- 13.
2、查看消息軌跡
圖片
當確定好消費耗時后，可以根據耗時大小，采取不同的措施。
- 若查看到消費耗時較長，則需要查看客戶端 JVM 堆棧信息排查具體業務邏輯，并優化消費邏輯。
- 若查看到消費耗時正常，則有可能是因為消費并發度不夠導致消息堆積，需要逐步調大消費線程或擴容節點來解決。
4.2 查看客戶端 JVM 的堆棧
假如消費耗時非常高，需要查看 Consumer 實例 JVM 的堆棧 。
- 通過 jps -m 或者 ps -ef | grep JAVA 命令獲取當前正在運行的 Java 程序，通過啟動主類即可獲得應用的進程 pid ;
- 通過 jstack pid > stack.log 命令獲取線程的堆棧。
- 執行以下命令，查看 ConsumeMessageThread 的信息 。
cat stack.log | grep ConsumeMessageThread -A 10 --color
- 1.
常見的異常堆棧信息如下：
- 示例1：空閑無堆積的堆棧 。消費空閑情況下消費線程都會處于 WAITING 狀態等待從消費任務隊里中獲取消息。
圖片
- 示例2：消費邏輯有搶鎖休眠等待等情況 。消費線程阻塞在內部的一個睡眠等待上，導致消費緩慢。
圖片
- 示例3：消費邏輯操作數據庫等外部存儲卡住 。消費線程阻塞在外部的 HTTP 調用上，導致消費緩慢。
圖片
5 總結
客戶端使用 Push模式 啟動后，消費消息時，分為以下兩個階段：拉取消息和消費消息。
客戶端消費原理可以看出，消息堆積的主要瓶頸在于本地客戶端的消費能力，即消費耗時和消費并發度。
首先分析消費耗時，然后根據耗時大小，采取不同的措施。
- 若查看到消費耗時較長，則查看客戶端堆棧信息排查具體業務邏輯，并優化消費邏輯。
- 若查看到消費耗時正常，則有可能是因為消費并發度不夠導致消息堆積，需要逐步調大消費線程或擴容節點來解決。
參考文檔：
阿里云官方文檔：
https://help.aliyun.com/zh/apsaramq-for-rocketmq/cloud-message-queue-rocketmq-4-x-series/use-cases/message-accumulation-and-latency#concept-2004064
