RocketMQ生产者与消费者

Producer

Producer将消息发送到某Broker中的Queue中，经历如下过程

• Producer发送消息之前，会先去NameServer拉取Topic的路由信息

• NameServer返回该Topic信息及Broker列表

• Producer根据代码中指定的Queue选择策略，从Queue列表中选出一个队列，用于发送消息

• Produer对消息做一些处理，例如，消息本身超过4M，则会对其进行压缩

• Producer向选择出的Queue所在的Broker发出RPC请求，将消息发送到选择出的Queue

Queue选择算法

对于无序消息，其Queue选择算法，也称为消息投递算法，常见的有两种：

• 1）轮询算法（默认）该算法保证了每个Queue中可以均匀的获取到消息。（缺点：由于某些原因、在某些Broker上的Queue可能投递延迟较严重。从而导致 Producer的缓存队列中出现较大的消息积压、影响消息的投递性能。）

2 ）最小投递延迟算法。该算法会统计每次消息投递的时间延迟，然后根据统计出的结果将消息投递到时间延迟最小的Queue。 如果延迟相同，则采用轮询算法投递。该算法可以有效提升消息的投递性能。（缺点：消息在Queue上的分配不均匀。投递延迟小的Queue其可能会存在大量 的消息。而对该Queue的消费者压力会增大、降低消息的消费能力、  可能会导致MQ中消息的堆 积。） 

Consumer

消费模式

1)广播模式：

 广播消费模式下，相同Consumer Group的每个Consumer实例都接收同一个Topic的全量消息。即每条消息都会被发送到Consumer Group中的每个Consumer。

2）集群消费：

 集群消费模式下，相同Consumer Group的每个Consumer实例平均分摊同一个Topic的消息。即每条消息只会被发送到Consumer Group中的某个Consumer。

消息进度保存

广播模式：消费进度保存在consumer端。因为广播模式下consumer group中每个consumer都会消费所有消息，但它们的消费进度是不同。所以consumer各自保存各自的消费进度。

集群模式：消费进度保存在broker中。  consumer group中的所有consumer共同消费同一个Topic 中的消息，同一条消息只会被消费一次。

Rebalance机制

什么是Rebalance；Rebalance即再均衡，指的是，将⼀个Topic下的多个Queue在同⼀个Consumer Group中的多个 Consumer间进行重新分配的过程。

Rebalance危害
1）暂停消费：  例如在只有一个Consumer时，其负责消费所有队列；在新增了一个Consumer后会触发Rebalance的发生。此时原Consumer就需要暂停部分队列的消费，等到这些队列分配给新的Consumer 后，这些暂停的队列才能继续被消费。
2）消费重复：  Consumer 在消费新分配给自己的队列时，必须接着之前Consumer 提交的消费进度的offset 继续消费。然而默认情况下，  offset是异步提交的，这个异步性导致提交到Broker的offset与Consumer  实际消费的消息并不一致。这可能会导致重复消费。

Rebalance过程

在Broker中维护着多个Map集合，这些集合中动态存放着当前Topic中Queue的信息、  Consumer Group 中Consumer实例的信息。一旦发现消费者所订阅的Queue数量发生变化，或消费者组中消费者的数量Consumer实例在接收到通知后会采用 Queue分配算法 自己获取到相应的Queue，即由Consumer实例 自主进行Rebalance。

与Kafka对比
在Kafka中，一旦发现出现了Rebalance条件，  Broker会调用Group Coordinator来完成Rebalance。     Coordinator是Broker中的一个进程。  Coordinator会在Consumer Group中选出一个Group Leader。由 这个Leader根据自己本身组情况完成Partition分区的再分配。这个再分配结果会上报给Coordinator， 并由Coordinator同步给Group中的所有Consumer实例。Kafka中的Rebalance是由Consumer Leader完成的。
而RocketMQ中的Rebalance是由每个Consumer自 身完成的，  Group中不存在Leader。

Consumer Queue分配算法
一个Topic中的Queue只能由Consumer Group中的一个Consumer进行消费，而一个Consumer可以同时 消费多个Queue中的消息。那么Queue与Consumer间的配对关系是如何确定的，即Queue要分配给哪   个Consumer进行消费，也是有算法策略的。常见的有四种策略。

1）平均分配策略（AllocateMessageQueueAveragely 默认）

该算法是要根据 avg = QueueCount / ConsumerCount的计算结果进行分配的。如果能够整除， 则按顺序将avg个Queue逐个分配Consumer；如果不能整除，则将多余出的Queue按照Consumer顺序 逐个分配。

 2）环形平均策略（AllocateMessageQueueAveragelyByCircle）

 环形平均算法是指，根据消费者的顺序，依次在由queue队列组成的环形图中逐个分配。

 3）一致性hash策略（AllocateMessageQueueConsistentHash）

该算法会将consumer的hash值作为Node节点存放到hash环上，然后将queue的hash值也放到hash环上，通过 顺时针方向，距离queue最近的那个consumer就是该queue要分配的consumer。

 4）同机房策略(AllocateMachineRoomNearby)

该算法会根据queue的部署机房位置和consumer的位置，过滤出当前consumer相同机房的queue。然后按照平均分配策略或环形平均策略对同机房queue进行分配。如果没有同机房queue，则按照平均分配策略或环形平均策略对所有queue进行分配。