TubeMQ是腾讯在 2013 年自研的分布式消息中间件系统，专注服务大数据场景下海量数据的高性能存储和传输，经过近 7 年上万亿的海量数据沉淀，目前日均接入量超过 25 万亿条。较之其它开源 MQ 组件，TubeMQ 的优势在海量实践（稳定性+性能）和低成本方面。9 月 12 日，腾讯在 ApacheCon 宣布 TubeMQ 开源。
TubeMQ 系统特点：
纯Java实现语言
Tube MQ 采用纯 Java 语言开发，便于开发人员快速熟悉项目及问题处理；
引入Master协调节点
相比 Kafka 依赖于 Zookeeper 完成元数据的管理和实现 HA 保障不同，Tube MQ 系统采用的是自管理的元数据仲裁机制方式进行，Master 节点通过采用内嵌数据库 BDB 完成集群内元数据的存储、更新以及 HA 热切功能，负责 Tube MQ 集群的运行管控和配置管理操作，对外提供接口等；通过 Master 节点，Tube MQ 集群里的 Broker 配置设置、变更及查询实现了完整的自动化闭环管理，减轻了系统维护的复杂度；
服务器侧消费负载均衡
Tube MQ 采用的是服务侧负载均衡的方案，而不是客户端侧操作，提升系统的管控能力同时简化客户端实现，更便于均衡算法升级；
系统行级锁操作
对于 Broker 消息读写中存在中间状态的并发操作采用行级锁，避免重复问题；
Offset管理调整
Offset 由各个 Broker 独自管理，ZK 只作数据持久化存储用（最初考虑完全去掉 ZK 依赖，考虑到后续的功能扩展就暂时保留）；
消息读取机制的改进
Tube MQ 采用的是消息随机读取模式,同时为了降低消息时延又增加了内存缓存读写,对于带 SSD 设备的机器,增加消息滞后转 SSD 消费的处理，解决消费严重滞后时吞吐量下降以及 SSD 磁盘容量小、刷盘次数有限的问题，使其满足业务快速生产消费的需求；
消费者行为管控
支持通过策略实时动态地控制系统接入的消费者行为，包括系统负载高时对特定业务的限流、暂停消费，动态调整数据拉取的频率等；
服务分级管控
针对系统运维、业务特点、机器负载状态的不同需求，系统支持运维通过策略来动态控制不同消费者的消费行为，比如是否有权限消费、消费时延分级保证、消费限流控制，以及数据拉取频率控制等；
系统安全管控
根据业务不同的数据服务需要，以及系统运维安全的考虑，Tube MQ 系统增加了 TLS 传输层加密管道，生产和消费服务的认证、授权，以及针对分布式访问控制的访问令牌管理，满足业务和系统运维在系统安全方面的需求；
资源利用率提升改进
相比于 Kafka，Tube MQ 采用连接复用模式，减少连接资源消耗；通过逻辑分区构造，减少系统对文件句柄数的占用，通过服务器端过滤模式，减少网络带宽资源使用率；通过剥离对 Zookeeper 的使用，减少 Zookeeper 的强依赖及瓶颈限制；
客户端改进
基于业务使用上的便利性以，我们简化了客户端逻辑，使其做到最小的功能集合，我们采用基于响应消息的接收质量统计算法来自动剔出坏的 Broker 节点，基于首次使用时作连接尝试来避免大数据量发送时发送受阻。
Github 开源地址：
https://github.com/Tencent/TubeMQ
TubeMQ 国内镜像地址：https://git.code.tencent.com/Tencent_Open_Source/TubeMQ
原文链接：
https://mp.weixin.qq.com/s/HfZaqvfGLc7xH8wsjP341Q
InfoQ高级编辑
Java 避坑指南：Java 高手笔记代码篇
本迷你书包括 86 个业务开发中常见踩坑点。每一个知识点都相当的实用，是程序员业务开发中的必备避坑指南...
评论