在線業(yè)務(wù)側(cè)主要從RocketMQ集群部署架構(gòu)、平臺系統(tǒng)架構(gòu)、日常運維操作平臺、監(jiān)控告警一體化實踐以及vivo如何通過建設(shè)AMQP消息網(wǎng)關(guān)的方式完成所有在線業(yè)務(wù)服務(wù)從RabbitMQ到RocketMQ的業(yè)務(wù)無感遷移，實現(xiàn)了在線業(yè)務(wù)消息中間件組件的統(tǒng)一。

大數(shù)據(jù)側(cè)主要從資源隔離、流量均衡、智能動態(tài)限流、集群治理四個維度介紹Kafka在vivo的最佳實踐以及Kafka核心技術(shù)架構(gòu)在超大數(shù)據(jù)規(guī)模場景下的缺陷以及未來對Pulsar組件的長線規(guī)劃和建設(shè)。

一、分布式消息中間件在vivo的運營現(xiàn)狀

1.1 技術(shù)選型

在技術(shù)選型上，我們從吞吐量、功能特性、生態(tài)集成、開源活躍等多個維度對比了當前主流的分布式消息中間件，最終在線業(yè)務(wù)側(cè)我們選擇基于RocketMQ構(gòu)建消息平臺，依托RocketMQ豐富的功能特性滿足業(yè)務(wù)間削峰、解耦、異步化的需求。

大數(shù)據(jù)側(cè)我們選擇具備高并發(fā)、高可用、低延遲、高吞吐能力的分布式消息中間件Kafka。構(gòu)建超大數(shù)據(jù)規(guī)模處理能力的統(tǒng)一數(shù)據(jù)接入服務(wù)和實時數(shù)倉服務(wù)。Kafka組件作為統(tǒng)一數(shù)據(jù)接入服務(wù)，是大數(shù)據(jù)全鏈路中的咽喉要道，是大數(shù)據(jù)生態(tài)體系建設(shè)中不可或缺的重要組件之一。

1.2 規(guī)?，F(xiàn)狀

運營指標方面目前大數(shù)據(jù)業(yè)務(wù)側(cè)Kafka集群接入項目數(shù)百、接入規(guī)模方面Topic數(shù)量達到數(shù)萬、集群日均處理消息達數(shù)十萬億條、可用性保障99.99%、單機日均處理消息達數(shù)百億條。

在線業(yè)務(wù)側(cè)RocketMQ集群接入項目數(shù)百、接入規(guī)模方面接入數(shù)千服務(wù)、集群日均處理消息達數(shù)百億條、可用性保障100%，發(fā)送平均耗時<1ms。

二、大數(shù)據(jù)側(cè)消息中間件最佳實踐

2.1 Kafka簡介

首先我們看下Kafka的官網(wǎng)定義及發(fā)展歷史，Kafka是由Apache軟件基金會開源的一個流處理平臺，是一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)。具有高吞吐、低延遲、高并發(fā)、高可用、高可擴等特性。

Kafka是由LinkedIn公司在2010年開源，2011年交由Apache軟件基金會進行孵化，2012年成為Apache軟件基金會的頂級開源項目。

2.2 Kafka在超大數(shù)據(jù)規(guī)模場景下面臨的挑戰(zhàn)

在超大數(shù)據(jù)規(guī)模場景下我們會面臨以下幾個問題？

1. 如何規(guī)劃資源隔離保證核心業(yè)務(wù)、高優(yōu)業(yè)務(wù)、一般業(yè)務(wù)之間相互不受影響？
2. 如何保證集群內(nèi)部節(jié)點間流量均衡，降低單節(jié)點或部分節(jié)點流量差異太大帶來的資源浪費？
3. 超大數(shù)據(jù)規(guī)模場景下如何進行限流保障集群的穩(wěn)定性并盡可能降低對業(yè)務(wù)可用性的影響？
4. 集群長期運行，客戶端版本多樣，如何持續(xù)保障集群的高可用性？

下面我將從資源隔離、流量均衡、智能動態(tài)限流、集群治理四個維度和大家一起交流Kafka在vivo的最佳實踐。

2.3 資源隔離

資源隔離的核心作用在于避免業(yè)務(wù)與業(yè)務(wù)之間的相互影響，但隔離粒度、資源利用率、運維成本之間如何進行權(quán)衡，是我們需要思考的重點。隔離粒度太粗會導致隔離效果不佳，隔離粒度太細會導致資源利用率較低、運維成本增加。

那vivo在Kafka集群資源隔離上是如何平衡三者關(guān)系的呢？

首先我們根據(jù)業(yè)務(wù)屬性、業(yè)務(wù)線兩個維度進行集群維度的隔離，例如我們在集群劃分上分為了商業(yè)化專用集群，監(jiān)控專用集群，日志專用集群等。在集群維度做了機器資源的物理隔離。

同時我們在集群內(nèi)部引入了資源組的概念。同一個集群內(nèi)部可以包含多個資源組。每個資源組可以為多個業(yè)務(wù)提供服務(wù)。資源組與資源組之間相互獨立。

上圖中右上圖是我們沒有引入資源組概念時集群內(nèi)部不同業(yè)務(wù)Topic分區(qū)的分散情況，大家可以看到業(yè)務(wù)A和業(yè)務(wù)B的Topic分區(qū)分散到集群內(nèi)的所有broker上，若業(yè)務(wù)A的流量突增可能會造成業(yè)務(wù)B受到影響，右下圖是我們引入資源組概念后不同業(yè)務(wù)Topic分區(qū)的分散情況，可以看到不同業(yè)務(wù)的topic分區(qū)只會分配到自己業(yè)務(wù)所屬的資源組內(nèi)，即使業(yè)務(wù)A的流量突增導致機器不可用也不會對業(yè)務(wù)B造成影響。

引入資源組概念后讓我們能在集群內(nèi)部實現(xiàn)機器資源的邏輯隔離。所以我們在資源隔離方面采用了物理隔離和邏輯隔離兩種方式相結(jié)合，實現(xiàn)了在超大數(shù)據(jù)規(guī)模場景下Kafka集群的資源隔離方案。

2.4 流量均衡

流量均衡的核心作用在于充分利用集群內(nèi)部資源，提升資源利用率。Kafka服務(wù)作為一個有狀態(tài)的服務(wù)，Kafka在技術(shù)架構(gòu)設(shè)計上Topic分區(qū)與節(jié)點綁定，不支持分區(qū)同一副本數(shù)據(jù)在磁盤和節(jié)點維度分散存儲。對分區(qū)的讀寫請求都由分區(qū)Leader所在節(jié)點進行處理。所以Kafka集群流量均衡的本質(zhì)是Topic分區(qū)的分散均衡。

在流量均衡方面我們做兩期的建設(shè)，第一期我們在分區(qū)分散均衡算法上引入機器的實時出入流量、cpu負載、磁盤存儲等指標作為負載因子生成分區(qū)遷移計劃。執(zhí)行分區(qū)遷移后達到流量均衡的目的。流量均衡一期功能上線后我們將資源組內(nèi)節(jié)點間流量差異從數(shù)百兆/s降低到數(shù)十兆/s。隨著集群數(shù)據(jù)規(guī)模的持續(xù)增加，我們發(fā)現(xiàn)數(shù)十兆/s的流量差異依然會造成資源浪費。

所以在流量均衡二期功能建設(shè)上我們增加了分區(qū)分散均衡、Leader分散均衡、副本分散均衡、磁盤均衡等Kafka元數(shù)據(jù)指標作為負載因子生成Kafka分區(qū)遷移計劃，并在分區(qū)遷移執(zhí)行上增加了多種遷移提交策略。流量均衡二期功能上線后我們將資源組內(nèi)節(jié)點間流量差異從數(shù)十兆/s降低到十兆以內(nèi)/s。

上圖是我們流量均衡一期功能上線前后資源組內(nèi)節(jié)點的流量監(jiān)控面板，可以看到一期功能上線前資源組內(nèi)節(jié)點間的流量偏差在數(shù)百兆/s。一期功能上線后資源組內(nèi)節(jié)點間流量偏差在數(shù)十兆/s以內(nèi)，資源組內(nèi)節(jié)點間流量偏差降低75%。極大提升了服務(wù)端的資源利用率。

上圖是我們流量均衡二期功能上線前后資源組內(nèi)節(jié)點的入出流量監(jiān)控面板，可以看到節(jié)點間入出流量偏差從數(shù)十兆/s降低到十兆以內(nèi)/s，資源組內(nèi)節(jié)點間流量偏差降低80%。效果也是非常明顯。

2.5 智能動態(tài)限流

限流的本質(zhì)是限制客戶端的流量突增以確保服務(wù)端的可用性。避免客戶端的流量突增導致服務(wù)端整體不可用。限流的粒度，限流閾值的設(shè)定，資源利用率、服務(wù)端穩(wěn)定性之間應(yīng)該如何做權(quán)衡呢？是我們需要思考的重點。限流粒度太粗會導致限流效果不佳，當大部分業(yè)務(wù)同時流量突增會對服務(wù)端的穩(wěn)定性帶來風險。限流粒度太細服務(wù)端應(yīng)對客服端流量突增能力不足，限流閾值設(shè)置太大會給服務(wù)端穩(wěn)定性帶來風險，限流閾值設(shè)置太小會導致服務(wù)端資源利用率較低。

限流方面，

1. 首先我們采用多平臺聯(lián)合診斷機制根據(jù)項目實際生產(chǎn)數(shù)據(jù)情況判別是否需要進行流量調(diào)整，計算調(diào)整后的限流閾值。其中多平臺包含（JMX統(tǒng)一指標采集平臺，統(tǒng)一監(jiān)控平臺、統(tǒng)一告警平臺、Kafka集群管理平臺等）。
2. 第二、智能分析Kafka集群服務(wù)資源負載情況，計算各資源剩余情況。確定是否可以進行閾值調(diào)整并結(jié)合客戶端實際生產(chǎn)數(shù)據(jù)情況計算閾值調(diào)整到多少合適。
3. 第三、自動實時調(diào)整限流閾值。

通過以上三步實現(xiàn)智能動態(tài)限流方案。解決了限流粒度、限流閾值設(shè)定、資源利用率、Kafka集群可用性四者之間的平衡關(guān)系。

實現(xiàn)智能動態(tài)限流后給我們帶來以下幾點明顯的收益。

1. 大大提升Kafka集群服務(wù)端應(yīng)對客戶端流量突增的能力。
2. 利用項目錯峰的方式進一步提升Kafka集群的資源利用率。
3. 智能化自動調(diào)整項目限流閾值無需人工介入，大大降低Kafka集群在超大數(shù)據(jù)規(guī)模場景下的運維成本。
4. 動態(tài)根據(jù)服務(wù)端負載情況調(diào)整項目限流閾值，盡可能減小限流對業(yè)務(wù)可用性的影響。

2.6 集群治理

Kafka集群元數(shù)據(jù)統(tǒng)一由ZooKeeper集群管理，元數(shù)據(jù)信息永久有效永不過期，元數(shù)據(jù)的下發(fā)由Kafka Controller節(jié)點統(tǒng)一下發(fā)，隨著業(yè)務(wù)的不斷發(fā)展，數(shù)據(jù)規(guī)模的不斷增加，集群內(nèi)部Topic的數(shù)量達到萬級，分區(qū)數(shù)量達到數(shù)十萬級。元數(shù)據(jù)治理能有效避免元數(shù)規(guī)模給Kafka集群穩(wěn)定性帶來的影響。隨著接入的服務(wù)、Kafka用戶越來越多，正確的使用Kafka 客戶端也能大大提升Kafka服務(wù)端的穩(wěn)定性和資源利用率。Kafka分區(qū)與磁盤目錄綁定，創(chuàng)建Topic、Topic分區(qū)擴容時根據(jù)Topic流量合理設(shè)置Topic分區(qū)數(shù)能有效避免單機或單盤性能瓶頸成為集群整體的性能瓶頸。

vivo在Kafka集群治理方面實現(xiàn)了節(jié)點流量偏差治理、Topic元數(shù)據(jù)治理、Topic分區(qū)數(shù)據(jù)傾斜治理、Topic超大分區(qū)治理、Topic消費延遲治理等方案為Kafka集群的高可用性保駕護航。

2.7 實踐經(jīng)驗沉淀

vivo Kafka消息中間件團隊在三年時間內(nèi)，根據(jù)實際的業(yè)務(wù)場景和生產(chǎn)數(shù)據(jù)規(guī)模沉淀了較多的實踐經(jīng)驗。例如在高可用/高可擴方面實現(xiàn)了機架感知、彈性伸縮、數(shù)據(jù)壓縮等能力建設(shè)，在監(jiān)控告警方面提供了用戶限流告警、Topic流量突增告警、消費延遲告警、Leader實時監(jiān)控告警，多平臺聯(lián)合故障感知告警等能力建設(shè)。我們?yōu)镵afka集群做了很多的擴展能力建設(shè)，那解決了Kafka集群在超大數(shù)據(jù)規(guī)模場景下的所有問題了嗎？答案是否定的。

接下來我們一起看看Kafka集群在超大數(shù)據(jù)規(guī)模場景下面臨的新挑戰(zhàn)。

2.8 Kafka在超大數(shù)據(jù)規(guī)模場景下由技術(shù)架構(gòu)帶來的缺陷

由Kafka架構(gòu)設(shè)計所帶來的一些痛點無法通過擴展能力解決，并且Kafka架構(gòu)設(shè)計上分區(qū)同一副本數(shù)據(jù)與磁盤強綁定不支持分散存儲、不支持存儲與運算分離、不支持冷熱數(shù)據(jù)分層存儲等設(shè)計缺陷在超大數(shù)據(jù)規(guī)模場景下顯得尤為明顯。所以在超大數(shù)據(jù)規(guī)模場景下Kafka集群面臨了以下幾個痛點。

1. 資源利用率低。
2. 無法快速響應(yīng)業(yè)務(wù)增長。
3. 故障恢復時間長。
4. 歷史數(shù)據(jù)消費故障率高（主要體現(xiàn)在磁盤io性能上）。

2.9 大數(shù)據(jù)側(cè)分布式消息中間件未來規(guī)劃

基于以上Kafka在架構(gòu)設(shè)計上的缺陷，vivo Kafka團隊于2021年開始對另一款開源分布式消息中間件Pulsar進行調(diào)研。

2.9.1 Pulsar簡介

我們看下Pulsar的官網(wǎng)定義及發(fā)展史：Pulsar 是 Apache軟件基金會的頂級開源項目，是集消息、存儲、輕量化函數(shù)式計算為一體的下一代云原生分布式消息流組件，采用了計算與存儲分離的架構(gòu)設(shè)計，支持多租戶、持久化存儲、多機房跨區(qū)域數(shù)據(jù)復制，具有高并發(fā)、高吞吐、低延時、高可擴，高可用等特性。

Pulsar 誕生于2012 雅虎公司內(nèi)部，2016年開源交由Apache軟件基金會進行孵化，2018年成為Apache軟件基金會頂級開源項目。

2.9.2 Pulsar核心優(yōu)勢

基于Pulsar支持存算分離，分區(qū)數(shù)據(jù)分散存儲、冷熱數(shù)據(jù)分層存儲、Broker無狀態(tài)等架構(gòu)設(shè)計，讓Pulsar在超大數(shù)據(jù)規(guī)模場景下具備了資源利用率較高、快速響應(yīng)業(yè)務(wù)增長、秒級故障恢復、實時流量均衡、支持海量數(shù)據(jù)存儲等明顯優(yōu)勢。

2.9.3 Pulsar未來規(guī)劃

我們對Pulsar組件的規(guī)劃分為四個階段，包含項目啟動、穩(wěn)定性建設(shè)、能力進階、穩(wěn)定運營。

目前我們處在Pulsar組件穩(wěn)定性建設(shè)階段。

2022年我們的目標是打造支持日均萬億級消息處理能力的Pulsar集群，完成分層存儲，監(jiān)控告警一體化、KoP功能平臺化等擴展能力建設(shè)。

計劃2023年打造具備日均十萬億級消息處理能力的Pulsar集群，達到行業(yè)一流水準。并完成Pulsar broker容器化部署、Pulsar生態(tài)體系建設(shè)、Pulsar Sql和Pulsar Function的應(yīng)用調(diào)研等擴展能力建設(shè)。

將在2024年實現(xiàn)日均數(shù)十萬億級消息處理能力的Pulsar集群，達到行業(yè)超一流的水準。

三、在線業(yè)務(wù)側(cè)消息中間件最佳實踐

3.1 RocketMQ簡介

RocketMQ是阿里巴巴于2012年開源的低延時、高并發(fā)、高可用、高可靠的分布式消息中間件，具有海量消息堆積、高吞吐、可靠重試等特性。

RocketMQ于2012年開源，2016年進入Apache孵化，于2017年成為Apache頂級項目。

3.2 RocketMQ在vivo內(nèi)部使用現(xiàn)狀

vivo中間件團隊在2021年引入RocketMQ并且完成了高可用和平臺化建設(shè)。

當前分別在多個機房部署了多個集群供業(yè)務(wù)使用，每日消息量數(shù)百億。

集群分布在多個機房，每日消息量級也不低，高可用運維保障是有難度的。

3.3 vivo基于RocketMQ的高可用保障實踐經(jīng)驗

3.3.1 集群部署架構(gòu)介紹

為了更好的保障集群的高可用，我們采用了雙機房熱備的方式進行集群搭建。

我們會在兩個機房進行Broker的部署，業(yè)務(wù)Topic會默認分布在兩個機房，以此來保障在一個機房內(nèi)的Broker節(jié)點異常時業(yè)務(wù)可以保持正常生產(chǎn)消費能力。

業(yè)務(wù)默認是會優(yōu)先使用本機房的節(jié)點進行生產(chǎn)消費，只有在異常時才會自動快速完成跨機房的流量切換。

同時我們構(gòu)建了一個BrokerController模塊用于實現(xiàn)Broker節(jié)點的主從切換，以此保障集群容量的快速恢復。

雙機房熱備模式有哪些優(yōu)勢呢？

• 第一，消息無需跨機房復制，降低對機房專線的依賴；
• 第二，可以降低業(yè)務(wù)發(fā)送消息的延時，也可以提升業(yè)務(wù)的處理性能；

雙機房熱備模式的劣勢是每個機房的節(jié)點都需要冗余一定的buffer來支撐其它機房的節(jié)點異常時自動轉(zhuǎn)移過來的業(yè)務(wù)流量。

3.3.2 平臺系統(tǒng)架構(gòu)介紹

集群雙機房熱備部署模式是消息平臺的高可用基石，在此之外我們還建設(shè)了多個平臺模塊來保障平臺的高可靠。

如上圖所示，

• mq-rebalance模塊用于支撐集群流量的自動負載均衡；
• mq-monitor模塊進行監(jiān)控指標的采集并且與vivo內(nèi)部的監(jiān)控系統(tǒng)打通；
• mq-recover模塊主要用于業(yè)務(wù)流量的降級和恢復處理；
• mq-live模塊用于集群的探活。

另外我們還基于社區(qū)的connector組件建設(shè)了RabbitMQ-connector，實現(xiàn)了全球消息路由能力。

后續(xù)我們計劃建設(shè)基于gRPC協(xié)議建設(shè)通用的消息網(wǎng)關(guān)實現(xiàn)與集群的交互，以此屏蔽不同的消息中間件選型。

3.3.3 運維能力平臺化提升運維效率

主要有三點實踐：

第一，RocketMQ集群配置平臺化管理。RocketMQ集群含有較多的配置項，默認是通過節(jié)點文件管理的，在大規(guī)模集群運維過程中會存在維護困難的問題。

通過平臺化管理可以確保集群內(nèi)配置統(tǒng)一，節(jié)點在啟動時從平臺中讀取到所有的配置，避免在集群部署時需要登錄到機器進行配置維護，并且我們支持了集群配置的動態(tài)生效。

第二，運維操作平臺化，例如Broker節(jié)點的流量摘除與掛載、Topic一鍵擴縮容等直接通過平臺支撐，實現(xiàn)便捷運維。

第三，集群維護平臺化，我們將集群與Broker節(jié)點的關(guān)系維護在平臺中，并且在首次部署時分配Broker節(jié)點所在集群，這樣在平臺上就有清晰的集群信息，便于我們維護管理多套集群。

3.3.4 平臺監(jiān)控告警能力建設(shè)

• 一方面，我們?yōu)槊總€集群都建設(shè)了如上圖所示的監(jiān)控大盤。
  在監(jiān)控大盤中有每個集群的生產(chǎn)消費流量、業(yè)務(wù)生產(chǎn)消費統(tǒng)計、發(fā)送耗時等信息，支撐我們快速觀察集群的運行狀態(tài)，方便日常巡檢。
  消息中間件作為在線業(yè)務(wù)請求處理鏈路中的關(guān)鍵環(huán)節(jié)，高可用尤為關(guān)鍵。監(jiān)控大盤中的發(fā)送耗時信息是我們認為觀察集群是否穩(wěn)定運行的最關(guān)鍵的指標。
• 另一方面，我們對集群構(gòu)建了豐富的監(jiān)控告警能力。
  如上圖所示，我們分別對主機維度、集群維度、Topic/Group維度、客戶端維度都做了監(jiān)控指標埋點上報。
  通過豐富的監(jiān)控告警，我們可以及時發(fā)現(xiàn)問題并快速介入處理問題，詳細的監(jiān)控告警也可以幫助我們快速確認問題根源。

3.4 業(yè)務(wù)從RabbitMQ無感遷移到RocketMQ實戰(zhàn)經(jīng)驗

3.4.1 使用RocketMQ替換RabbitMQ根因分析

分別從可用性保障、性能、容量、功能特性對比RabbitMQ和RocketMQ。

• 可用性保障方面，RabbitMQ集群無負載均衡能力，隊列流量實際由集群內(nèi)某個節(jié)點承載，存在瓶頸。其次RabbitMQ存在腦裂問題，從我們的運維經(jīng)驗看如果出現(xiàn)網(wǎng)絡(luò)故障集群通常無法自動恢復，并且可能丟失少量數(shù)據(jù)。
• 性能方面，RabbitMQ集群整體性能較低，并且不支持水平擴展。
• 容量方面，從我們的運維經(jīng)驗看，當消息堆積到千萬后，RabbitMQ性能就會有所下降。在大量消息堆積開始消費后，因為RabbitMQ的背壓流控機制，最終可能會因為集群負載過大導致發(fā)送限流深圳發(fā)送阻塞。
• 功能特性方面，RabbitMQ不支持消費異常延時重投遞功能，也不支持消息軌跡、事務(wù)消息、順序消息等特性。

而RocketMQ在可用性保障、性能、容量、功能特性方面相對于RabbitMQ都是更優(yōu)的。

• 可用性保障方面，RocketMQ采用多主多從的松耦合架構(gòu)部署，主從間通過同步雙寫保障消息的可靠性和一致性。
• 性能方面，Topic可以分布在多個Broker中，實現(xiàn)水平擴容，并且RocketMQ支持從從節(jié)點拉取消息，讀寫分離的設(shè)計很好的支持了業(yè)務(wù)讀取冷數(shù)據(jù)的訴求。
• 容量方面，RocketMQ使用磁盤存儲，磁盤容量就是消息的存儲容量，利用從從節(jié)點拉取冷數(shù)據(jù)特性，海量消息堆積對消息寫入性能基本無影響。
• 功能特性方面，RocketMQ支持了消息軌跡、事務(wù)消息、順序消息等特性。

綜合分析，RocketMQ可以更好的支撐互聯(lián)網(wǎng)業(yè)務(wù)的訴求。

3.4.2 AMQP消息網(wǎng)關(guān)架構(gòu)支撐實現(xiàn)無感遷移

由于當前RabbitMQ已經(jīng)有數(shù)千個服務(wù)接入，為了讓業(yè)務(wù)不修改代碼即可遷移到RocketMQ，我們建設(shè)了一個AMQP消息網(wǎng)關(guān)來實現(xiàn)MQ協(xié)議的解析和流量轉(zhuǎn)發(fā)。

如上圖所示，MQ-Proxy模塊用于解析AMQP協(xié)議，代理客戶端的生產(chǎn)消費請求。

RabbitMQ的元數(shù)據(jù)信息存在在集群中，并且與RocketMQ元數(shù)據(jù)概念存在差異，為此我們建設(shè)了MQ-Meta模塊用于維護Exchange/Queue極其綁定關(guān)系等元數(shù)據(jù)信息，并且Proxy模塊可以動態(tài)感知元數(shù)據(jù)變更。

另外，為了更好的支撐業(yè)務(wù)訴求，我們對AMQP協(xié)議進行了擴展，支持了局部有序和批量消費能力。

3.4.3 RabbitMQ和RocketMQ元數(shù)據(jù)概念映射

為了更好的整合RabbitMQ和RocketMQ，我們對它們的元數(shù)據(jù)進行了一一對應(yīng)。

其中將RabbitMQ的Exchange映射為RocketMQ的Topic，Queue映射為Group，RoutingKey映射為消息頭的一個參數(shù)，VirtualHost映射為Namespace。

為什么將RoutingKey映射為消息頭的一個參數(shù)而不是Tag呢？這是因為RabbitMQ的RoutingKey是有模糊匹配過濾能力的，而RocketMQ的Tag是不支持模糊匹配的。

另外我們還通過擴展使得RocketMQ也支持了RoutingKey過濾。

在經(jīng)過多輪優(yōu)化后，在1KB消息體場景下，一臺8C16G的機器在單發(fā)送下可支撐超過九萬的TPS，單推送可以支撐超過六萬TPS，性能上很好的滿足了當前業(yè)務(wù)的訴求。

3.5 在線業(yè)務(wù)消息中間件的未來規(guī)劃

主要有兩部分：

一方面，我們希望可以調(diào)研升級到RocketMQ5.0版本架構(gòu)，RocketMQ5.0的存算分離架構(gòu)可以更好的解決我們當前遇到的存儲瓶頸問題，Pop消費可以幫助我們實現(xiàn)更好的消費負載均衡。

我們還希望可以基于gRPC協(xié)議建設(shè)統(tǒng)一的消息網(wǎng)關(guān)能力。

另一方面，我們希望可以探索消息中間件容器化部署，提供消息中間件的快速彈性擴縮容能力，更好的支持業(yè)務(wù)需求。

四、總結(jié)

回顧vivo消息中間件演進歷史，我們完成了在線業(yè)務(wù)消息中間件從RabbitMQ遷移到RocketMQ，大數(shù)據(jù)消息中間件正在從kafka演進為使用pulsar支撐。

我們理解消息中間件將繼續(xù)朝著云原生演進，滿足業(yè)務(wù)快速增長的訴求，充分利用云的優(yōu)勢為業(yè)務(wù)提供極致的體驗。