一文理解消息队列如何保证高可用

2021-06-25 21:02:15 浏览数 (1)

之前博客《一文理解为什么需要使用消息队列》提到过，系统引入消息队列后，需要考虑如何保证消息队列的高可用。

本篇文章将围绕几个常见的消息队列中间件（RabbitMQ，RocketMQ，Kafka）进行逐个讲解。

RabbitMQ

RabbitMQ 有三种模式：单机模式、普通集群模式、镜像集群模式。

单机模式

单机模式，一般是开发者本地启动调试使用，不会应用到生产环境。

普通集群模式

普通集群模式下，在多台机器上分别启动一个RabbitMQ实例。新创建的queue，只会放在其中一个RabbitMQ实例上，但是每个实例都同步queue的元数据（元数据是queue的一些配置信息，例如通过元数据可以找到queue所在实例）。在消费者进行消费的时候，如果连接到的实例没有指定的queue，那么这个实例会从queue所在实例上拉取数据过来。

这种模式下，要么消费者每次随机连接一个实例然后拉取数据，要么固定连接指定queue所在实例消费数据，前者有数据拉取的开销，后者可能会导致单实例性能瓶颈。

缺点：

  1. 性能开销大，不同节点间的数据传输，可能会导致网络带宽压力和消耗很重。
  2. 如果某个queue实例宕机，会导致节点接下来其他实例就无法从那个实例拉取消息。即时开启了消息持久化，在该节点重启的过程中，对外服务也是中断。

普通集群模式相对单机模式，提升了消费速度，提高了吞吐量。

镜像集群模式

这种模式下RabbitMQ才能实现高可用。跟普通集群模式不一样的是，在镜像集群模式下，创建的queue，无论元数据还是queue里的消息都会完整存在于多个实例上。

这样就可以保证任何一个节点宕机后，其他节点还包含了这个queue的完整数据，consumer可以到其他的节点上去消费数据。

缺点：

  1. 性能开销大，消息需要同步到多个节点，导致网络带宽压力和消耗很重。
  2. 节点没有拓展性。如果某个queue负载过重，即使添加新的RabbitMQ节点，也需要包含这个queue的所有数据。

注：

  1. 指定queue的消息同时存在节点的数量是可以通过RabbitMQ控制台配置进行设置。

镜像集群模式相对普通集群模式，提升了可用性，但对吞吐量没有改善。

RocketMQ

RocketMQ的集群方式分为：

  1. 多Master模式
  2. 多Master多Slave异步模式(一般生产环境使用)
  3. 多Master多Slave同步模式(对数据可靠性要求高时使用)

RocketMQ中由NameServer集群、Broker 集群、Producer 集群和Consumer集群组成。

  1. NameServer: 提供轻量级的服务发现和路由。每个NameServer记录完整的路由信息，提供等效的读写服务，并支持快速存储扩展。
  2. Broker: 通过提供轻量级的 Topic 和 Queue 机制来处理消息存储，同时支持推(push)和拉(pull)模式以及主从结构的容错机制。
  3. Producer：生产者，产生消息的实例，拥有相同Producer Group的Producer组成一个集群。
  4. Consumer：消费者，接收消息进行消费的实例，拥有相同Consumer Group的Consumer组成一个集群。

RocketMQ是通过Broker主从机制来实现高可用的。相同Broker名称，不同Brokerid的机器组成一个Broker组，BrokerId=0表明这个Broker是Master，BrokerId>0表明这个Broker是Slave。

消息生产的高可用：创建Topic时，把Topic的多个message queue创建在多个broker组上。这样当一个Broker组的Master不可用后，Producer仍然可以给其他组的Master发送消息。

消息消费的高可用：Consumer并不能配置从Master读还是Slave读。当Master不可用或者繁忙的时候，Consumer会被自动切换到从Slave读。这样当Master出现故障后，Consumer仍然可以从Slave读，保证了消息消费的高可用。

可以理解为：Rocketmq是通过多个Master实现写入容灾，通过主从实现读取容灾。

上图中，Broker Master1和Broker Slave1 是主从结构，实例之间会进行数据同步。同时每个Broker与NameServer集群中的所有节点建立长连接，定时注册Topic信息到所有NameServer中。

Producer与NameServer集群中的其中一个节点(随机选择)建立长连接，定期从NameServer获取Topic路由信息，并向提供Topic服务的Broker Master建立长连接，且定时向Broker发送心跳。Producer只能将消息发送到Broker Master；是Consumer则不一样，它同时和提供Topic服务的Master和Slave建立长连接，既可以从Broker Master订阅消息，也可以从Broker Slave订阅消息。

在RocketMQ里面，1台机器要么是Master，要么是Slave，这在初始的机器配置里面就确定了。其中Master的Broker id = 0，Slave的Broker id > 0。有点类似于MySQL的主从概念，Master挂了以后，Slave仍然可以提供读服务，但是由于有多主的存在，当一个Master挂了以后，可以写到其他的Master上。

2.1 多Master模式

只有Master，无Slave。某个实例挂了，该实例在重启前未被消费的消息无法被消费。

优点：配置简单，性能最高。

缺点：单台机器重启或宕机期间，该机器下未被消费的消息在机器恢复前不可订阅，影响消息实时性。

2.2. 多Master多Slave异步模式

每个Master配一个Slave，有多对Master-Slave，集群采用异步复制方式，主备有短暂消息延迟，毫秒级

优点：性能同多Master几乎一样，实时性高，主备间切换对应用透明，不需人工干预。

缺点：Master宕机或磁盘损坏时会有少量消息丢失。

2.3. 多Master多Slave同步模式

每个Master配一个Slave，有多对Master-Slave，集群采用同步双写方式，主备都写成功，才向应用返回成功

优点：服务可用性与数据可用性非常高。

缺点：性能比异步集群略低(大约低10%)。

Kafka

kafka 0.8以前，是没有HA机制的，就是任何一个Broker宕机了，那个Broker上的Partition就没法写也没法读，无法实现高可用性。

Kafka 0.8版本以后，增加了replica副本机制，从而实现了Kafka的高可用性。

基础知识

如果对Kafka不了解的话，可以先看这篇博客《一文快速了解Kafka》。

消息传递同步策略

Producer在发布消息到某个Partition时，先通过ZooKeeper找到该Partition的Leader，然后无论该Topic的Replication Factor为多少，Producer只将该消息发送到该Partition的Leader。Leader会将该消息写入其本地Log。每个Follower都从Leader pull数据。这种方式上，Follower存储的数据顺序与Leader保持一致。Follower在收到该消息并写入其Log后，向Leader发送ACK。当Leader收到了ISR中的所有Replica的ACK，该消息就被认为已经commit了，Leader将增加HW并且向Producer发送ACK。

为了提高性能，每个Follower在接收到数据后就立马向Leader发送ACK，而非等到数据写入Log中。因此，对于已经commit的消息，Kafka只能保证它被存于多个Replica的内存中，而不能保证它们被持久化到磁盘中，也就不能完全保证异常发生后该条消息一定能被Consumer消费。

Consumer读消息也是从Leader读取，只有被commit过的消息才会暴露给Consumer。

Kafka Replication的数据流如下图所示：

Kafka高可用机制

每个Partition的数据都会同步到其他机器上，形成自己的多个replica副本。然后所有replica会选举一个leader出来，那么生产和消费都跟这个leader打交道，然后其他replica就是follower。写的时候，leader会负责把数据同步到所有follower上去，读的时候就直接读leader上数据即可。只能读写leader？很简单，要是你可以随意读写每个follower，那么就要care数据一致性的问题，系统复杂度太高，很容易出问题。kafka会均匀的将一个partition的所有replica分布在不同的机器上，这样才可以提高容错性。

kafka的这种机制，就有所谓的高可用性了，因为如果某个broker宕机了，也没事儿，因为那个broker上面的partition在其他机器上都有副本的，那么此时会重新选举一个新的leader出来，大家继续读写那个新的leader即可。这就有所谓的高可用性了。

  1. 写过程

写数据的时候，生产者就写leader，然后leader将数据落地写本地磁盘，接着其他follower自己主动从leader来pull数据。一旦所有follower同步好数据了，就会发送ack给leader，leader收到所有follower的ack之后，就会返回写成功的消息给生产者。（当然，这只是其中一种模式，还可以适当调整这个行为）

  1. 读过程

消费的时候，只会从Leader去读，但是只有当一个消息已经被所有follower都同步成功并返回ack的时候，这个消息才能够被消费者读到。

对比RocketMQ与Kafka的架构区别

  1. namesrv VS zk(不考虑Kafka2.8的Raft元数据模式)

Kafka通过Zookeeper来进行协调，而RocketMq通过自身的namesrv进行协调：

  • Kafka在具备选举功能，在Kafka里面，Master/Slave的选举，有2步：第1步，先通过ZK在所有机器中，选举出一个KafkaController；第2步，再由这个Controller，决定每个partition的Master是谁，Slave是谁。因为有了选举功能，所以kafka某个partition的master挂了，该partition对应的某个slave会升级为主对外提供服务。
  • RocketMQ不具备选举，Master/Slave的角色也是固定的。当一个Master挂了之后，你可以写到其他Master上，但不能让一个Slave切换成Master。那么rocketMq是如何实现高可用的呢，其实很简单，rocketMq的所有broker节点的角色都是一样，上面分配的topic和对应的queue的数量也是一样的，Mq只能保证当一个broker挂了，把原本写到这个broker的请求迁移到其他broker上面，而并不是这个broker对应的slave升级为主。
  1. 吞吐量的对比
  • Kafka在消息存储过程中会根据Partition的数量创建物理文件，例如创建一个topic并指定了3个Partition，那么就会有3个物理文件。
  • RocketMQ使用commitLog进行消息存储（顺序写，随机读），相当于只有一个物理文件。

Kafka的多文件并发写入相对RocketMQ的单文件写入，Kafka的性能要好很多。但Kafka的大量文件存储会导致一个问题：当Broker中包含Partition特别多的时候，磁盘的访问会发生很大的瓶颈，毕竟单个文件看着是append操作，但是多个文件之间必然会导致磁盘的寻道。

apache kafka 消息队列CMQ版 rabbitmq

0 人点赞