🌈🌈🌈🌈🌈🌈🌈🌈
【11来了】文章导读地址：点击查看文章导读！
🍁🍁🍁🍁🍁🍁🍁🍁

Commitlog 基于内存的高并发写入优化

首先，Commitlog 将数据写入磁盘使用的是 磁盘顺序写，这样带来的性能提升是很大的

但是仅仅使用磁盘顺序写，对写入性能的提升还是有限，于是还是用了 mapping 文件内存映射机制，即先把消息数据写入到内存中，再从内存将数据 异步 刷入到磁盘中去，那么就将 磁盘顺序写 又进一步优化为了 内存写 操作

那么通过内存映射优化写入过程，如下图红色部分：

总结：

那么这里基于磁盘顺序写，还添加了 mapping 文件映射机制 来进一步提升了文件性能，将磁盘顺序写优化为内存写操作！

基于 JVM offheap 的内存读写分离机制

broker busy 问题

一般来说，在服务器上部署了一个 java 应用之后，这个应用作为一个 jvm 进程在服务器运行，此时内存一般分为三种：

• jvm 堆内存：由 jvm 管理
• offheap 内存：jvm 堆外的内存
• page cache：操作系统管理的内存

那么通过将消息写入内存中的 page cache 中来大幅提高写消息的性能，但是在高并发的场景下，可能会出现 broker busy，也就是 broker 太繁忙，导致一些操作被阻塞，这是因为高并发下，大量读写操作对同一个 Commitlog 磁盘文件在内存中的映射文件 page cache 同时进行写操作，导致这一个 page cache 被竞争使用的太激烈

那么 RocketMQ 提供了 transientStorePoolEnabled（瞬时存储池启用） 机制来解决 broker busy 的问题，通过这个机制就可以实现 内存级别的读写分离

这个 transiendStorePoolEnabled 机制 也就是：在高并发消息写入 Broker 的时候，先将消息写在 JVM 的堆外内存中，有一个后台线程会定时将消息再刷入内存的 page cache 中，此时针对 MappedFile 的 page cache 的高并发写就转移到了 JVM 的堆外内存 中，而对于 Consumer 的高并发的读操作最终是落在了 MappedFile 的 page cache 中，实现了高并发读写的分离

总之呢，这个机制实现了高并发的读写分离，消费者高并发的读从 read queue 中读取数据，最终高并发的读肯定是落到了 MappedFile 的 page cache 中，而生产者高并发的写则是直接面向了 jvm offheap 堆外内存，就不会出现 MappedFile page cache 高并发情况下的争用问题了，如下图紫色部分：

基于系统设计层面的考虑：

虽然使用 transiendStorePoolEnabled 机制可以提高高并发场景下 Broker 的读写性能，但是这可能会造成一定的数据丢失！

在这个机制之下，数据会先写入 jvm offheap 中，也就是堆外内存，如果 jvm 进程挂了，就会导致 jvm offheap 中的数据还没来得及刷到 MappedFile page cache 中就丢失了，而 jvm 进程挂掉的概率还是挺大的，因此这个机制是牺牲了一定的数据可靠性，来提升了性能！

所以，针对不同的场景，要做出不同的设计，如果是对消息严格要求可靠的金融等场景来说，那么就不能使用这个机制，其他情况下保持默认就可以了！