大家好，我是君哥。今天分享一道有意思的面試題。

面試官：RocketMQ 消息積壓了，增加消費者有用嗎?

我：這個要看具體的場景，不同的場景下情況是不一樣的。

面試官：可以詳細說一下嗎?

我：如果消費者的數量小于 MessageQueue 的數量，增加消費者可以加快消息消費速度，減少消息積壓。比如一個 Topic 有 4 個 MessageQueue，2 個消費者進行消費，如果增加一個消費者，明細可以加快拉取消息的頻率。如下圖：

如果消費者的數量大于等于 MessageQueue 的數量，增加消費者是沒有用的。比如一個 Topic 有 4 個 MessageQueue，并且有 4 個消費者進行消費。如下圖：

面試官：你說的第一種情況，增加消費者一定能加快消息消費的速度嗎?

我：這...，一般情況下是可以的。

面試官：有特殊的情況嗎?

我：當然有。消費者消息拉取的速度也取決于本地消息的消費速度，如果本地消息消費的慢，就會延遲一段時間后再去拉取。

面試官：在什么情況下消費者會延遲一段時間后后再去拉取呢?

我：消費者拉取的消息存在 ProcessQueue，消費者是有流量控制的，如果出現下面三種情況，就不會主動去拉取：

ProcessQueue 保存的消息數量超過閾值(默認 1000，可以配置)；

ProcessQueue 保存的消息大小超過閾值(默認 100M，可以配置)；

對于非順序消費的場景，ProcessQueue 中保存的最后一條和第一條消息偏移量之差超過閾值(默認 2000，可以配置)。

這部分源碼請參考類：org.apache.rocketmq.client.impl.consumer.DefaultMQPushConsumerImpl。

面試官：還有其他情況嗎?

我：對于順序消費的場景，ProcessQueue 加鎖失敗，也會延遲拉取，這個延遲時間是 3s。

面試官：消費者延遲拉取消息，一般可能是什么原因導致的呢?

我：其實延遲拉取的本質就是消費者消費慢，導致下次去拉取的時候 ProcessQueue 中積壓的消息超過閾值。以下面這張架構圖為例：

消費者消費慢，可是能下面的原因：

消費者處理的業務邏輯復雜，耗時很長；

消費者有慢查詢，或者數據庫負載高導致響應慢；

緩存等中間件響應慢，比如 Redis 響應慢；

調用外部服務接口響應慢。

面試官：對于外部接口響應慢的情況，有什么應對措施嗎?

我：這個要分情況討論。

如果調用外部系統只是一個通知，或者調用外部接口的結果并不處理，可以采用異步的方式，異步邏輯里采用重試的方式保證接口調成功。

如果外部接口返回結果必須要處理，可以考慮接口返回的結果是否可以緩存默認值(要考慮業務可行)，在調用失敗后采用快速降級的方式，使用默認值替代返回接口返回值。

如果這個接口返回結果必須要處理，并且不能緩存，可以把拉取到的消息存入本地然后給 Broker 直接返回 CONSUME_SUCCESS。等外部系統恢復正常后再從本地取出來進行處理。

面試官：如果消費者數小于 MessageQueue 數量，并且外部系統響應正常，為了快速消費積壓消息而增加消費者，有什么需要考慮的嗎?

我：外部系統雖然響應正常，但是增加多個消費者后，外部系統的接口調用量會突增，如果達到吞吐量上限，外部系統會響應變慢，甚至被打掛。

同時也要考慮本地數據庫、緩存的壓力，如果數據庫響應變慢，處理消息的速度就會變慢，起不到緩解消息積壓的作用。

面試官：新增加了消費者后，怎么給它分配 MessageQueue 呢?

我：Consumer 在拉取消息之前，需要對 MessageQueue 進行負載操作。RocketMQ 使用一個定時器來完成負載操作，默認每間隔 20s 重新負載一次。

面試官：能詳細說一下都有哪些負載策略嗎?

我：RocketMQ 提供了 6 種負載策略，依次來看一下。

平均負載策略：

把消費者進行排序；

計算每個消費者可以平均分配的 MessageQueue 數量；

如果消費者數量大于 MessageQueue 數量，多出的消費者就分不到；

如果不可以平分，就使用 MessageQueue 總數量對消費者數量求余數 mod；

對前 mod 數量消費者，每個消費者加一個，這樣就獲取到了每個消費者分配的 MessageQueue 數量。

比如 4 個 MessageQueue 和 3 個消費者的情況：

源代碼的邏輯非常簡單，如下：

// AllocateMessageQueueAveragely 這個類
// 4 個 MessageQueue 和 3 個消費者的情況，假如第一個，index = 0
int index = cidAll.indexOf(currentCID);
// mod = 1
int mod = mqAll.size() % cidAll.size();
// averageSize = 2
int averageSize =
    mqAll.size() <= cidAll.size() ? 1 : (mod > 0 && index < mod ? mqAll.size() / cidAll.size()
                                         + 1 : mqAll.size() / cidAll.size());
// startIndex = 0
int startIndex = (mod > 0 && index < mod) ? index * averageSize : index * averageSize + mod;
// range = 2,所以第一個消費者分配到了2個
int range = Math.min(averageSize, mqAll.size() - startIndex);
for (int i = 0; i < range; i++) {
    result.add(mqAll.get((startIndex + i) % mqAll.size()));
}

循環分配策略:

這個很容易理解，遍歷消費者，把 MessageQueue 分一個給遍歷到的消費者，如果 MessageQueue 數量比消費者多，需要進行多次遍歷，遍歷次數等于 (MessageQueue 數量/消費者數量)，還是以 4 個 MessageQueue 和 3 個消費者的情況，如下圖：

源代碼如下：

//AllocateMessageQueueAveragelyByCircle 這個類
//4 個 MessageQueue 和 3 個消費者的情況，假如第一個，index = 0
int index = cidAll.indexOf(currentCID);
for (int i = index; i < mqAll.size(); i++) {
    if (i % cidAll.size() == index) {
        //i == 0 或者 i == 3 都會走到這里
        result.add(mqAll.get(i));
    }
}

自定義分配策略：

這種策略在消費者啟動的時候可以指定消費哪些 MessageQueue。可以參考下面代碼：

AllocateMessageQueueByConfig allocateMessageQueueByConfig = new AllocateMessageQueueByConfig();
//綁定消費 messageQueue1
allocateMessageQueueByConfig.setMessageQueueList(Arrays.asList(new MessageQueue("messageQueue1","broker1",0)));
consumer.setAllocateMessageQueueStrategy(allocateMessageQueueByConfig);
consumer.start();

按照機房分配策略：

這種方式 Consumer 只消費指定機房的 MessageQueue，如下圖：Consumer0、Consumer1、Consumer2 綁定 room1 和 room2 這兩個機房，而 room3 這個機房沒有消費者。

Consumer 啟動的時候需要綁定機房名稱。可以參考下面代碼：

AllocateMessageQueueByMachineRoom allocateMessageQueueByMachineRoom = new AllocateMessageQueueByMachineRoom();
//綁定消費 room1 和 room2 這兩個機房
allocateMessageQueueByMachineRoom.setConsumeridcs(new HashSet<>(Arrays.asList("room1","room2")));
consumer.setAllocateMessageQueueStrategy(allocateMessageQueueByMachineRoom);
consumer.start();

這種策略 broker 的命名必須按照格式：機房名@brokerName，因為消費者分配隊列的時候，首先按照機房名稱過濾出所有的 MessageQueue，然后再按照平均分配策略進行分配。

//AllocateMessageQueueByMachineRoom 這個類
List<MessageQueue> premqAll = new ArrayList<MessageQueue>();
for (MessageQueue mq : mqAll) {
    String[] temp = mq.getBrokerName().split("@");
    if (temp.length == 2 && consumeridcs.contains(temp[0])) {
        premqAll.add(mq);
    }
}
//上面按照機房名稱過濾出所有的 MessageQueue 放入premqAll，后面就是平均分配策略

按照機房就近分配：

跟按照機房分配原則相比，就近分配的好處是可以對沒有消費者的機房進行分配。如下圖，機房 3 的 MessageQueue 也分配到了消費者：

如果一個機房沒有消費者，則會把這個機房的 MessageQueue 分配給集群中所有的消費者。

源碼所在類：AllocateMachineRoomNearby。

一致性 Hash 算法策略：

把所有的消費者經過 Hash 計算分布到 Hash 環上，對所有的 MessageQueue 進行 Hash 計算，找到順時針方向最近的消費者節點進行綁定。如下圖：

源代碼如下：

//所在類 AllocateMessageQueueConsistentHash
Collection<ClientNode> cidNodes = new ArrayList<ClientNode>();
for (String cid : cidAll) {
    cidNodes.add(new ClientNode(cid));
}
//使用消費者構建 Hash 環，把消費者分布在 Hash 環節點上
final ConsistentHashRouter<ClientNode> router; //for building hash ring
if (customHashFunction != null) {
    router = new ConsistentHashRouter<ClientNode>(cidNodes, virtualNodeCnt, customHashFunction);
} else {
    router = new ConsistentHashRouter<ClientNode>(cidNodes, virtualNodeCnt);
}
//對 MessageQueue 做 Hash 運算，找到環上距離最近的消費者
List<MessageQueue> results = new ArrayList<MessageQueue>();
for (MessageQueue mq : mqAll) {
    ClientNode clientNode = router.routeNode(mq.toString());
    if (clientNode != null && currentCID.equals(clientNode.getKey())) {
        results.add(mq);
    }
}

面試官：恭喜你，通過了。