面试题：消息队列RocketMQ客户端的负载均衡策略及源码实现

消息发送负载均衡策略

轮询策略：
- 源码实现：在DefaultMQProducerImpl类的sendKernelImpl方法中，selectOneMessageQueue方法默认采用轮询方式选择MessageQueue。例如：
```
public MessageQueue selectOneMessageQueue(final TopicPublishInfo publishInfo, final String lastBrokerName) {
    if (lastBrokerName == null) {
        return publishInfo.selectOneMessageQueue();
    } else {
        return publishInfo.selectOneMessageQueue(lastBrokerName);
    }
}
```
TopicPublishInfo类中的selectOneMessageQueue方法实现了轮询逻辑，每次调用会从messageQueueList中选择下一个MessageQueue。
- 逻辑：依次从可用的MessageQueue列表中选择，保证每个MessageQueue都有机会被选中，实现简单的负载均衡。
随机策略：通过Random类在MessageQueue列表中随机选择一个MessageQueue。在自定义负载均衡策略时可以使用这种方式，例如在DefaultMQProducer构造函数中，可以传入自定义的MessageQueueSelector实现随机选择。
根据消息哈希值选择：
- 源码实现：在DefaultMQProducer中，如果使用MessageQueueSelector的select方法传入MessageQueueSelectorByHash，会根据消息的某个属性（如消息体中的某个字段）计算哈希值，然后根据哈希值在MessageQueue列表中选择。例如：
```
public class MessageQueueSelectorByHash implements MessageQueueSelector {
    @Override
    public MessageQueue select(final List<MessageQueue> mqs, final Message msg, final Object arg) {
        int value = arg.hashCode();
        if (value < 0) {
            value = Math.abs(value);
        }
        return mqs.get(value % mqs.size());
    }
}
```
- 逻辑：根据消息相关的哈希值均匀分布到不同的MessageQueue，适合需要将相关消息发送到同一MessageQueue的场景，如同一订单相关消息。

消息消费负载均衡策略

集群消费模式下的负载均衡：

源码实现：RebalanceImpl类负责消费端的负载均衡。以AllocateMessageQueueAveragely策略为例，allocate方法实现如下：

public class AllocateMessageQueueAveragely implements AllocateMessageQueueStrategy {
    @Override
    public List<MessageQueue> allocate(String consumerGroup, String currentCID, List<MessageQueue> mqAll, List<String> cidAll) {
        // 省略部分代码
        int averageSize = mqAll.size() <= cidAll.size()? 1 : mqAll.size() / cidAll.size();
        int averageMod = mqAll.size() % cidAll.size();
        int index = cidAll.indexOf(currentCID);
        List<MessageQueue> result = new ArrayList<>();
        for (int i = 0; i < averageSize; i++) {
            result.add(mqAll.get((index * averageSize + i)));
        }
        if (averageMod > 0 && index < averageMod) {
            result.add(mqAll.get(cidAll.size() * averageSize + index));
        }
        return result;
    }
}

逻辑：将MessageQueue平均分配给各个消费者实例。先计算平均每个消费者应分配的MessageQueue数量，再根据消费者实例在消费者列表中的索引，按顺序分配MessageQueue，余数部分再依次分配给前几个消费者。

广播消费模式：每个消费者实例消费所有的MessageQueue中的消息，不需要负载均衡算法，因为每个消费者都要处理所有消息。

不同场景下优化负载均衡策略提高消息处理效率

高并发写场景：
- 优化策略：可以根据业务特点选择合适的消息发送负载均衡策略。如果业务数据没有明显的关联关系，随机策略可能更适合，因为可以充分利用多个MessageQueue的写入能力。如果数据有一定的分组关联性，如按用户ID分组，使用消息哈希值选择策略能保证同一用户的消息发送到同一MessageQueue，减少消息处理时的跨队列协调。同时，可以增加MessageQueue数量，提高写入并行度。
高并发读场景：
- 优化策略：在集群消费模式下，选择合适的消费端负载均衡策略。如果消费者处理能力差异较大，可以采用AllocateMessageQueueAveragelyByOrder策略，它会根据消费者名称的字典序来分配MessageQueue，尽量使处理能力强的消费者分配到更多MessageQueue。另外，增加消费者实例数量，以提高消息处理并行度。还可以优化消费者内部的处理逻辑，如采用多线程处理消息，减少单个消费者处理消息的时间。

星途面试题库

面试题：消息队列RocketMQ客户端的负载均衡策略及源码实现

知识考点

面试题答案

消息发送负载均衡策略

消息消费负载均衡策略

不同场景下优化负载均衡策略提高消息处理效率