容错方案

容错通常也是主链路规划里很重要的一环，消息队列RocketMQ作为集团中间件成员里的主要分子，每年也会参与到双十一中，经受各种考验。

容错方案：

1.通常是使用自动的降级熔断策略，当性能达到阈值时就会自动开启。此外还会设置一个手动的降级开关，来人工开启降级流程

2.还可以采用分段限流，根据系统承压能力、集群规模等设置不同的限流方案，同时还能根据应用水位来动态调整限流策略，例如接口响应时间是100ms时，可以设置每秒访问10万次，接口响应时间是200ms时，可以设置每秒访问5万次

容错策略类继承关系图

LatencyFaultTolerance：延迟故障容错接口
LatencyFaultToleranceImpl：延迟故障容错实现类，具体容错功能的实现
MQFaultStrategy：RocketMQ提供的容错策略

源码分析

MQFaultStrategy

MQFaultStrategy主要维护的属性：

1.每个Broker发送消息的延迟
2.发送消息延迟容错开关
3.不可用时长与延迟级别的映射关系

public class MQFaultStrategy {
    private final static InternalLogger log = ClientLogger.getLog();
    
    /**
    * 维护每个Broker发送消息的延迟
    * key:brokerName
    */
    private final LatencyFaultTolerance<String> latencyFaultTolerance = new LatencyFaultToleranceImpl();
    
    /**
    * 发送消息延迟容错开关
    */
    private boolean sendLatencyFaultEnable = false;
    
    /**
    * 延迟级别数组
    */
    private long[] latencyMax = {50L, 100L, 550L, 1000L, 2000L, 3000L, 15000L};
    /**
    * 不可用时长
    */
    private long[] notAvailableDuration = {0L, 0L, 30000L, 60000L, 120000L, 180000L, 600000L};

    public long[] getNotAvailableDuration() {
        return notAvailableDuration;
    }

    public void setNotAvailableDuration(final long[] notAvailableDuration) {
        this.notAvailableDuration = notAvailableDuration;
    }

    public long[] getLatencyMax() {
        return latencyMax;
    }

    public void setLatencyMax(final long[] latencyMax) {
        this.latencyMax = latencyMax;
    }

    public boolean isSendLatencyFaultEnable() {
        return sendLatencyFaultEnable;
    }

    public void setSendLatencyFaultEnable(final boolean sendLatencyFaultEnable) {
        this.sendLatencyFaultEnable = sendLatencyFaultEnable;
    }
    
    /**
    * 根据`TopicPublishInfo`，选择一个消息队列
    */
    public MessageQueue selectOneMessageQueue(final TopicPublishInfo tpInfo, final String lastBrokerName) {
        // 判断容错开关是否打开，默认是false
        if (this.sendLatencyFaultEnable) {
            try {
                // 根据负载均衡策略选择一个MQ，brokerName == lastBrokerName && 可用的MQ
                int index = tpInfo.getSendWhichQueue().incrementAndGet();
                for (int i = 0; i < tpInfo.getMessageQueueList().size(); i++) {
                    int pos = Math.abs(index++) % tpInfo.getMessageQueueList().size();
                    if (pos < 0)
                        pos = 0;
                    MessageQueue mq = tpInfo.getMessageQueueList().get(pos);
                    if (latencyFaultTolerance.isAvailable(mq.getBrokerName()))
                        return mq;
                }
                // 上一步没选出来时，选一个相对较好的Broker
                final String notBestBroker = latencyFaultTolerance.pickOneAtLeast();
                int writeQueueNums = tpInfo.getQueueIdByBroker(notBestBroker);
                if (writeQueueNums > 0) {
                    final MessageQueue mq = tpInfo.selectOneMessageQueue();
                    if (notBestBroker != null) {
                        mq.setBrokerName(notBestBroker);
                        mq.setQueueId(tpInfo.getSendWhichQueue().incrementAndGet() % writeQueueNums);
                    }
                    return mq;
                } else {
                    latencyFaultTolerance.remove(notBestBroker);
                }
            } catch (Exception e) {
                log.error("Error occurred when selecting message queue", e);
            }
            // 上面两步都没选出来时，默认负载均衡策略选一个MQ
            return tpInfo.selectOneMessageQueue();
        }

        return tpInfo.selectOneMessageQueue(lastBrokerName);
    }

/**
    * 更新延迟容错信息
    * 
    * currentLatency:延迟
    * isolation:是否隔离
    */
    public void updateFaultItem(final String brokerName, final long currentLatency, boolean isolation) {
        if (this.sendLatencyFaultEnable) {
            // 当开启隔离时，延迟取默认30000
            long duration = computeNotAvailableDuration(isolation ? 30000 : currentLatency);
            // 更新broker的延迟
            this.latencyFaultTolerance.updateFaultItem(brokerName, currentLatency, duration);
        }
    }
    
    /**
    * 计算延迟对应的不可用时间，采用的查表法
    */
    private long computeNotAvailableDuration(final long currentLatency) {
        for (int i = latencyMax.length - 1; i >= 0; i--) {
            if (currentLatency >= latencyMax[i])
                return this.notAvailableDuration[i];
        }

        return 0;
    }
}

从源码中不难看出，selectOneMessageQueue在容错策略下选择MQ的步骤：

1.优先获取上一次用过的Broker（上一次用的很大程度上是可用的）
2.选择一个次优的Broker
3..默认负载均衡策略返回一个Broker

updateFaultItem更新Broker对应的延迟，如果Producer发送消息时间过长，则认为一段时间N内不可用，N的取值与Producer发送消息持续时长的关系如下表：（其实就是上面源码中的latencyMax和notAvailableDuration数组）