RocketMQ同步复制性能优化【实战笔记】

瓜农老梁

发布于 2019-09-24 17:06:03

2.5K0

发布于 2019-09-24 17:06:03

文章被收录于专栏：瓜农老梁

一、问题描述
    1.压测日志
    2.客户端日志
二、解决发送失败情况
三、解决发送TPS过低情况
四、原因分析
    1.刷盘流程回顾
    2.主从复制回顾
    3.流程模拟
    4.原因总结

一、问题描述

早些时候写过RocketMQ性能优化【实战笔记】和 RocketMQ性能测试【实战笔记】文章，主要基于异步刷盘/异步复制；由于业务需要需要搭建异步刷盘/同步复制集群；同时对性能进行压测。

压测结果显示集群几乎无法使用，TPS居然是个位数，客户端也在报错。

1.压测日志

2.客户端日志

2019-09-19 19:22:38,038 ERROR RocketmqClient - [BENCHMARK_PRODUCER] Send Exception
org.apache.rocketmq.client.exception.MQBrokerException: CODE: 2  DESC: [TIMEOUT_CLEAN_QUEUE]broker busy, start flow control for a while, period in queue: 209ms, size of queue: 9
For more information, please visit the url, http://rocketmq.apache.org/docs/faq/
  at org.apache.rocketmq.client.impl.MQClientAPIImpl.processSendResponse(MQClientAPIImpl.java:671)
  at org.apache.rocketmq.client.impl.MQClientAPIImpl.sendMessageSync(MQClientAPIImpl.java:467)
  at org.apache.rocketmq.client.impl.MQClientAPIImpl.sendMessage(MQClientAPIImpl.java:449)
  at

二、解决发送失败情况

经排查，将transientStorePoolEnable关闭(默认为false)；压测显示最高TPS有1.9万。

brokerRole=SYNC_MASTER
#transientStorePoolEnable=true

三、解决发送TPS过低情况

最高TPS只有1.9万，依然过低，与预期相差甚远，我们预期压测应该可以到7到8万这样可以满足业务发展需要。再次检查broker端参数配置，没有发现有参数导致性能如此过低。 回顾性能调优的几个方面：系统调优、集群调优、JVM调优。 系统调优与集群调优都已经做过了，唯一没有优化的JVM调优，堆内存设置默认的8G。 JAVA_OPT="${JAVA_OPT} -server -Xms8g -Xmx8g -Xmn4g"

将JVM堆内存提高4倍后，压测效果明显提升，基本可以达到预期7万多的TPS。

四、原因分析

1.为什么在异步刷盘/同步复制时开启堆外内存池transientStorePoolEnable后，集群压测几乎无法进行？ 2.为什么在异步刷盘/同步复制时调大JVM堆内存后，性能明显提升呢？提升了的倍数几乎是堆内存增大的倍数。

1.刷盘流程回顾

RocketMQ存储--消息追加【源码笔记】

RocketMQ存储--同步刷盘和异步刷盘【源码笔记】

异步刷盘未开启堆外缓存示意图

异步刷盘开启堆外缓存示意图

小结：异步刷盘未开启transientStorePoolEnable时，消息追加到mappedByteBuffer中，异步线程刷调用mappedByteBuffer.force落盘；异步刷盘开启transientStorePoolEnable时，消息写入wrtieBuffer中，异步线程将消息提交到fileChannel，然后异步线程调用fileChannel.force落盘。

2.主从复制回顾

RocketMQ存储--主从同步【源码笔记】

HAConnection#WriteSocketService负责向Slave发送数据

//查找待拉取偏移量之后所有的可读消息
SelectMappedBufferResult selectResult = HAConnection.this.haService.getDefaultMessageStore().getCommitLogData(this.nextTransferFromWhere);
// ...
SelectMappedBufferResult result = mappedFile.selectMappedBuffer(pos);
// ...
ByteBuffer byteBuffer = this.mappedByteBuffer.slice();
byteBuffer.position(pos);
int size = readPosition - pos; //计算距离最大可读位置的大小
ByteBuffer byteBufferNew = byteBuffer.slice();
byteBufferNew.limit(size);
return new SelectMappedBufferResult()

小结：主从复制使用mappedByteBuffer向Slave同步数据。

3.流程模拟

开启堆外内存池流程

@Test
public void test01(){
    // 堆外内存池transientStorePoolEnable开启后，消息追加操作
    try {
        File file = new File("/Users/yongliang/logs/temp.log");
        FileChannel fileChannel = new RandomAccessFile(file, "rw").getChannel();
        String data = "beautiful girl!";
        // mmap 文件映射操作
        MappedByteBuffer mappedByteBuffer = fileChannel.map(FileChannel.MapMode.READ_WRITE, 0, data.length());
        // 堆外内存transientStorePoolEnable开启
        ByteBuffer byteBuffer = ByteBuffer.allocateDirect(data.length());
        // ----------------消息追加开始-----------------------
        // 注意此时使用堆内内存分配
        ByteBuffer msgStoreItemMemory = ByteBuffer.allocate(data.length());
        msgStoreItemMemory.put(data.getBytes());
        // 开启transientStorePoolEnable消息写入了ByteBuffer
        byteBuffer.put(msgStoreItemMemory.array(),0,data.length());
        // ----------------消息追加结束-----------------------

        // ----------------消息提交开始-----------------------
        byteBuffer.position(0);
        byteBuffer.limit(data.length());
        fileChannel.write(byteBuffer);
        // ----------------消息提交结束-----------------------

        // --------主从复制从mappedByteBuffer获取消息开始----------
        mappedByteBuffer.position(0);
        mappedByteBuffer.limit(data.length());
        Charset charset = Charset.forName("UTF-8");
        CharsetDecoder decoder = charset.newDecoder();
        CharBuffer charBuffer = decoder.decode(mappedByteBuffer.asReadOnlyBuffer());
        System.out.println(charBuffer.toString());
        // --------主从复制从mappedByteBuffer获取消息结束----------
    } catch (Exception e) {
        e.printStackTrace();
    }
}

小结：模拟开启堆外内存池transientStorePoolEnable的消息追加及主从复制流程。

未开启堆外内存池流程

@Test
public void test02(){
    try {
        File file = new File("/Users/yongliang/logs/temp1.log");
        FileChannel fileChannel = new RandomAccessFile(file, "rw").getChannel();
        String data = "beautiful girl!";
        // mmap 文件映射操作
        MappedByteBuffer mappedByteBuffer = fileChannel.map(FileChannel.MapMode.READ_WRITE, 0, data.length());

        // ----------------消息追加开始-----------------------
        // 注意消息组装使用堆内内存分配
        ByteBuffer msgStoreItemMemory = ByteBuffer.allocate(data.length());
        msgStoreItemMemory.put(data.getBytes());
        mappedByteBuffer.put(msgStoreItemMemory.array(),0,data.length());
        // ----------------消息追加结束-----------------------

        // --------主从复制从mappedByteBuffer获取消息开始----------
        mappedByteBuffer.position(0);
        mappedByteBuffer.limit(data.length());
        Charset charset = Charset.forName("UTF-8");
        CharsetDecoder decoder = charset.newDecoder();
        CharBuffer charBuffer = decoder.decode(mappedByteBuffer.asReadOnlyBuffer());
        System.out.println(charBuffer.toString());
        // --------主从复制从mappedByteBuffer获取消息结束----------
    } catch (Exception e) {
        e.printStackTrace();
    }
}

小结：模拟未开启堆外内存池transientStorePoolEnable的消息追加及主从复制流程。

4、原因总结

1.为什么在异步刷盘/同步复制时开启堆外内存transientStorePoolEnable后，集群压测几乎无法进行？解释： 1>主从同步复制使用mappedByteBuffer； 2>开启堆外内存池transientStorePoolEnable后数据先落到WriteBuffer，再通过异步提交线程提交到FileChannel，再通过mmap将数据映射到mappedByteBuffer； 3>未开启堆外内存池transientStorePoolEnable数据直接写入到mappedByteBuffe；由于开启堆外内存数据映射到mappedByteBuffer比直接写入mappedByteBuffer多了很多步骤，再加上发送队列处理事件默认只有200毫秒（waitTimeMillsInSendQueue=200），造成集群不能正常压测的原因。

2.为什么在异步刷盘/同步复制时调大JVM堆内存后，性能明显提升呢？提升了的倍数几乎是对内存增大的倍数。解释：从模拟流程中可以看出，在组装消息时使用堆内存，提高堆内存显著提高写入Tps的原因所在。ByteBuffer msgStoreItemMemory=ByteBuffer.allocate(data.length());

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2019-09-22，如有侵权请联系 cloudcommunity@tencent.com 删除

jvm

apache

本文分享自瓜农老梁微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

jvm

apache

登录后参与评论

0 条评论

热度