一 机器部署
1、机器组成
7台机器，均为16G内存
每台服务器均有4个CPU，2核
2、运行环境配置
3、刷盘方式
每台机器master机器均采用异步刷盘方式
二 性能评测
1、评测目的
测试consumer端的集群模式消费。
2、评测指标
（1）topic关联的readQueueNums读队列数值
（2）属于同一个consumerGroup的consumer个数
（3）所有consumer消费消息的总条数
（4）每个consumer消费消息，读取的队列Id
（5）部署集群中的master机器台数
3、评测逻辑
如果有 5 个队列，2 个 consumer，那么第一个 Consumer 消费 3 个队列，第二 consumer 消费 2 个队列。
如果Consumer 超过队列数量，那么多余的Consumer 将不能消费消息。
队列数量、Consumer数量、Replance结果如下表
| 队列数量 | Consumer数量 | Reblance结果 |
| 5 | 2 | C1：3 C2：2 |
| 6 | 3 | C1：3 C2：3 |
| 10 | 20 | C1-C10：1 C11-C20：0 |
| 20 | 6 | C1：4 C2：4 C3-C4：3 |
4、评测过程
（1）发送消息前，查看服务端的topic关联的队列个数。
（2）producer端向topic名称为“clusterTopicTest”队列发送消息，定为20条，发送消息后并记录每条消息的msgId、queueId、offset等基本信息。
（3）配置consumer端，日志记录每个consumer端的instanceName、消息的offset、所消费队列queueId、消息的body、消息msgId，以及每个consumer消费消息的总条数。
（4）每次消费完之后，统计所有consumer端消费消息的总数，判断消息是否有丢失。
（5）每次消费完之后，分析每个consumer消费队列的queueId，判断队列是否达到了负载均衡。
（6）记topic的队列数为A，记consumer个数为B，做如下调整：
第一组：保持A不变，增加B，使得A > B，然后重复步骤1-5。
第二组：保持A不变，增加B，使得A = B，然后重复步骤1-5。
第三组：保持A不变，增加B，使得A = 2 * B，然后重复步骤1-5。
第三组：增加A，保持B不变，使得2 * A = B，然后重复步骤1-5。
第五组：减少A，保持B不变，使得2 * A < B，然后重复步骤1-5。
（7）注意：需要先启动所有consumer端，在启动producer端发送消息，这样才能在每个consumer端同时看到消息的消费情况，因为消息被消费的速率是很快的。
（8）注意：master机器个数，每台master机器上指定topic的队列数，两数值相乘，才是最终的rocketmq做负载均衡的队列个数。 （步骤6的master机器个数为2）
第一组，总发送条数20条
| 队列数量 | Consumer数量 | Reblance结果 （期望） | Reblance结果 (实际） | Master机器 | 消费条数 | |
| Master1 | Master2 | |||||
| 8 | 5 | C1：4 | C1：4 | 4 | 0 | 8 |
| C2：3 | C2：3 | 1 | 2 | 3 | ||
| C3：3 | C3：3 | 0 | 3 | 3 | ||
| C4：3 | C4：3 | 3 | 0 | 3 | ||
| C5：3 | C5：3 | 0 | 3 | 3 |
3个consumer消费消息总条数：8+3+3+3+3 = 20条
2台master机器，每个topic有8个队列， 期望的队列个数 2*8=16个，实际的队列个数 4+3+3+3+3 = 16个，可以看出期望、实际的queue分布是相同的结果。
producer的发送记录：
consumer1的消费记录：
consumer2的消费记录：
consumer3的消费记录：
consumer4的消费记录：
consumer5的消费记录：
第二组，总发送条数20条
| 队列数量 | Consumer数量 | Reblance结果 （期望） | Reblance结果 (实际） | Master机器 | 消费条数 | |
| Master1 | Master2 | |||||
| 8 | 8 | C1：2 | C1：2 | 2 | 0 | 4 |
| C2：2 | C2：2 | 0 | 2 | 2 | ||
| C3：2 | C3：2 | 0 | 2 | 2 | ||
| C4：2 | C4：2 | 0 | 2 | 2 | ||
| C5：2 | C5：2 | 0 | 2 | 2 | ||
| C6：2 | C6：2 | 2 | 0 | 4 | ||
| C7：2 | C7：2 | 2 | 0 | 2 | ||
| C8：2 | C8：2 | 2 | 0 | 2 |
8个consumer消费消息总条数：8+3+3+3+3 = 20条
2台master机器，每个topic有8个队列， 期望的队列个数 2*8=16个，实际的队列个数 2+2+2+2+2+2+2+2 = 16个，可以看出期望、实际的queue分布是相同的结果。
8个consumer消费消息总条数：4+2+2+2+2+2+4+2+2 = 20条
producer的发送记录：
consumer1的消费记录：
consumer2的消费记录：
consumer3的消费记录：
consumer4的消费记录：
consumer5的消费记录：
consumer6的消费记录：
consumer7的消费记录：
consumer8的消费记录：
第三组，总发送条数20条
| 队列数量 | Consumer数量 | Reblance结果 （期望） | Reblance结果 (实际） | Master机器 | 消费条数 | |
| Master1 | Master2 | |||||
| 8 | 4 | C1：4 | C1：4 | 4 | 0 | 8 |
| C2：4 | C2：4 | 4 | 0 | 4 | ||
| C3：4 | C3：4 | 0 | 4 | 4 | ||
| C4：4 | C4：4 | 0 | 4 | 4 |
8个consumer消费消息总条数：8+3+3+3+3 = 20条
2台master机器，每个topic有8个队列， 期望的队列个数 2*8=16个，实际的队列个数 4+4+4+4 = 16个，可以看出期望、实际的queue分布是相同的结果。
8个consumer消费消息总条数：8+4+4+4 = 20条
producer的发送记录：
consumer1的消费记录：
consumer2的消费记录：
consumer3的消费记录：
consumer4的消费记录：
第四组，总发送条数20条
| 队列数量 | Consumer数量 | Reblance结果 （期望） | Reblance结果 (实际） | Master机器 | 消费条数 | |
| Master1 | Master2 | |||||
| 4 | 8 | C1：1 | C1：1 | 1 | 0 | 3 |
| C2：1 | C2：1 | 1 | 0 | 3 | ||
| C3：1 | C3：1 | 0 | 1 | 2 | ||
| C4：1 | C4：1 | 0 | 1 | 2 | ||
| C5：1 | C5：1 | 0 | 1 | 2 | ||
| C6：1 | C6：1 | 0 | 1 | 2 | ||
| C7：1 | C7：1 | 1 | 0 | 3 | ||
| C8：1 | C8：1 | 1 | 0 | 3 |
8个consumer消费消息总条数：8+3+3+3+3 = 20条
2台master机器，每个topic有8个队列， 期望的队列个数 2*4=8个，实际的队列个数 1+1+1+1+1+1+1+1= 8个，可以看出期望、实际的queue分布是相同的结果。
8个consumer消费消息总条数：3+3+2+2+2+2+3+3 = 20条
producer的发送记录：
consumer1的消费记录：
consumer2的消费记录：
consumer3的消费记录：
consumer4的消费记录：
consumer5的消费记录：
consumer6的消费记录：
consumer7的消费记录：
consumer8的消费记录：
第五组，总发送条数20条
| 队列数量 | Consumer数量 | Reblance结果 （期望） | Reblance结果 (实际） | Master机器 | 消费条数 | |
| Master1 | Master2 | |||||
| 3 | 7 | C1：1 | C1：1 | 0 | 1 | 3 |
| C2：1 | C2：1 | 1 | 0 | 4 | ||
| C3：1 | C3：1 | 0 | 1 | 3 | ||
| C4：1 | C4：1 | 1 | 0 | 3 | ||
| C5：1 | C5：1 | 1 | 0 | 4 | ||
| C6：1 | C6：1 | 0 | 1 | 3 | ||
| C7：0 | C7：0 | 0 | 0 | 0 |
8个consumer消费消息总条数：8+3+3+3+3 = 20条
2台master机器，每个topic有8个队列， 期望的队列个数 2*3=6个，实际的队列个数 1+1+1+1+1+1+0 = 6个，可以看出期望、实际的queue分布是相同的结果。
8个consumer消费消息总条数：3+4+3+3+4+3+0 = 20条
producer的发送记录：
consumer1的消费记录：
consumer2的消费记录：
consumer3的消费记录：
consumer4的消费记录：
consumer5的消费记录：
consumer6的消费记录：
consumer7的消费记录：
二 评测结果
1、rocketmq集群消费模式，订阅消息的确达到了队列负载均衡，与这种负载均衡消费相关的因素有： master机器个数、 特定topic的queue个数，这两个数值相乘，才是rocketmq最终计算队列的总数。
2、rocketmq的集群消费能力，保证消息准确性，完整性，所有被消费的消息总数与producer端发送的消息总数是一致的，不存在消息丢弃的情况。
3、分析consumer消费日志，说明每条消息在相同consumerGroup组的不同consumer端中仅仅只会被消费一次。
4、在集群消费模式下，如果consumer的总数，超过了队列总数，那么多余的consumer端将不能消费消息。
扫一扫
2723
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
