RocketMQ ConsumeQueue与IndexFile实时更新机制源码解析
前言
前面我们介绍了消息是如何存储的,消息是如何刷盘的,讲的都是CommitLog是如何存储和刷盘的。虽然CommitLog顺序存储着所有消息,但是CommitLog中的消息并没有区分topic、keys等,如果需要消费某个topic的消息或者查找某一条消息只能遍历CommitLog文件去查找,性能相当低下,因此有了ConsumeLog和IndexFile两个文件类型,这两个文件的作用主要是提升消息消费和查询的性能。
ConsumeQueue详解
为了提高消费消息查询性能,Broker会为每个Topic在~/store/consumequeue
中创建一个Topic名称的目录,并再为该Topic创建目录名为queueId的目录,每个目录存放着若干consumequeue文件,consumequeue属于commitLog的索引文件,可以根据consumequeue定位到具体的消息,consumequeue存储文件见下图
consumequeue文件名由20位数字构成,表示当前文件的第一个索引条目的起始偏移量。与commitLog文件名不同的是,consumequeue后续文件名是固定的,由于consumequeue文件大小是固定不变的。
consumequeue文件大小由mappedFileSizeConsumeQueue
配置控制,它的默认大小是30W * ConsumeQueue.CQ_STORE_UNIT_SIZE(20)
,也就是600W字节大小,ConsumeQueue.CQ_STORE_UNIT_SIZE
是consumequeue每个索引条目的大小,每隔索引条目包含了三个消息的重要属性:消息在mappedFile文件中的物理偏移量(8字节)、消息的长度(4字节)、消息Tag的hashcode值,这三个属性占了20个字节,单个索引条目结构如下图所示
IndexFile详解
RocketMQ除了提供消息的Topic给消息消费外,RocketMQ还提供了根据key来查找消息的功能,producer创建消息时可以传入keys值,用于快速查找消息。
// 构建Message参数 Message msg = new Message("TopicTest", // 消息topic "TagA", // 消息Tag "key1 key2 key3", // 消息keys,多个key用" "隔开 "hello linshifu!".getBytes(RemotingHelper.DEFAULT_CHARSET)); // 消息体
IndexFile可以看做是一个key的哈希索引文件,通过计算key的hash值,快速找到某个key对应的消息在commitLog中的位置。IndexFile由下面三个部分构成:
- indexHeader
- slots槽位
- indexes索引数据
IndexFile结构如下图所示
每个IndexFile的长度是固定的,其中indexHeader占用40字节,slots占用500W * 4字节,Index索引数据占用2000W * 20字节
IndexHeader
IndexHeader占用IndexFile的前40个字节,它主要存储着IndexFile索引文件的相关信息,IndexHeader包含如下属性
// org.apache.rocketmq.store.index.IndexHeader public class IndexHeader { // 索引文件第一条消息在commitLog中的存储时间 private final AtomicLong beginTimestamp = new AtomicLong(0); // 索引文件最后一条消息在commitLog中的存储时间 private final AtomicLong endTimestamp = new AtomicLong(0); // 索引文件第一条消息的偏移量 private final AtomicLong beginPhyOffset = new AtomicLong(0); // 索引文件最后一条消息的偏移量 private final AtomicLong endPhyOffset = new AtomicLong(0); // 已经填充slot的hash槽数量 private final AtomicInteger hashSlotCount = new AtomicInteger(0); // 该indexFile种包含的索引单元数量 private final AtomicInteger indexCount = new AtomicInteger(1); }
数据结构如下图所示
slots槽位
在IndexFile中间部分存储的是IndexFlie中key的hash槽,每个hash槽存储的是index索引单元的indexNo,添加索引时会将key的hash值%500W的结果计算哈希槽序号,然后将index索引单元的indexNo放入slot槽中,indexNo是int类型,slots槽位总共有500W个,因此slots槽位占用的大小是500w * 4=2000w
indexes索引数据
index索引由2000W个索引单元构成,每个索引单元大小为20字节,每隔索引单元由下面四个部分构成
- keyHash
keyHash是消息索引key的Hash值
- phyOffet
phyOffset是当前key对应消息在commitLog中的偏移量commitLog offset
- timeDiff
timeDiff是当前key对应消息存储时间与当前indexFile第一个索引存储时间差
- preIndex
当前slot的index索引单元的前一个索引单元的indexNo
索引单元数据结构如下
实时更新ConsumeQueue与IndexFile源码分析
之前的文章我们只了解了Broker的CommitLog文件保存和刷盘的流程,现在我们来了解Broker实时更新ConsumeQueue和IndexFile的流程。
消息保存的过程仅仅会保存CommitLog,ConsumeQueue文件及IndexFile中的数据是通过ReputMessageService将CommitLog中的消息转发到ConsumeQueue及IndexFile。
ReputMessageService和之前的刷盘服务类似,都是异步线程执行的服务。ReputMessageService是DefaultMessageStore的一个内部类,它跟随者消息存储对象DefaultMessageStore创建时共同创建。ReputMessageService刷新ConsumeQueue与IndexFile的逻辑可以从它的run()方法开始分析。
// org.apache.rocketmq.store.DefaultMessageStore.ReputMessageService#run @Override public void run() { // 死循环 while (!this.isStopped()) { try { // 睡眠1ms Thread.sleep(1); // 更新consumeQueue和IndexFile this.doReput(); } catch (Exception e) { DefaultMessageStore.log.warn(this.getServiceName() + " service has exception. ", e); } } }
从上面代码可以看出,更新ConsumeQueue与IndexFile在死循环中执行,每隔1ms执行一次doReput()来更新更新consumeQueue和IndexFile,在doReput()中的主要逻辑如下
- 如果重放消息偏移量reputFromOffset小于CommitLog的最大offset,则会循环重放消息,更新ConsumeQueue及IndexFile
- 从CommitLog的重放偏移量开始获取映射缓冲结果SelectMappedBufferResult,SelectMappedBufferResult包含如下属性
// org.apache.rocketmq.store.SelectMappedBufferResult public class SelectMappedBufferResult { // mappedFile文件起始偏移量+position private final long startOffset; // reputFromOffset开始的缓冲 private final ByteBuffer byteBuffer; // 消息size private int size; // commitLog的MappedFile private MappedFile mappedFile; }
- 根据SelectMappedBufferResult校验消息,并创建转发请求DispatchRequest,DispatchRequest中包含更新ConsumeQueue和IndexFile中需要用到的属性,如topic,消息偏移量,消息key,消息存储时间戳,消息长度,消息tagHashCode等。
- 如果当前消息size>0,则说明当前消息需要被转发更新ConsumeQueue和IndexFile,会调用关键方法
DefaultMessageStore.this.doDispatch
转发更新 - 如果当前消息size=0,则说明已经读到了CommitLog当前MappedFile的结尾,因此需要读取下一个MappedFile,并进行转发。
// org.apache.rocketmq.store.DefaultMessageStore.ReputMessageService#doReput private void doReput() { // 1.reputFromOffset ≤ commitLog最大offset,则循环重放 for (boolean doNext = true; this.isCommitLogAvailable()/*reputFromOffset≤commitLog最大offset*/&&doNext; ) { // 2.根据reputFromOffset的物理偏移量找到mappedFileQueue中对应的CommitLog文件的MappedFile // 然后从该MappedFile中截取一段自reputFromOffset偏移量开始的ByteBuffer,这段内存存储着将要重放的消息 SelectMappedBufferResult result = DefaultMessageStore.this.commitLog.getData(reputFromOffset); if (result != null) { try { // 遍历消息,开始reput for (int readSize = 0; readSize < result.getSize() && doNext; ) { // 3. 检查消息属性,并构建一个消息的dispatchRequest DispatchRequest dispatchRequest = DefaultMessageStore.this.commitLog.checkMessageAndReturnSize(result.getByteBuffer(), false, false); if (dispatchRequest.isSuccess()) { if (size > 0) { // 4.消息分发,写consumeQueue和Index DefaultMessageStore.this.doDispatch(dispatchRequest); // 设置reputOffset加上当前消息大小 this.reputFromOffset += size; // 设置读取的大小加上当前消息大小 readSize += size; //如果size=0,说明读取到了MappedFile的文件结尾 } else if (size == 0) { // 5. 获取下个文件的起始offset this.reputFromOffset = DefaultMessageStore.this.commitLog.rollNextFile(this.reputFromOffset); // 设置readSize=0,结束循环 readSize = result.getSize(); } } else if (!dispatchRequest.isSuccess()) { // ... } } finally { result.release(); } } else { doNext = false; } } }
由上面代码可知,转发更新ConsumeQueue和IndexFile的关键代码在DefaultMessageStore.this.doDispatch(dispatchRequest)
中,在doDispatch()方法中循环遍历dispatcherList中的CommitLogDispatcher。
public void doDispatch(DispatchRequest req) { for (CommitLogDispatcher dispatcher : this.dispatcherList) { dispatcher.dispatch(req); } }
debug代码可以中包含处理转发请求的Dispatcher类,通过类名就可以很容易判断出CommitLogDispatcherBuildConsumeQueue是将CommitLog转发到ConsumeQueue中,CommitLogDispatcherBuildIndex是将消息构建IndexFile,下面我们来分别分析两者是如何处理CommitLog消息转发的。
CommitLogDispatcherBuildConsumeQueue源码分析
CommitLogDispatcherBuildConsumeQueue将消息保存到ConsumeQueue如下所示,主要是下面两步
- 先根据消息Topic和QueueId从consumeQueueTable找到ConsumeQueue,如果找不到会创建一个新的consumeQueue
- 调用ConsumeQueue#putMessagePositionInfoWrapper,将消息保存到consumeQueue中
// org.apache.rocketmq.store.DefaultMessageStore#putMessagePositionInfo public void putMessagePositionInfo(DispatchRequest dispatchRequest) { // 找到ConsumeQueue,如果找不到会创建一个ConsumeQueue ConsumeQueue cq = this.findConsumeQueue(dispatchRequest.getTopic(), dispatchRequest.getQueueId()); // 消息保存到consumeQueue中 cq.putMessagePositionInfoWrapper(dispatchRequest, checkMultiDispatchQueue(dispatchRequest)); }
保存consumeQueue存储单元消息如下,主要分为下面三个步骤
- 将consumeQueue存储单元
offset(8字节)+消息长度(4字节)+tags的哈希码(8字节)
保存到consumeQueue的缓存byteBufferIndex中 - 根据consumeQueue的offset找到MappedFile
- 将缓冲中的存储单元存储到MappedFile中
// org.apache.rocketmq.store.ConsumeQueue#putMessagePositionInfo private boolean putMessagePositionInfo(final long offset, final int size, final long tagsCode, final long cqOffset) { this.byteBufferIndex.flip(); // consumeQueue存储单元的长度 this.byteBufferIndex.limit(CQ_STORE_UNIT_SIZE); // 消息物理偏移量 this.byteBufferIndex.putLong(offset); // 消息长度 this.byteBufferIndex.putInt(size); // 消息tags的哈希码 this.byteBufferIndex.putLong(tagsCode); final long expectLogicOffset = cqOffset * CQ_STORE_UNIT_SIZE; // 获取最后一个mappedFile MappedFile mappedFile = this.mappedFileQueue.getLastMappedFile(expectLogicOffset); if (mappedFile != null) { // 更新物理offset this.maxPhysicOffset = offset + size; // 数据保存到consumeQueue return mappedFile.appendMessage(this.byteBufferIndex.array()); } return false; }
CommitLogDispatcherBuildIndex源码分析
除了CommitLogDispatcherBuildConsumeQueue,下面我们来分析在dispatcherList中另一个CommitLogDispatcher的实现类CommitLogDispatcherBuildIndex是如何将Index索引单元保存到IndexFile中的,存储消息索引的核心逻辑如下所示。
- 获取或者创建最新的IndexFile
- 将msgId构建Index索引单元并保存到IndexFile中
- 将Message中的keys用空格分隔成key数组,并循环保存到indexFile中
public void buildIndex(DispatchRequest req) { // 获取或者创建最新索引文件,支持重试最多3次 IndexFile indexFile = retryGetAndCreateIndexFile(); if (indexFile != null) { // 获取结束物理索引 long endPhyOffset = indexFile.getEndPhyOffset(); DispatchRequest msg = req; // 获取topic和keys String topic = msg.getTopic(); String keys = msg.getKeys(); // 如果当前消息的commitLogOffset小于当前IndexFile的endPhyOffset时,说明当前消息已经构建过Index索引,因此直接返回 if (msg.getCommitLogOffset() < endPhyOffset) { return; } // 获取客户端生成的uniqueId(msgId),代表客户端生成的唯一一条消息 // 消息解密时生成的 if (req.getUniqKey() != null) { indexFile = putKey(indexFile, msg, buildKey(topic, req.getUniqKey())); } // 客户端传递的keys,消息是从keys属性中获取的 if (keys != null && keys.length() > 0) { String[] keyset = keys.split(MessageConst.KEY_SEPARATOR/*空格*/); for (int i = 0; i < keyset.length; i++) { String key = keyset[i]; if (key.length() > 0) { indexFile = putKey(indexFile, msg, buildKey(topic, key)); if (indexFile == null) { return; } } } } } else { log.error("build index error, stop building index"); } }
从上面源码可知,保存消息的关键就在putKey方法中主要分为下面三个步骤
- 获取要保存到IndexFile的keyHashCode(keyHash),hashSlot的绝对位置(absSlotPos),hash槽中的索引值(slotValue),保存消息时间差(timeDiff),索引的绝对位置(absIndexPos)等。
- 更新Index索引单元信息,keyHashCode(keyHash),消息在commitLog中的偏移量(phyOffset),消息存储时间与索引文件开始存储时间差(timeDiff),前置消息索引值(slotValue)
- 更新slots的IndexCount
- 更新IndexHeader中的indexCount,更新物理偏移量(phyoffset),最后存储时间戳(sotreTimestamp)
public boolean putKey(final String key, final long phyOffset, final long storeTimestamp) { // 索引数量小于2000W,否则说明当前索引文件已经满了,不能添加索引 if (this.indexHeader.getIndexCount() < this.indexNum) { // keyHashCode int keyHash = indexKeyHashMethod(key); // 索引槽位置 int slotPos = keyHash % this.hashSlotNum; // 绝对位置 int absSlotPos = IndexHeader.INDEX_HEADER_SIZE + slotPos * hashSlotSize; try { int slotValue = this.mappedByteBuffer.getInt(absSlotPos); long timeDiff = storeTimestamp - this.indexHeader.getBeginTimestamp(); int absIndexPos = IndexHeader.INDEX_HEADER_SIZE + this.hashSlotNum * hashSlotSize/*哈希槽数量*哈希槽大小=500w*4*/ + this.indexHeader.getIndexCount() * indexSize; // 更新IndexFile索引单元信息 // keyHash(4)+消息在commitLog中的偏移量(8)+消息存储时间-索引文件开始存储时间(4)+前置消息索引值(4) this.mappedByteBuffer.putInt(absIndexPos/*索引位置*/, keyHash); this.mappedByteBuffer.putLong(absIndexPos + 4, phyOffset); this.mappedByteBuffer.putInt(absIndexPos + 4 + 8, (int) timeDiff); this.mappedByteBuffer.putInt(absIndexPos + 4 + 8 + 4, slotValue); // 更新slots的indexCount this.mappedByteBuffer.putInt(absSlotPos/*hash槽的绝对位置*/, this.indexHeader.getIndexCount()); //... // 更新IndexHeader信息 this.indexHeader.incIndexCount(); this.indexHeader.setEndPhyOffset(phyOffset); this.indexHeader.setEndTimestamp(storeTimestamp); return true; } catch (Exception e) { log.error("putKey exception, Key: " + key + " KeyHashCode: " + key.hashCode(), e); } } return false; }
IndexFile如何解决Hash冲突
假设在IndexFile的索引IndexN的是一个keyHash为100的索引,如下图所示,此时slots槽位100存储着indexN的序号,在IndexFile索引单元保存的数据keyHash=100,preIndexNo=0。
如果又有一个索引单元indexN+X的keyHashCode=100,保存消息时发现solt-100已经指向了索引单元indexN,会将当前索引单元IndxeN+X的preIndexNo更新为indexN,使得当前索引单元indexN+X的前置索引单元指向indeNo,再更新slots-100槽位的值为indexN+X,保存完成后的索引关系如下图所示。相当于在slots槽位下面挂了index索引单元链表,根据key查找消息时,可以根据key计算出keyHashCode,然后顺着链表查询链表中的消息。
总结
ConsumeQueue可以看成是消息消费的索引,不同Topic的ConsumeQueue存储到不同目录中,默认存储在~/store/consumequeue/${topic}
目录中,其底层也是使用MappedFile,Broker会按照消息在CommitLog中的顺序,异步转发到ConsumeQueue中,每条消息在ConsumeQueue生成固定大小20字节的存储单元指向CommitLog。
IndexFile保存着Producer发送消息keys中的索引,有了IndexFile就可以根据消息key快速找到消息。IndexFile的数据接口与HashMap类似,它使用链表的方式解决解决哈希冲突,并且使用头插法将数据插入链表中。
以上就是RocketMQ ConsumeQueue与IndexFile实时更新机制源码解析的详细内容,更多关于RocketMQ 实时更新机制的资料请关注脚本之家其它相关文章!
相关文章
IntelliJ IDEA 小技巧之Bookmark(书签)的使用
这篇文章主要介绍了IntelliJ IDEA 小技巧之Bookmark(书签)的使用,本文通过图文并茂的形式给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-07-07Java对文本文件MD5加密并ftp传送到远程主机目录的实现方法
这篇文章主要给大家介绍了关于Java对文本文件MD5加密并ftp传送到远程主机目录的实现方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2018-08-08
最新评论