前言

一款优秀的中间件，参数的缺省值必然是经过反复验证得出的最优解，勿动！

发现问题

某台SaaS服务器磁盘不足发出告警。但是另外台业务量更大、配置相同的SaaS服务器一切正常，于是开始着手排查问题。

排查过程

Step 1

怀疑是日志文件导致的磁盘不足。排查后发现并没有大量的日志文件生成，并且归档的脚本运行正常。

Step 2

对比两台服务器的磁盘使用情况。使用df -h指令后发现，是RocketMQ下的store文件夹竟然有80多G，而另外一台业务量更大的服务器只有50多G。基本就定位到了本次磁盘告警的罪魁祸首了。

Step 3

进入目录store/commitlog/，确认是否真的产生了这么多的消息。找到最新的commitlog文件，把文件名换算成G发现一共也就只有20多G的消息，那么剩下的60多G在哪里呢？

Step 4

使用du -sh *指令后发现，consumequeue文件夹大的离谱。consumequeue下只是存储了commitlog的消息索引不应该有这么大啊。排查了几个topic后发现，所有consumequeue文件夹下的索引文件，大小都为477MB。

Step 5

翻阅源码，找到consumequeue创建文件大小时的配置参数。

org.apache.rocketmq.store.queue.ConsumeQueueStore#createConsumeQueueByType

所以mappedFileSizeConsumeQueue这个配置决定了consumeQueue的文件大小，查了下生产的配置，发现了问题。

mappedFileSizeConsumeQueue这里的单位是字节，换算成MB后问题一目了然。

为了验证上述结论，通过MQ Dashborad手动创建了新的Topic，然后手动发送了一条新的消息。确认了新创建的ConsumeQueue文件就是477MB。

Step 6

到此，满怀欣喜的以为完成了闭环。然而，这是个开始。
再测试环境用相同的配置文件部署了一套新MQ，重复上述的测试流程发现

文件大小是4K。用stat指令对比了下两个文件

Blocks字段指的是512字节构成的块的个数，IO Block是指文件系统的块的大小一般为4096字节。

Step 7

分析下源码，看下RocketMQ在创建文件时，是否会预占空间。

Broker启动时会创建默认的消费存储处理类，在DefaultMessageStore的构造方法中会创建AllocateMappedFileService

org.apache.rocketmq.broker.BrokerController#initialize

AllocateMappedFileService可以理解为一个异步线程，主要工作是初始化MappedFile和预热MappedFile，这里有一段比较关键的逻辑。

org.apache.rocketmq.store.AllocateMappedFileService#mmapOperation

当开启文件预热的配置时，才会去通过mlock方式预占空间。但是，warmMapedFileEnable默认值为false，并且没有做修改。所以按理来说，不应该会有预占空间这回事才对，477MB还是不合理。

Step 8

到此为止，代码层面已经无法解释了。通过github联系上了RocketMQ作者，请教了这个问题。RocketMQ作者给出的排查方向是硬件和文件系统。于是，对比了一下两台SaaS服务器的硬盘，果真还不一样。
一台高效云盘 200GiB (3400 IOPS)
一台是ESSD云盘 PL0 200GiB (4200 IOPS)

以下为RocketMQ作者给出的解释

每个文件初始化的时候，会设置一个filename，不同的文件系统对这个filename的实现是不一样的，如果我猜测没错的话，因为那个ESSD，它为了提高性能，所以在set filename的时候，它底层把那些block全部给预生成出来，这样可以提高写入的性能。但如果是高效云盘，它可能是懒加载的方式，set filename时，它是虚拟的，等到边写的时候边生成，但是这样的话，效率就会比较低。

总结一下就是两种硬件的底层实现方式一个是饿加载，一个是懒加载。这个分析很合理，令人信服。但是出于技术的严谨性，还是需要再验证一下的。

Step 9

刚好强哥有ESSD云盘的阿里云服务器，就麻烦强哥帮忙测试了一下上述的场景，结果翻车了。
只能把最后的希望寄托到文件系统上了，通过mount查看后发现，两台服务器的文件系统都是ext4类型。

解决方式

问题的排查到此为止，先打上一个TODO吧，后续有想法了会继续排查，如果解决了也会更新博客。最后说一下怎么解决这个问题吧。

1. 生产的RocketMQ是双主模式，所以先使用指令wipeWritePerm停止其中一台broker的写入，静默后找出消息量较小的topic，进行队列的缩容，减少consumeQueue文件的数量。
2. 重启RocketMQ，释放文件句柄。这里切记不可修改mappedFileSizeConsumeQueue，该配置生效后若发生修改，可能会造成文件的截断，导致消费的异常。
3. 最后大概释放了20多G的空间出来，算是解决了磁盘空间的问题。但这个神奇的477MB问题，还会继续研究下去。

写在最后

排查问题期间也怀疑过是不是RocketMQ版本的问题，因为部署的是3x版本，GitHub上也找不到该版本的源码了。从介入问题到解决问题大概花了一周的时间吧，真是睁眼MQ闭眼也MQ的。我甚至怀疑，很多人都遇到了这个问题，不过没有修改mappedFileSizeConsumeQueue的默认值，所以文件大小默认也就不到1MB，就算是预占了磁盘空间，也不会有多大的影响。所以跟这个问题也算是蛮有缘分的吧。最后的最后，我觉得mappedFileSizeConsumeQueue的缺省值其实已经过大了， 实际的空载率已经非常高了，consumequeue文件的头部可能都已经是过期的索引了，所以对于消息量不大的应用来说，单个topic的消息量不超过10万条的，我甚至觉得都可以减少mappedFileSizeConsumeQueue的配置值。