剥丝抽茧｜阿里面试题解读：MQ消费端遇到瓶颈该怎么办？

１、面试场景与面试技巧

金三银四招聘季，一位粉丝朋友最近在蚂蚁金服第二轮面试时遇到这样一个问题：如果MQ消费遇到瓶颈时该如何处理?。

横向扩容，相比很多读者与我这位朋友一样会脱口而出，面试官显然不会满意这样的回答，然后追问道：横向扩容是堆机器，还有没有其他办法呢？

在面试过程中，个人建议大家在听到问题后稍作思考，不要立马给出太直接的答案，而是应该与面试官进行探讨，一方面可更深刻的理解面试官的出题初衷，同时可以给自己梳理一下思路。

消费端遇到瓶颈，这是一个结果，但引起这个结果的原因是什么呢？在没有弄清楚原因之前谈优化、解决方案都会显得很苍白。

在这样的面试场景中，我们该如何探讨交流呢？我的思路如下：

• 尝试与面试官探讨如何判断消费端遇到瓶颈
• 如何查找根因
• 提出解决方案

> 温馨提示：为了本文观点的严谨性，本文主要以RocketMQ为例进行剖析。

２、如何判断消费端遇到瓶颈

在RocketMQ消费领域中判断消费端遇到瓶颈通常有两个重要的指标：

• 消息积压数量（延迟数量）
• lastConsumeTime

在开源版本的控制台rocketmq-console界面中，可以查阅一个消费端上述两个指标，如下图所示：

• Delay：消息积压数量，即消费端还剩下多少消息未处理，该值越大，说明消费端遇到瓶颈了。
• LastConsumeTime：表示上一次成功消费的消息的存储时间，该值离当前时间越大，同样能说明消费端遇到瓶颈了。

那为什么会积压呢？消费端是在哪遇到瓶颈了呢？

３、如何定位问题

消费端出现瓶颈，如何识别是客户端的问题还是服务端的问题，一个最简单的办法是看集群内其他消费组是否也有积压，特别是和有问题的消费组订阅同一个主题的其他消费组是否有积压，按照笔者的经验，出现消息积压通常是客户端的问题，可以通过查询 rocketmq_client.log加以证明：

grep "flow" rocketmq_client.log

出现so do flow control 这样的日志，说明触发了消费的限流，其直接触发原因：就是消息消费端积压消息，即消费端无法消费已拉取的消息，为了避免内存泄露，RocketMQ在消费端没有将消息处理完成后，不会继续向服务端拉取消息，并打印上述日志。

那如何定位消费端慢在哪呢？是卡在哪行代码呢？

通常的排查方法是跟踪线程栈，即利用jstack命令查看线程运行情况，以此来探究线程的运行情况。

通常使用的命令如下：

ps -ef | grep java
jstack pid > j1.log

通常为了对比，我一般会连续打印5个文件，从而可以在5个文件中查看同一个消费者线程，其状态是否变化，如果未变化，则说明该线程卡主，那就是我们重点需要关注的地方。

在RocketMQ中，消费端线程以ConsumeMessageThread_开头，通过对线程的判断，如下代码让人为之兴奋： 消费端线程的状态是RUNNABLE，但在5个文件中其状态都是一样，基本可以断定线程卡在具体的代码，从示例代码中是卡在掉一个外部的http借口，从而加以解决，通常在涉及外部调用，特别是http调用，可以设置一个超时时间，避免长时间等待。

4、解决方案

其实根据第三步骤，大概率能明确是哪个地方慢，遇到了性能瓶颈，通常无非就是调第三方服务，数据库等问题出现了瓶颈，然后对症下药。数据库等性能优化，并不在本文的讨论范围之内，故这里可以点到为止，当然面试官后续可能会继续聊数据库优化等话题，这样就实现了与面试官的交流互动，一环扣一环，技术交流氛围友好，面试通过率大大提高。

最后，我还想和大家探讨一个问题，出现消息积压就一定意味着遇到消费瓶颈，一定需要处理吗？

其实也不然，我们回想一下为什么需要使用MQ，不就是利用异步解耦与削峰填谷吗？例如在双十一期间，大量突发流量汇入，此时很可能导致消息积压，这正式我们的用意，用MQ抗住突发流量，后端应用慢慢消费，保证消费端的稳定，在积压的情况下，如果tps正常，即问题不大，这个时候通常的处理方式就是横向扩容，尽可能的降低积压，减少业务的延迟。

本文就介绍到这里了。如果大家对RocketMQ感兴趣，可下载我的电子书，获取线上环境运维千亿级消息流转集群的运维实战经验。 关注公众号[中间件兴趣圈]，回复RMQPDF即可获取。