计算存储分离在消息队列上的应用
共 3321字，需浏览 7分钟
·
2020-12-26 02:31
JCQ全名JD Cloud Message Queue，是京东智联云自研，具有CloudNative特性的分布式消息中间件。 JCQ设计初衷即为适应云特性的消息中间件，具有高可用、数据可靠性、副本物理隔离、服务自治、健康状态汇报、少运维或无运维、容器部署、弹性伸缩、租户隔离、按量付费、云账户体系、授权等特性。
JCQ早在2017年中开始开发1.0版本，2018年11月正式GA上线对外售卖。但1.0版本中Topic受限于单台服务器限制，满足不了用户超大规格Topic需求。
因此，我们在2.0 版本中着重解决扩缩容问题。2019年4月 JCQ 2.0 正式上线，主要新增特性就是Topic 扩缩容能力、热点Topic在Broker间的负载均衡、热点Broker的流量转移。
2019年7月，JCQ又做了一次大的架构演进——计算存储分离，大版本号为JCQ 3.0, 于2019年底上线。计算存储分离对架构带来了比较明显的好处，解决了日常遇到的许多痛点问题。
下文将详细介绍此次演进带来的优势以及解决了哪些痛点问题:
在JCQ2.0中计算模块与存储模块处于同一个进程，升级计算模块势必将存储模块一起升级。而存储模块重启是比较重的动作，需要做的工作有：加载大量数据、进行消息数据与消息索引数据比对、脏数据截断等操作。往往修复计算模块一个小的Bug，就需要做上述非常重的存储模块重启。而在现实工作中，大部分升级工作都是由于计算模块功能更新或Bugfix引起的。
为了解决这个问题， JCQ3.0将计算模块、存储模块独立部署，之间通过RPC调用。各自升级互不影响。如下图所示：
计算节点Broker只负责生产消息、推送消息、鉴权、认证、限流、拥塞控制、客户端负载均衡等业务逻辑，属于无状态服务。比较轻量，升级速度快。
存储节点Store只负责数据写入、副本同步、数据读取。因为业务逻辑简单，功能稳定后，除优化外基本无需改动，也就无需升级。
JCQ是共享消息中间件，用户申请的是不同规格TPS的Topic，并不感知CPU、Memory、Disk等硬件指标。所以，JCQ服务方需要考虑如何合理使用这些硬件指标。
JCQ通过容器部署，有多种类型的组件，这些组件对硬件的需求也是多样化的，其中对资源消耗最多的是计算模块和存储模块。在JCQ2.0版本中，计算模块和存储模块部署在一起，选择机型时要兼顾CPU、Memory、Disk等指标，机型要求单一，很难与其他产品线混合部署。即使是同一资源池，也存在因为调度顺序，造成调度失败的情况。如一台机器剩余资源恰好能调度一个需要大规格磁盘的A容器，但是因为B容器先被调度到这台机器上，剩余资源就不够创建一个A容器，那这台机器上的磁盘就浪费了。
JCQ3.0后，计算节点Broker与存储节点Store独立部署，这两个组件可以各自选择适合自己业务的机型，部署在相应资源池中。这样JCQ可以做到与其他产品混合部署，共用资源池水位，而不用独自承担资源水位线。
JCQ3.0中计算节点Broker是无状态服务，主从切换比较轻量，能在秒级完成故障转移；且部署时考虑了物理设备反亲和，如跨Rack、跨AZ部署。所以，可以在可用性、资源成本之间做一定的权衡。如可以使用M:1方式做高可用冷备，而不必1：1的比例高可用冷备，进而达到节省硬件资源的目的。
JCQ 1.0 设计之初就采用Raft算法，来解决服务高可用、数据一致性的问题。Message Log与Raft Log 有很多共同的特性，如顺序写、随机读、末端热数据。所以，直接用Raft Log当成Message Log是非常合适的。
在JCQ演进中我们也发现了Raft本身的一些性能问题，如顺序复制、顺序commit、有的流程只能用单线程处理等限制。针对这些问题，最直接有效的办法就是扩展Raft的数目、扩展单线程流程数目，在一定数量级内，并发能力随着Raft Group数目的增长，呈线性增长关系，称之MultiRaft，如下图所示：
上图中，每个StoreNode节点是一个独立进程，内部有四组逻辑RaftGroup（橙色的节点为RaftGroup的Leader），各组RaftGroup之间是并行关系，可以做到Group间并行复制、并行commit。
由于大量使用了NIO，这些RaftGroup之间可以共享通信线程池，扩充RaftGroup数目并不会带来线程资源线性增长的问题。
在JCQ3.0中，Broker为轻量的无状态服务，在主从切换、故障恢复方面相对2.0更为轻量，本身能更快地恢复对外服务能力。
同时，Broker将Producer、Consumer的连接请求，抽象为PubTask和SubTask，后文统称为Task。Task的概念非常轻量，仅描述Client与Broker的对应关系，由元数据管理器Manager统一调度、管理。转移Task只需要修改Task的内容，客户端重新连接新Broker即可。
一般来说，Broker的主要瓶颈在于网络带宽。Broker定期统计网络入口流量与出口流量，并上报给管理节点Manager。Manager根据入口流量、出口流量与带宽阈值进行裁决，发现超过阈值后，通过一定策略将相应的Task转移到较小负载的Broker上，并通知相应的Producer与Consumer；Producer与Consumer收到通知后，重新获取Task的路由信息，自动重连到新的Broker继续进行生产、消费。
设想一个场景，有一个大规格的Topic，创建了n个消费组。消费总TPS是生产总TPS的n倍。增加消费组，会导致消费总TPS线性增长。到达一定消费组规模后，单Broker由于网卡带宽的原因，无法满足这种高扇出的场景。单服务器是无法解决这个问题。
在JCQ 3.0 可以将这些不同的消费组对应的SubTask分散到若干个Broker上，每个Broker负责一部分SubTask，单Broker从Store预读消息，将数据推送给Consumer。这样多个Broker共同完成所有消费组的消息流量，协作一起提供高扇出的能力。
消息中间件很大的特点是：大部分场景下，热数据都在末端，而回溯几天之前的消息这个功能是不常用的。所以，就有冷热数据之分。
JCQ 计算节点设计了一层存储抽象层Store Bridge 可以接入不同的存储引擎，可以接入Remote Raft Cluster，或者分布式文件系统WOS、或者S3。甚者可以将冷数据定期从昂贵的本地盘卸载到廉价的存储引擎上。
相对于JCQ2.0，计算节点与存储节点之间的通信方式，由接口调用变为RPC调用，在延迟方面会有一定损失。经过测试，绝大部分延迟都在1ms左右，在大多数场景下牺牲1ms左右的延迟并不会给业务带来太大的影响。
JCQ未来会主要在多协议兼容，按需自动扩缩容、云原生等方面演进：
目前JCQ协议为私有协议，在引导用户迁移方面有比较大的障碍。后续会抽离JCQ Kernel，外部提供不同的协议接入层。方便用户从其他MQ接入JCQ。
JCQ是共享消息中间件，但缺少Serverless自动扩缩容的特性。每逢大促，如618，11.11，服贸会等重要活动。业务方很难预估自己的业务量峰值，或者估计不足，会造成topic限流等问题。如在保证JCQ服务本身能力情况下，能做到Topic灵活地自动扩缩容，将对用户有极大的帮助，起到真正的削峰填谷作用。
未来会支持在Kubernetes环境部署与交付，会提供原生的Operator，能快速的部署在K8s环境中，更好的交付私有云、混合云项目。
