RocketMQ消息存儲和查詢原理
前言
RocketMQ 做爲一款優秀的分佈式消息中間件，能夠爲業務方提供高性能低延遲的穩定可靠的消息服務。其核心優點是可靠的消費存儲、消息發送的高性能和低延遲、強大的消息堆積能力和消息處理能力。java
從存儲方式來看，主要有幾個方面：數據庫
- 文件系統
- 分佈式KV存儲
- 關係型數據庫
從效率上來說，文件系統高於KV存儲，KV存儲又高於關係型數據庫。由於直接操做文件系統確定是最快的，那麼業界主流的消息隊列中間件，如RocketMQ 、RabbitMQ 、kafka 都是採用文件系統的方式來存儲消息。數組
今天，咱們就從它的存儲文件入手，來探索一下 RocketMQ 消息存儲的機制。bash
1、CommitLog
CommitLog，消息存儲文件，全部主題的消息都存儲在 CommitLog 文件中。服務器
咱們的業務系統向 RocketMQ 發送一條消息，無論在中間經歷了多麼複雜的流程，最終這條消息會被持久化到CommitLog文件。app
咱們知道，一臺Broker服務器只有一個CommitLog文件(組)，RocketMQ會將全部主題的消息存儲在同一個文件中，這個文件中就存儲着一條條Message，每條Message都會按照順序寫入。 分佈式
也許有時候，你會但願看看這個 CommitLog 文件中，存儲的內容到底長什麼樣子？工具
一、消息發送
固然，咱們須要先往 CommitLog 文件中寫入一些內容，因此先來看一個消息發送的例子。性能
public static void main(String[] args) throws Exception {
MQProducer producer = getProducer();
for (int i = 0;i<10;i++){
Message message = new Message();
message.setTopic("topic"+i);
message.setBody(("清幽之地的博客").getBytes());
SendResult sendResult = producer.send(message);
}
producer.shutdown();
}
複製代碼
咱們向10個不一樣的主題中發送消息，若是隻有一臺Broker機器，它們會保存到同一個CommitLog文件中。此時，這個文件的位置處於 C:/Users/shiqizhen/store/commitlog/00000000000000000000。測試
二、讀取文件內容
這個文件咱們不能直接打開，由於它是一個二進制文件，因此咱們須要經過程序來讀取它的字節數組。
public static ByteBuffer read(String path)throws Exception{
File file = new File(path);
FileInputStream fin = new FileInputStream(file);
byte[] bytes = new byte[(int)file.length()];
fin.read(bytes);
ByteBuffer buffer = ByteBuffer.wrap(bytes);
return buffer;
}
複製代碼
如上代碼，能夠經過傳入文件的路徑，讀取該文件全部的內容。爲了方便下一步操做，咱們把讀取到的字節數組轉換爲java.nio.ByteBuffer對象。
三、解析
在解析以前，咱們須要弄明白兩件事：
- 消息的格式，即一條消息包含哪些字段；
- 每一個字段所佔的字節大小。
在上面的圖中，咱們已經看到了消息的格式，包含了19個字段。關於字節大小，有的是 4 字節，有的是 8 字節，咱們再也不一一贅述，直接看代碼。
/**
* commitlog 文件解析
* @param byteBuffer
* @return
* @throws Exception
*/
public static MessageExt decodeCommitLog(ByteBuffer byteBuffer)throws Exception {
MessageExt msgExt = new MessageExt();
// 1 TOTALSIZE
int storeSize = byteBuffer.getInt();
msgExt.setStoreSize(storeSize);
if (storeSize<=0){
return null;
}
// 2 MAGICCODE
byteBuffer.getInt();
// 3 BODYCRC
int bodyCRC = byteBuffer.getInt();
msgExt.setBodyCRC(bodyCRC);
// 4 QUEUEID
int queueId = byteBuffer.getInt();
msgExt.setQueueId(queueId);
// 5 FLAG
int flag = byteBuffer.getInt();
msgExt.setFlag(flag);
// 6 QUEUEOFFSET
long queueOffset = byteBuffer.getLong();
msgExt.setQueueOffset(queueOffset);
// 7 PHYSICALOFFSET
long physicOffset = byteBuffer.getLong();
msgExt.setCommitLogOffset(physicOffset);
// 8 SYSFLAG
int sysFlag = byteBuffer.getInt();
msgExt.setSysFlag(sysFlag);
// 9 BORNTIMESTAMP
long bornTimeStamp = byteBuffer.getLong();
msgExt.setBornTimestamp(bornTimeStamp);
// 10 BORNHOST
int bornhostIPLength = (sysFlag & MessageSysFlag.BORNHOST_V6_FLAG) == 0 ? 4 : 16;
byte[] bornHost = new byte[bornhostIPLength];
byteBuffer.get(bornHost, 0, bornhostIPLength);
int port = byteBuffer.getInt();
msgExt.setBornHost(new InetSocketAddress(InetAddress.getByAddress(bornHost), port));
// 11 STORETIMESTAMP
long storeTimestamp = byteBuffer.getLong();
msgExt.setStoreTimestamp(storeTimestamp);
// 12 STOREHOST
int storehostIPLength = (sysFlag & MessageSysFlag.STOREHOSTADDRESS_V6_FLAG) == 0 ? 4 : 16;
byte[] storeHost = new byte[storehostIPLength];
byteBuffer.get(storeHost, 0, storehostIPLength);
port = byteBuffer.getInt();
msgExt.setStoreHost(new InetSocketAddress(InetAddress.getByAddress(storeHost), port));
// 13 RECONSUMETIMES
int reconsumeTimes = byteBuffer.getInt();
msgExt.setReconsumeTimes(reconsumeTimes);
// 14 Prepared Transaction Offset
long preparedTransactionOffset = byteBuffer.getLong();
msgExt.setPreparedTransactionOffset(preparedTransactionOffset);
// 15 BODY
int bodyLen = byteBuffer.getInt();
if (bodyLen > 0) {
byte[] body = new byte[bodyLen];
byteBuffer.get(body);
msgExt.setBody(body);
}
// 16 TOPIC
byte topicLen = byteBuffer.get();
byte[] topic = new byte[(int) topicLen];
byteBuffer.get(topic);
msgExt.setTopic(new String(topic, CHARSET_UTF8));
// 17 properties
short propertiesLength = byteBuffer.getShort();
if (propertiesLength > 0) {
byte[] properties = new byte[propertiesLength];
byteBuffer.get(properties);
String propertiesString = new String(properties, CHARSET_UTF8);
Map<String, String> map = string2messageProperties(propertiesString);
}
int msgIDLength = storehostIPLength + 4 + 8;
ByteBuffer byteBufferMsgId = ByteBuffer.allocate(msgIDLength);
String msgId = createMessageId(byteBufferMsgId, msgExt.getStoreHostBytes(), msgExt.getCommitLogOffset());
msgExt.setMsgId(msgId);
return msgExt;
}
複製代碼
四、輸出消息內容
public static void main(String[] args) throws Exception {
String filePath = "C:\\Users\\shiqizhen\\store\\commitlog\\00000000000000000000";
ByteBuffer buffer = read(filePath);
List<MessageExt> messageList = new ArrayList<>();
while (true){
MessageExt message = decodeCommitLog(buffer);
if (message==null){
break;
}
messageList.add(message);
}
for (MessageExt ms:messageList) {
System.out.println("主題:"+ms.getTopic()+" 消息:"+
new String(ms.getBody())+"隊列ID:"+ms.getQueueId()+" 存儲地址:"+ms.getStoreHost());
}
}
複製代碼
運行這段代碼，咱們就能夠直接看到CommitLog文件中的內容：
主題:topic0 消息:清幽之地的博客 隊列ID:1 存儲地址:/192.168.44.1:10911
主題:topic1 消息:清幽之地的博客 隊列ID:0 存儲地址:/192.168.44.1:10911
主題:topic2 消息:清幽之地的博客 隊列ID:1 存儲地址:/192.168.44.1:10911
主題:topic3 消息:清幽之地的博客 隊列ID:0 存儲地址:/192.168.44.1:10911
主題:topic4 消息:清幽之地的博客 隊列ID:3 存儲地址:/192.168.44.1:10911
主題:topic5 消息:清幽之地的博客 隊列ID:1 存儲地址:/192.168.44.1:10911
主題:topic6 消息:清幽之地的博客 隊列ID:2 存儲地址:/192.168.44.1:10911
主題:topic7 消息:清幽之地的博客 隊列ID:3 存儲地址:/192.168.44.1:10911
主題:topic8 消息:清幽之地的博客 隊列ID:2 存儲地址:/192.168.44.1:10911
主題:topic9 消息:清幽之地的博客 隊列ID:0 存儲地址:/192.168.44.1:10911
複製代碼
不用過多的文字描述，經過上面這些代碼，相信你對CommitLog文件就有了更進一步的瞭解。
此時，咱們再考慮另一個問題：
CommitLog 文件保存了全部主題的消息，但咱們消費時，更多的是訂閱某一個主題進行消費。RocketMQ是怎麼樣進行高效的檢索消息的呢 ？
2、ConsumeQueue
爲了解決上面那個問題，RocketMQ引入了ConsumeQueue消費隊列文件。
在繼續往下說ConsumeQueue以前，咱們必須先了解到另一個概念，即MessageQueue。
一、MessageQueue
咱們知道，在發送消息的時候，要指定一個Topic。那麼，在建立Topic的時候，有一個很重要的參數MessageQueue。簡單來講，就是你這個Topic對應了多少個隊列，也就是幾個MessageQueue，默認是4個。那它的做用是什麼呢 ？
它是一個數據分片的機制。好比咱們的Topic裏面有100條數據，該Topic默認是4個隊列，那麼每一個隊列中大約25條數據。 而後，這些MessageQueue是和Broker綁定在一塊兒的，就是說每一個MessageQueue均可能處於不一樣的Broker機器上，這取決於你的隊列數量和Broker集羣。
咱們來看上面的圖片，Topic名稱爲order的主題，一共有4個MessageQueue，每一個裏面都有25條數據。由於在筆者的本地環境只有一個Broker，因此它們的brokerName都是指向同一臺機器。
既然MessageQueue是多個，那麼在消息發送的時候，勢必要經過某種方式選擇一個隊列。默認的狀況下，就是經過輪詢來獲取一個消息隊列。
public MessageQueue selectOneMessageQueue() {
int index = this.sendWhichQueue.getAndIncrement();
int pos = Math.abs(index) % this.messageQueueList.size();
if (pos < 0)
pos = 0;
return this.messageQueueList.get(pos);
}
複製代碼
固然，RocketMQ還有一個故障延遲機制，在選擇消息隊列的時候會複雜一些，咱們今天先不討論。
二、ConsumeQueue
說完了MessageQueue，咱們接着來看ConsumerQueue。上面咱們說，它是爲了高效檢索主題消息的。
ConsumerQueue也是一組組文件，它的位置在C:/Users/shiqizhen/store/consumequeue。該目錄下面是以Topic命名的文件夾，而後再下一級是以MessageQueue隊列ID命名的文件夾，最後纔是一個或多個文件。
這樣分層以後，RocketMQ至少能夠獲得如下幾個訊息：
- 先經過主題名稱，能夠定位到具體的文件夾；
- 而後根據消息隊列ID找到具體的文件；
- 最後根據文件內容，找到具體的消息。
那麼，這個文件裏面存儲的又是什麼內容呢 ？
三、解析文件
爲了加速ConsumerQueue的檢索速度和節省磁盤空間，文件中不會存儲消息的全量消息。其存儲的格式以下：
一樣的，咱們先寫一段代碼，按照這個格式輸出一下ConsumerQueue文件的內容。
public static void main(String[] args)throws Exception {
String path = "C:\\Users\\shiqizhen\\store\\consumequeue\\order\\0\\00000000000000000000";
ByteBuffer buffer = read(path);
while (true){
long offset = buffer.getLong();
long size = buffer.getInt();
long code = buffer.getLong();
if (size==0){
break;
}
System.out.println("消息長度:"+size+" 消息偏移量:" +offset);
}
System.out.println("--------------------------");
}
複製代碼
在前面，咱們已經向order這個主題中寫了100條數據，因此在這裏它的order#messagequeue#0裏面有25條記錄。
消息長度:173 消息偏移量:2003
消息長度:173 消息偏移量:2695
消息長度:173 消息偏移量:3387
消息長度:173 消息偏移量:4079
消息長度:173 消息偏移量:4771
消息長度:173 消息偏移量:5463
消息長度:173 消息偏移量:6155
消息長度:173 消息偏移量:6847
消息長度:173 消息偏移量:7539
消息長度:173 消息偏移量:8231
消息長度:173 消息偏移量:8923
消息長度:173 消息偏移量:9615
消息長度:173 消息偏移量:10307
消息長度:173 消息偏移量:10999
消息長度:173 消息偏移量:11691
消息長度:173 消息偏移量:12383
消息長度:173 消息偏移量:13075
消息長度:173 消息偏移量:13767
消息長度:173 消息偏移量:14459
消息長度:173 消息偏移量:15151
消息長度:173 消息偏移量:15843
消息長度:173 消息偏移量:16535
消息長度:173 消息偏移量:17227
消息長度:173 消息偏移量:17919
消息長度:173 消息偏移量:18611
--------------------------
複製代碼
細心的朋友，確定發現了。上面輸出的結果中，消息偏移量的差值等於 = 消息長度 * 隊列長度。
四、查詢消息
如今咱們經過ConsumerQueue已經知道了消息的長度和偏移量，那麼查找消息就比較容易了。
public static MessageExt getMessageByOffset(ByteBuffer commitLog,long offset,int size) throws Exception {
ByteBuffer slice = commitLog.slice();
slice.position((int)offset);
slice.limit((int) (offset+size));
MessageExt message = CommitLogTest.decodeCommitLog(slice);
return message;
}
複製代碼
而後，咱們能夠依靠這種方法，來實現經過ConsumerQueue獲取消息的具體內容。
public static void main(String[] args) throws Exception {
//consumerqueue根目錄
String consumerPath = "C:\\Users\\shiqizhen\\store\\consumequeue";
//commitlog目錄
String commitLogPath = "C:\\Users\\shiqizhen\\store\\commitlog\\00000000000000000000";
//讀取commitlog文件內容
ByteBuffer commitLogBuffer = CommitLogTest.read(commitLogPath);
//遍歷consumerqueue目錄下的全部文件
File file = new File(consumerPath);
File[] files = file.listFiles();
for (File f:files) {
if (f.isDirectory()){
File[] listFiles = f.listFiles();
for (File queuePath:listFiles) {
String path = queuePath+"/00000000000000000000";
//讀取consumerqueue文件內容
ByteBuffer buffer = CommitLogTest.read(path);
while (true){
//讀取消息偏移量和消息長度
long offset = (int) buffer.getLong();
int size = buffer.getInt();
long code = buffer.getLong();
if (size==0){
break;
}
//根據偏移量和消息長度，在commitloh文件中讀取消息內容
MessageExt message = getMessageByOffset(commitLogBuffer,offset,size);
if (message!=null){
System.out.println("消息主題:"+message.getTopic()+" MessageQueue:"+
message.getQueueId()+" 消息體:"+new String(message.getBody()));
}
}
}
}
}
}
複製代碼
運行這段代碼，就能夠獲得以前測試樣例中，10個主題的全部消息。
消息主題:topic0 MessageQueue:1 消息體:清幽之地的博客
消息主題:topic1 MessageQueue:0 消息體:清幽之地的博客
消息主題:topic2 MessageQueue:1 消息體:清幽之地的博客
消息主題:topic3 MessageQueue:0 消息體:清幽之地的博客
消息主題:topic4 MessageQueue:3 消息體:清幽之地的博客
消息主題:topic5 MessageQueue:1 消息體:清幽之地的博客
消息主題:topic6 MessageQueue:2 消息體:清幽之地的博客
消息主題:topic7 MessageQueue:3 消息體:清幽之地的博客
消息主題:topic8 MessageQueue:2 消息體:清幽之地的博客
消息主題:topic9 MessageQueue:0 消息體:清幽之地的博客
複製代碼
五、消費消息
消息消費的時候，其查找消息的過程也是差很少的。不過值得注意的一點是，ConsumerQueue文件和CommitLog文件可能都是多個的，因此會有一個定位文件的過程，咱們來看源碼。
首先，根據消費進度來查找對應的ConsumerQueue，獲取其文件內容。
public SelectMappedBufferResult getIndexBuffer(final long startIndex) {
//ConsumerQueue文件大小
int mappedFileSize = this.mappedFileSize;
//根據消費進度，找到在consumerqueue文件裏的偏移量
long offset = startIndex * CQ_STORE_UNIT_SIZE;
if (offset >= this.getMinLogicOffset()) {
//返回ConsumerQueue映射文件
MappedFile mappedFile = this.mappedFileQueue.findMappedFileByOffset(offset);
if (mappedFile != null) {
//返回文件裏的某一塊內容
SelectMappedBufferResult result = mappedFile.selectMappedBuffer((int) (offset % mappedFileSize));
return result;
}
}
return null;
}
複製代碼
而後拿到消息在CommitLog文件中的偏移量和消息長度，獲取消息。
public SelectMappedBufferResult getMessage(final long offset, final int size) {
//commitlog文件大小
int mappedFileSize = this.defaultMessageStore.getMessageStoreConfig().getMappedFileSizeCommitLog();
//根據消息偏移量，定位到具體的commitlog文件
MappedFile mappedFile = this.mappedFileQueue.findMappedFileByOffset(offset, offset == 0);
if (mappedFile != null) {
//根據消息偏移量和長度，獲取消息內容
int pos = (int) (offset % mappedFileSize);
return mappedFile.selectMappedBuffer(pos, size);
}
return null;
}
複製代碼
六、經過 Message Id 查詢
上面咱們看到了經過消息偏移量來查找消息的方式，但RocketMQ還提供了其餘幾種方式能夠查詢消息。
- 經過Message Key 查詢；
- 經過Unique Key查詢；
- 經過Message Id查詢。
在這裏，Message Key和Unique Key都是在消息發送以前，由客戶端生成的。咱們能夠本身設置，也能夠由客戶端自動生成，Message Id是在Broker端存儲消息的時候生成。
Message Id總共 16 字節，包含消息存儲主機地址和在CommitLog文件中的偏移量offset。有源碼爲證：
/**
* 建立消息ID
* @param input
* @param addr Broker服務器地址
* @param offset 正在存儲的消息，在Commitlog中的偏移量
* @return
*/
public static String createMessageId(final ByteBuffer input, final ByteBuffer addr, final long offset) {
input.flip();
int msgIDLength = addr.limit() == 8 ? 16 : 28;
input.limit(msgIDLength);
input.put(addr);
input.putLong(offset);
return UtilAll.bytes2string(input.array());
}
複製代碼
當咱們根據Message Id向Broker查詢消息時，首先會經過一個decodeMessageId方法，將Broker地址和消息的偏移量解析出來。
public static MessageId decodeMessageId(final String msgId) throws Exception {
SocketAddress address;
long offset;
int ipLength = msgId.length() == 32 ? 4 * 2 : 16 * 2;
byte[] ip = UtilAll.string2bytes(msgId.substring(0, ipLength));
byte[] port = UtilAll.string2bytes(msgId.substring(ipLength, ipLength + 8));
ByteBuffer bb = ByteBuffer.wrap(port);
int portInt = bb.getInt(0);
//解析出來Broker地址
address = new InetSocketAddress(InetAddress.getByAddress(ip), portInt);
//偏移量
byte[] data = UtilAll.string2bytes(msgId.substring(ipLength + 8, ipLength + 8 + 16));
bb = ByteBuffer.wrap(data);
offset = bb.getLong(0);
return new MessageId(address, offset);
}
複製代碼
因此經過Message Id查詢消息的時候，實際上仍是直接從特定Broker上的CommitLog指定位置進行查詢，屬於精確查詢。
這個也沒問題，可是若是經過 Message Key 和 Unique Key 查詢的時候，RocketMQ 又是怎麼作的呢？
3、Index
一、index索引文件
ConsumerQueue消息消費隊列是專門爲消息訂閱構建的索引文件，提升根據主題與消息隊列檢索消息的速度。
另外，RocketMQ引入Hash索引機制，爲消息創建索引，它的鍵就是Message Key 和 Unique Key。
那麼，咱們先看看index索引文件的結構：
爲了便於理解，咱們仍是以代碼的方式，來解析這個文件。
public static void main(String[] args) throws Exception {
//index索引文件的路徑
String path = "C:\\Users\\shiqizhen\\store\\index\\20200506224547616";
ByteBuffer buffer = CommitLogTest.read(path);
//該索引文件中包含消息的最小存儲時間
long beginTimestamp = buffer.getLong();
//該索引文件中包含消息的最大存儲時間
long endTimestamp = buffer.getLong();
//該索引文件中包含消息的最大物理偏移量(commitlog文件偏移量)
long beginPhyOffset = buffer.getLong();
//該索引文件中包含消息的最大物理偏移量(commitlog文件偏移量)
long endPhyOffset = buffer.getLong();
//hashslot個數
int hashSlotCount = buffer.getInt();
//Index條目列表當前已使用的個數
int indexCount = buffer.getInt();
//500萬個hash槽，每一個槽佔4個字節，存儲的是index索引
for (int i=0;i<5000000;i++){
buffer.getInt();
}
//2000萬個index條目
for (int j=0;j<20000000;j++){
//消息key的hashcode
int hashcode = buffer.getInt();
//消息對應的偏移量
long offset = buffer.getLong();
//消息存儲時間和第一條消息的差值
int timedif = buffer.getInt();
//該條目的上一條記錄的index索引
int pre_no = buffer.getInt();
}
System.out.println(buffer.position()==buffer.capacity());
}
複製代碼
咱們看最後輸出的結果爲true，則證實解析的過程無誤。
二、構建索引
咱們發送的消息體中，包含Message Key 或 Unique Key，那麼就會給它們每個都構建索引。
這裏重點有兩個：
- 根據消息Key計算Hash槽的位置；
- 根據Hash槽的數量和Index索引來計算Index條目的起始位置。
將當前 Index條目 的索引值，寫在Hash槽absSlotPos位置上；將Index條目的具體信息(hashcode/消息偏移量/時間差值/hash槽的值)，從起始偏移量absIndexPos開始，順序按字節寫入。
public boolean putKey(final String key, final long phyOffset, final long storeTimestamp) {
if (this.indexHeader.getIndexCount() < this.indexNum) {
//計算key的hash
int keyHash = indexKeyHashMethod(key);
//計算hash槽的座標
int slotPos = keyHash % this.hashSlotNum;
int absSlotPos = IndexHeader.INDEX_HEADER_SIZE + slotPos * hashSlotSize;
//計算時間差值
long timeDiff = storeTimestamp - this.indexHeader.getBeginTimestamp();
timeDiff = timeDiff / 1000;
//計算INDEX條目的起始偏移量
int absIndexPos =
IndexHeader.INDEX_HEADER_SIZE + this.hashSlotNum * hashSlotSize
+ this.indexHeader.getIndexCount() * indexSize;
//依次寫入hashcode、消息偏移量、時間戳、hash槽的值
this.mappedByteBuffer.putInt(absIndexPos, keyHash);
this.mappedByteBuffer.putLong(absIndexPos + 4, phyOffset);
this.mappedByteBuffer.putInt(absIndexPos + 4 + 8, (int) timeDiff);
this.mappedByteBuffer.putInt(absIndexPos + 4 + 8 + 4, slotValue);
//將當前INDEX中包含的條目數量寫入HASH槽
this.mappedByteBuffer.putInt(absSlotPos, this.indexHeader.getIndexCount());
return true;
}
return false;
}
複製代碼
這樣構建完Index索引以後，根據Message Key 或 Unique Key查詢消息就簡單了。
好比咱們經過RocketMQ客戶端工具，根據Unique Key來查詢消息。
adminImpl.queryMessageByUniqKey("order", "FD88E3AB24F6980059FDC9C3620464741BCC18B4AAC220FDFE890007");
複製代碼
在Broker端，經過Unique Key來計算Hash槽的位置，從而找到Index索引數據。從Index索引中拿到消息的物理偏移量，最後根據消息物理偏移量，直接到CommitLog文件中去找就能夠了。
總結
本文探討了RocketMQ中消息存儲和消息查找的基本思路。源碼中間過程都很複雜，可是經過這種自下而上的方式，直接從文件入手，剖析它們的文件結構，從而梳理清楚它們的關係和做用，但願能對朋友們產生積極做用。
原創不易，客官們點個贊再走嘛，這將是筆者持續寫做的動力~
- 1. RocketMQ消息存儲和ack
- 2. rocketMq消息查詢
- 3. RocketMQ消息存儲
- 4. RocketMQ：消息存儲
- 5. RocketMQ---消息存儲
- 6. RocketMQ之消息的存儲
- 7. RabbitMQ/RocketMQ/Kafka 消息存儲
- 8. RocketMQ消息存儲學習
- 9. RocketMQ之消息存儲管理
- 10. Kafka消息存儲原理
- 更多相關文章...
- • HTTP 消息結構 - HTTP 教程
- • TiDB數據庫的存儲原理（非常詳細） - NoSQL教程
- • 三篇文章瞭解 TiDB 技術內幕——說存儲
- • ☆技術問答集錦（13）Java Instrument原理
-
每一个你不满意的现在，都有一个你没有努力的曾经。
- 1. RocketMQ消息存儲和ack
- 2. rocketMq消息查詢
- 3. RocketMQ消息存儲
- 4. RocketMQ：消息存儲
- 5. RocketMQ---消息存儲
- 6. RocketMQ之消息的存儲
- 7. RabbitMQ/RocketMQ/Kafka 消息存儲
- 8. RocketMQ消息存儲學習
- 9. RocketMQ之消息存儲管理
- 10. Kafka消息存儲原理