活动回顾｜RocketMQ 运维经验圆桌交流「第二期」

2023年12月3日，AutoMQ 举办了第二场线上交流会 RocketMQ 运维经验圆桌交流「第二期」，本次交流会汇聚了 RocketMQ 的作者以及来自腾讯云、网易、社区的技术专家。在这个充满交流热情的活动中，大家共同探讨了 RocketMQ 的运维经验，分享了宝贵的见解。接下来让我们一起回顾此次 RocketMQ 运维学习之旅！

从用户堆积问题看RocketMQ可观测的实现

腾讯云 RocketMQ 技术专家李伟老师分享了在解决堆积问题时的经验分析方法，包括根据经验快速定位问题、利用监控指标进行分析、巡检链路的建立等。他还总结了将运维经验沉淀下来的方法，包括个人记录、标准化操作文档、工具化和页面白屏化的发展。最后，他简要介绍了RocketMQ 5 的可观测指标实现方式，并指导大家如何查找和理解这些指标。

RocketMQ 运维稳定性与可观测性关联分析

网易云消息中间件研发负责人林德智老师分享了在工作中遇到的 RocketMQ 相关问题和解决方法。重点包括消费常见问题的一些定位，解析了消费失败、消费延迟、消费耗时长等情况。他介绍了通过精准采样和消息轨迹解决难题的方法，讨论了扩缩容导致消费负载不均衡的情况并一一给出解法，强调了合理设置 queue 数量的重要性。

学习 RocketMQ 的精髓：知行合一

架构师张勇老师分享了他学习 RocketMQ 四个阶段的经历。第一阶段，RocketMQ 刚开源，他就用它推动重构了同程艺龙的优惠券计算服务，大大优化计算时间。第二阶段，他自己写了两个轮子，包括分库分表组件和 RPC 框架。第三阶段，他开始在生产环境中实战应用 RocketMQ ，介绍了电商直播答题和自研任务调度系统两个场景的应用经验。第四阶段，他将 RocketMQ 知识体系串联并输出成文章，同时他从书籍、公众号、大厂实战文章等很多渠道去学习。最后他总结道，学习任何一门技术，都应该做到知行合一，强调理论学习和动手实践的重要性。

RocketMQ 部署、应用、诊断

AutoMQ 联合创始人 & CTO 周新宇老师围绕“如何运上部署高可用的 RocketMQ 集群”“PushConsumer 最佳实践是什么”“用户说消息未消费怎么排查”三个议题，给大家深入讲解了 RocketMQ 部署、使用、诊断三个方面，并提出了以下重点建议：

在云上部署高可用集群，推荐使用 GitOps 的配置管理方案，比如将配置文件放在 GitHub 上进行管理。

在部署时拆分小集群，通过小集群分级管理业务，以控制故障半径。

在故障发生时，快速止血是第一优先级，使用 RocketMQ 的管理工具进行快速的禁读禁写，以隔离故障。

在 PushConsumer 的应用中，要注意避免误用消费重试的能力，避免将任何错误都进行重投，尤其是限流错误，建议阻塞并在服务端堆积消息。

在诊断消息未消费问题时，需要多路径进行排查，包括检查消费轨迹、消息状态、投递条件、定时消息等，注意客户端配置和历史变更。

RocketMQ Copilot 自助诊断功能

Apache RocketMQ PMC Member 艾阳坤老师演示了 RocketMQ Copilot 产品的针对于消息堆积的自助诊断的过程。在周新宇老师提到的消息未消费问题上，他也使用 RocketMQ Copilot 产品的自助诊断功能进行了演示，只需要填入 Topic，ConsumerGroup 和 MessageId 等信息，RocketMQ Copilot 就可以根据这些元数据和线上信息还原现场，根据消息未消费的知识图谱依次排查，并最终定位出问题的根因。

欢迎大家访问 https://play.automq.com 进行 RocketMQ Copilot 的体验。

线上互动交流

线上参会的小伙伴的学习热情满满，积极与专家展开了深入交流，连线讨论了RocketMQ消息积压、消费延迟、缩容的时候发送顺序消息等问题。专家们对各个问题都进行了深度剖析和详细解答，为大家答疑解惑。

最后，再次感谢各位讲师的精彩分享，也感谢每一位参会者的支持！我们下期见！

资源分享

关注“ AutoMQ ”公众号并发送 “圆桌交流第二期” ，即可获得本次活动相关 PPT 下载地址。

会议录屏后续将会发送在“ AutoMQ ”视频号和 “ AutoMQ 官方账号 ” B站账号，请大家持续关注！
END

关于我们

AutoMQ 是一家专业的消息队列和流存储软件服务供应商。AutoMQ 开源的 AutoMQ Kafka 和 AutoMQ RocketMQ 基于云对 Apache Kafka、Apache RocketMQ 消息引擎进行重新设计与实现，在充分利用云上的竞价实例、对象存储等服务的基础上，兑现了云设施的规模化红利，带来了下一代更稳定、高效的消息引擎。此外，AutoMQ 推出的 RocketMQ Copilot 专家系统也重新定义了 RocketMQ 消息运维的新范式，赋能消息运维人员更好的管理消息集群。

GitHub 地址：https://github.com/AutoMQ/automq-for-kafka

官网：https://www.automq.com

B站：AutoMQ官方账号

视频号：AutoMQ

扫二维码加入我们的社区群

关注我们，一起学习更多云原生干货