_本文整理于 2024 年云栖大会阿里云智能集团高级技术专家金吉祥（牟羽）带来的主题演讲《ApsaraMQ Serverless 能力再升级，事件驱动架构赋能 AI 应用》_ 云消息队列 ApsaraMQ 全系列产品 Serverless 化，支持按量付费、自适应弹性、跨可用区容灾，帮助客户降低使用和维护成本，专注业务创新。那 ApsaraMQ 是如何一步一步完成 Serverless 能力升级的？在智能化时代，我们的事件驱动架构又是如何拥抱 AI、赋能 AI 的？ 本次分享将从以下四个方面展开： + 首先，回顾 ApsaraMQ Serverless 化的完整历程，即 ApsaraMQ 从阿里内部诞生、开源，到捐赠给 Apache 进行孵化，再到完成 Serverless 化升级的不断突破、与时俱进的过程。 + 然后，重点介绍 ApsaraMQ 的存算分离架构，这是全面 Serverless 化进程中不可或缺的前提。 + 接下来，会从技术层面重点解读近一年 ApsaraMQ Serverless 能力的演进升级，包括弹性能力的升级、基于 RDMA 进一步降低存储和计算层之间的 CPU 开销，以及对无感扩缩容的优化。 + 最后，介绍我们在面向 AI 原生应用的事件驱动架构上的探索，以及基于阿里云事件总线定向更新向量数据库，为 AI 应用融入实时最新数据的最佳实践。 ApsaraMQ Serverless 化历程 首先，我们来看 ApsaraMQ Serverless 化的整个发展历程。 + 2012 年，RocketMQ 在阿里巴巴内部诞生，并将代码在 Github 上开源； + 2016 年，云消息队列 RocketMQ 版开启商业化的同时，阿里云将 RocketMQ 捐赠给了 Apache，进入孵化期； + 2017 年，RocketMQ 以较短的时间孵化成为 Apache TLP，并快速迭代新功能特性，顺利发布 4.0 版本，支持了顺序、事务、定时等特殊类型的消息； + 2018 年，随着大数据、互联网技术的发展，数据量爆发式增长，云消息队列 Kafka 版商业化发布； + 2019 年，云消息队列 RabbitMQ 版、云消息队列 MQTT 版两款产品商业化发布，补齐了 ApsaraMQ 在 AMQP、MQTT 协议适配上的缺失； + 2021 年，经过一段时间的孵化，ApsaraMQ 家族中的另一款产品事件总线 EventBridge 开始公测，开始融合事件、消息、流处理； + 2023 年，ApsaraMQ 全系列产品依托存算分离架构，完成 Serverless 化升级，打造事件、消息、流一体的融合型消息处理平台； + 今年，我们专注提升核心技术能力，包括秒级弹性、无感发布、计算存储层之间的 RDMA 等，实现 Serverless 能力的进一步升级，并结合当下客户需求，通过事件驱动架构赋能 AI 原生应用。 存算分离架构全景 第二部分，我们来看 ApsaraMQ 存算分离架构的全景，这是 Serverless 化升级不可或缺的前序准备。 ApsaraMQ 存算分离架构全景：云原生时代的选择 ApsaraMQ 的存算分离架构，是云原生时代的选择。 + 从下往上看，这套架构是完全构建在云原生基础之上的，整个架构 K8s 化，充分利用 IaaS 层的资源弹性能力，同时也基于 OpenTelemetry 的标准实现了metrics、tracing 和 logging 的标准化。 + 再往上一层是基于阿里云飞天盘古构建的存储层，存储节点身份对等，Leaderless 化，副本数量灵活选择，可以在降低存储成本和保证消息可靠性之间实现较好的平衡。 + 再往上一层是在本次架构升级中独立抽出来的计算层，即无状态消息代理层，负责访问控制、模型抽象、协议适配、消息治理等。比较关键的点是，它是无状态的，可独立于存储层进行弹性。 + 在用户接入层，我们基于云原生的通信标准 gRPC 开发了一个全新的轻量级 SDK，与之前的富客户端形成了很好的互补。 “Proxy” 需要代理什么？ 接下来我们重点看下这套架构里的核心点，即独立抽出来的 Proxy。 它是一层代理，那到底需要代理什么呢？ 在之前的架构中，客户端与 Broker/NameServer 是直连模式，我们需要在中间插入一个代理层，由原先的二层变成三层。然后，将原先客户端侧部分业务逻辑下移，Broker、Namesrv 的部分业务逻辑上移，至中间的代理层，并始终坚持一个原则：往代理层迁移的能力必须是无状态的。 从这张图中，我们将原先客户端里面比较重的负载均衡、流量治理（小黑屋机制）以及 Push/Pull 的消费模型下移至了 Proxy，将原先 Broker 和 Namesrv 侧的访问控制（ACL）、客户端治理、消息路由等无状态能力上移至了 Proxy。然后在 Proxy 上进行模块化设计，抽象出访问控制、多协议适配、通用业务能力、流量治理以及通用的可观测性。 ApsaraMQ 存算分离的技术架构 接下来看 ApsaraMQ 存算分离的技术架构，在原先的架构基础上剥离出了无状态Proxy 组件，承接客户端侧所有的请求和流量；将无状态 Broker，即消息存储引擎和共享存储层进行剥离，让存储引擎的职责更加聚焦和收敛的同时，充分发挥共享存储层的冷热数据分离、跨可用区容灾的核心优势。 这个架构中无状态 Proxy 承担的职责包括： 1. 多协议适配：能够识别多种协议的请求，包括 remoting、gRPC 以及 Http 等协议，然后统一翻译成 Proxy 到 Broker、Namesrv 的 remoting 协议。 2. 流量治理、分发：Proxy 具备按照不同维度去识别客户端流量的能力，然后根据分发规则将客户端的流量导到后端正确的 Broker 集群上。 3. 通用业务能力扩展：包含但不限于访问控制、消息的 Tracing 以及可观测性等。 4. Topic 路由代理：Proxy 还代理了 Namesrv 的 TopicRoute 功能，客户端可以向 Proxy 问询某个 topic 的详细路由信息。 5. 消费模型升级：使用 Pop 模式来避免单客户端消费卡住导致消息堆积的历史问题。 无状态 Broker，即消息存储引擎的职责更加的聚焦和收敛，包括： 1. 核心存储能力的迭代：专注消息存储能力的演进，包括消息缓存、索引的构建、消费状态的维护以及高可用的切换等。 2. 存储模型的抽象：负责冷热存储的模型统一抽象。 共享存储为无状态 Broker 交付了核心的消息读写的能力，包括： 1. 热存储 EBS：热存储 EBS，提供高性能、高可用存储能力。 2. 冷存储 OSS：将冷数据卸载到对象存储 OSS，获取无限低成本存储空间。 3. 跨可用区容灾：基于 OSS 的同城冗余、Regional EBS 的核心能力构建跨可用区容灾，交付一写多读的消息存储能力。 基于云存储的存算分离架构，兼顾消息可靠性和成本 存算分离架构中的存储层是完全构建在阿里云飞天盘古存储体系之上的。基于这套架构，我们能够灵活控制消息的副本数量，在保证消息可靠性和降低存储成本之间做到一个比较好的平衡。 左图是存算分离存储架构中上传和读取的流程。可以看到，我们是在 CommitLog 异步构建 consumeQueue 和 Index 的过程中额外添加了按照 topic 拆分上传到对象存储的过程；在读取过程中智能识别读取消息的存储 Level，然后进行定向化读取。 基于云存储的架构，我们提供了 ApsaraMQ 的核心能力，包括： 1. 超长时间定时消息：超过一定时间的定时消息所在的时间轮会保存至对象存储上，快到期时时间轮再拉回到本地进行秒级精准定时。 2. 集群缩容自动接管：消息数据实时同步到对象存储，对象存储的数据能够动态挂载到任意 Broker，实现彻底存算分离，Broker 的无状态化。 3. 按需设置 TTL 成本优化：支持按需设置消息 TTL，不同重要程度的消息可设置不同的 TTL，满足消息保存时长需求的同时兼顾成本控制。 4. 冷热消息分离、分段预取：热数据的读取命中本地存储，速度快；冷数据的读取命中远端存储，速率恒定且不会影响热数据的读取。 5. 动态调控云存储的比例：动态调控 EBS 和 OSS 的比例，大比例的 EBS 能够具备更高的稳定性，应对 OSS 负载过高的背压，提升 EBS 作为 OSS 的前置容灾的能力；小比例的 EBS 则是可以最大化降低消息单位存储成本，让整体的存储成本趋同于 OSS 存储成本。 Serverless 能力再升级 有了存算分离架构的铺垫，ApsaraMQ 全系列产品 Serverless 化就更加顺畅了。接下来展开介绍 ApsaraMQ Serverless 能力的升级。 消息场景下的 Serverless 化 在消息场景下通常会有两个角色：消息服务的使用方和提供方。 在传统架构中通常是这样的流程：使用方会给提供方提需求：我要大促了，你保障下；提供方说给你部署 10 台够不够，使用方说好的；结果真到大促那一刻，真实流量比预估的要大很多倍，整个消息服务被击穿，硬生生挂了半小时。 在 Serverless 化改造前，仍需提前规划容量；但相比传统架构的提升点是，依托 IaaS 层的快速扩容能力，能够极大缩短扩容时间；再演进到当前的 Serverless 架构，我们期望消息服务提供方是能够非常淡定地应对大促。 Serverless 现在已经成为了一个趋势和云的发展方向。ApsaraMQ 全线产品实现弹性灵活的 Serverless 架构，既彰显了技术架构的先进性，也提升了客户的安全感。业务部门减少了容量评估的沟通成本，用多少付多少，更省成本；运维部门免去了容量规划，实现自动弹性扩缩，降低运维人员投入的同时，大大提升了资源的利用率。 Serverless 方案的 Why / What / How Serverless 化预期达到的收益是：省心——秒级弹性，免容量规划；省钱——用多少付多少；省力——少运维、免运维。 要解决的痛点是：用户使用容量模型比较难做精准预估；运维侧手动扩容，是一个非常耗时耗力的过程。 核心目标是： + 弹性要快：特别是针对一些脉冲型的秒杀业务，需要具备秒级万 TPS 的弹性能力。 + 缩容无感：应对 MQ 客户端与服务侧 TCP 长连接的特性，缩容、服务端发布时要无感。 + 成本要低：极致的性能优化，才能进一步降低用户侧的单位 TPS 成本。 通过如下几个关键路径构建 ApsaraMQ Serverless 核心能力： + 多租、安全隔离、业务流量隔离：是构建 Serverless 核心能力的基础。 + 物理预弹&逻辑弹性：物理预弹和逻辑弹性结合的极致弹性方案，通过镜像加速、元数据批量创建、主动路由更新等核心技术加速物理弹性，结合逻辑弹性最终交付秒级万 TPS 的极致弹性能力。 + RDMA：在存储和计算层之间引入 RDMA 技术，充分利用 RDMA 的零拷贝、内核旁路、CPU 卸载等特性进一步降低计算层与存储层之间的通信开销。 + 优雅上下线：依托 gRPC 协议的 GOAWAY 以及 Remoting 协议的扩展实现 TCP 长连接的优雅上下线。 + 控制资源水位：通过智能化的集群流量调度以及平滑 Topic 迁移方案，进一步控制单个集群的资源水位在一个合理的值。 这套 Serverless 方案可以同时满足如下几种场景： + 第一种是平稳型：流量上升到一定水位后会平稳运行。 + 第二种是稳中有“进”型：流量平稳运行的同时，偶尔会有一些小脉冲。 + 第三种是周期性“脉冲型”：流量会周期性地变化。 计算、存储与网络：充分利用云的弹性能力 我们前面也有提到，这套架构是完全构建在云原生基础设施之上的，我们在计算、存储、网络上都充分利用了云的弹性能力，具体来看： + 在计算侧，通过 K8s 充分利用 ECS 的弹性能力，通过弹性资源池、HPA 等核心技术支持计算层的快速弹性，并通过跨可用区部署提升可用性。 + 在存储侧，充分利用飞天盘古存储的弹性能力，支持自定义消息的存储时长，冷热数据分离，额外保障冷读的 SLA。 + 在网络侧，公网随开随用，安全和方便兼具，支持多种私网形态接入，并基于 CEN 构建全球互通的消息网络。 在这之上，结合 SRE 平台的智能集群流量调度、集群水位监控、物理预弹性等核心能力，最终交付了一套完整的 ApsaraMQ Serverless 化物理弹性能力。 秒级万 TPS 的极致弹性能力保障 依托于上面的基础物理资源的弹性能力，来看下我们是如何保障秒级万 TPS 的极致弹性能力的？ 从两个维度来看用户视角的弹性： + 从限流维度看：在无损弹性上限以内的 TPS，都不会触发限流；超过无损弹性 TPS 上限后，会有秒级别的限流，通过逻辑弹性调整实例级别的限流阈值后，即可实现最终的 TPS 弹性。 + 从付费角度看：在预留规格内按规格进行预付费；超过预留规格的上限 TPS，超过部分按量付费，即用多少付多少。 为了满足用户视角的秒级弹性能力，我们通过物理弹性和逻辑弹性相结合的方式来进行保障： + 物理弹性是预弹的机制，弹性时间在分钟级，用户侧无任何感知，由服务侧来 Cover 成本。 + 逻辑弹性是实时生效的，弹性时间在秒级，同时在触发无损弹性 TPS 上限时，用户侧是会有秒级别的限流感知的，另一方面，用户是需要为弹出来的那部分流量进行按量付费的。 两者的关系是：物理弹性是逻辑弹性的支撑，逻辑弹性依赖物理弹性。从弹性流程上看，当用户的流量触发无损弹性上限时，优先判断物理资源是否充足，充足的话就进行秒级逻辑弹性，不充足的话就等待物理资源扩容后再进行逻辑弹性。当然这里会有个预弹的机制，尽量保障逻辑弹性时物理资源都是充足的。 从物理弹性加速来看，通过以下几个方面进行加速： + 计算、存储层按需弹性：计算层更关注 CPU、客户端连接数等核心指标；存储层更关注内存、磁盘 IO 等性能指标。 + 镜像下载加速：通过 PlaceHolder + 镜像缓存组件加速新节点的扩容。 + 新增元数据批量创建的机制：新增存储节点创建 5000 级别的 Topic 下降至 3 秒。 + 新增主动路由更新机制：降低存储节点物理扩容后承接读写流量的延迟。 我们的系统设计精密，旨在确保用户体验到极致的弹性能力，特别是实现每秒万次事务处理（TPS）的秒级弹性扩展。这一能力的保障策略围绕两个核心维度展开，并深度融合物理与逻辑弹性机制，确保在高吞吐需求下的无缝响应与成本效率。 ApsaraMQ on RDMA：降低计算与存储层之间通信开销 RDMA（全称远程内存直接访问）是一种高性能的网络通信技术，相比 TCP/IP 的网络模式，具有零拷贝、内核旁路、CPU 卸载等核心优势。ApsaraMQ Serverless 化架构具备存算分离的特点，非常适合在计算层和存储层之间引入 RDMA 技术，进一步降低内部组件之间的数据通信开销。 具体来看，计算层 Proxy 在接收到客户端各种协议的消息收发请求以后，通过内置的 Remoting Client 和存储层 Broker 进行数据交换。在原先的 TCP/IP 网络模式中，这些数据是需要从操作系统的用户态拷贝到内核态后，再经由网卡和对端进行交互。依托 RDMA 内核旁路特性，通过实现 RdmaEventLoop 的适配器，消息直接由用户态到 RDMA 网卡和对端进行交互。 从最终 BenchMark 的测试效果来看，引入 RDMA 技术后，存储层 Broker 的 CPU 资源消耗下降了 26.7%，计算层 Proxy 的 CPU 资源消耗下降了 10.1%，计算到存储的发送 RT 下降了 23.8%。 优雅上下线：ApsaraMQ Serverless 弹性如丝般顺滑 在 Serverless 场景下，物理资源的水平弹性扩缩是一个常态化的过程，同时结合 MQ 客户端和计算层 Proxy TCP 长连接的特点，在 Proxy 上下线过程中是比较容易出现连接断开的感知，比如客户端刚发出一个接收消息的请求，连接就被服务侧强行关闭了，是非常容易造成单次请求超时的异常的。 因此，我们通过 gRPC 协议 Http2 的 Go Away 机制以及 Remoting 协议层的扩展，结合 SLB 连接优雅终端的能力来实现 ApsaraMQ 在扩容态、缩容态、以及发布态的无感。 右图展示了缩容态下单台 Proxy 优雅下线的过程： 1. 当收到 Proxy0 需要下线的指令后，SLB 会将 Proxy0 摘除，保障新的连接不再建立到 Proxy0 上，同时 Proxy0 进入 Draining 状态，旧连接进行会话保持。 2. Proxy0 上收到新的请求后，返回的 Response Code 都更新为 Go Away；同时客户单收到 Go Away 的 Response 后，断开原先的连接，向 SLB 发起新建连接的请求。 3. SLB 收到新建连接的请求，会导流至 Proxy1。 4. 等待一段时间后 Proxy0 上的连接会自然消亡，最终达到无感下线的目的。 事件驱动架构赋能 AI 应用 接下来，将阐述面向 AI 原生应用的事件驱动架构如何拥抱 AI，赋能 AI 应用蓬勃发展。 + 面向 AI 应用的实时处理，具备实时 Embedding 至向量数据库、更新私有数据存储的能力，全面提升 AI 应用实时性、个性化和准确度。 + 面向 AI 应用的异步解耦，解耦 AI 推理链路的快慢服务，加快应用响应速度。 + 面向 AI 应用的消息负载，ApsaraMQ 支持主动 Pop 消费模式，允许动态设置每一条消息的个性化消费时长. 同时也支持优先级队列，满足下游多个大模型服务的优先级调度。 + 面向 AI 应用的消息弹性，ApsaraMQ 提供全模式的 Serverless 弹性能力，支持纯按量和预留+弹性、定时弹性等多种流量配置模型； 最后，让我们来看下阿里云事件总线 EventBridge 是如何实现数据实时向量化，提升 AI 应用的实时性和准确度的？ 阿里云事件总线的 Event Streaming 事件流处理框架，具备监听多样化数据源，然后经过多次 Transform 之后再投递给下游数据目标的原子能力；依托这个框架，我们是很容易去实现数据的实时向量化的，从 RocketMQ、Kafka、OSS 等多个源监听到实时数据流入之后，经过文本化、切片、向量化等操作，最终存入向量数据库，作为 AI 应用实时问答的多维度数据检索的依据，最终提升了 AI 应用的实时性和准确度。

引言 如何正确使用消息队列保证业务集成链路的稳定性，是消息队列用户首要关心的问题。ApsaraMQ Copilot for RocketMQ 从集成业务稳定性、成本、性能等方面帮助用户更高效地使用产品。 背景 消息队列产品通过异步消息的传递，来协调和解耦各个业务组件的交互，所以消息集成链路有以下复杂性： 1）在消息队列架构中，生产者与消费者是一对多的异步通信链路。 2）为了确保业务的完整性和实时性，消息必须能够可靠且及时地被投递给下游业务消费者应用。 3）消费者消费消息的业务逻辑可能包含了复杂的业务逻辑和服务依赖，任何一个环节的问题都可能引起消息处理不及时，因此需要采取相应措施来保障服务的连续性和可靠性。 为了帮助用户更高效地使用 RocketMQ，阿里云消息队列 ApsaraMQ 提供了一套名为 RocketMQ Copilot 的辅助工具集。它将专家的实践经验产品化，使得即便是缺乏经验的用户也能迅速掌握 RocketMQ 客户端的正确用法，利用云消息队列 RocketMQ 版的可观测性工具进行监控、并高效地排查和解决问题，恢复业务运行。 产品优势 ApsaraMQ Copilot for RocketMQ 提供了全链路健康度智能巡检与诊断的先进功能，成为构建高效消息集成链路的重要工具。这一平台专为维持和提升消息链路的健康状态而设计，通过以下几个关键操作来全面升级其监控和诊断能力： 1）全面监控 Copilot 系统专注于评估整个消息链路的健康度，全面监测包括生产者和消费者在内的关键环节。它侦测配置异常、审查流量的正常性、确保消息的及时消费，并鉴别消费过程中的异常行为。 2）量化分析与配置可定制性 用户能够借助该平台执行量化分析，通过一系列精细化的指标和风险评级系统，有效识别并优先解决紧急的异常状况。同时，它也能够追踪到或许会被忽略的历史潜在问题，从而实现全方位的异常管理与防范。 3）简化诊断流程 通过提供一键式根因分析功能，ApsaraMQ Copilot 使用户仅需输入最基本的资源信息即可开始全面的诊断过程。该系统能够自动生成详细的诊断报告和针对性的处理建议，有效地引导用户完成问题修复。 产品功能 ApsaraMQ Copilot for RocketMQ 主要包括自助诊断工具和实例治理两部分功能，自助诊断工具负责单次诊断消息收发异常问题；实例治理负责巡检消息数据链路的使用异常。这项增强的健康巡检与诊断功能，使得 ApsaraMQ Copilot 为 RocketMQ 变成了一个真正的消息集成链路健康监管专家，赋予用户更强的监控能力，确保其消息集成的业务运行在最佳状态。 自助诊断工具 自助诊断工具旨在简化用户在处理消息收发异常时的诊断过程。用户只需要提交一些基本信息，如实例 ID、Topic（主题）和 Consumer Group（消费者组）、消息 ID，以及特定的问题场景，即可迅速开始对潜在问题的原因进行自动化分析。这一工具着重于提升用户体验，使得即使是没有深厚技术背景的用户也能高效地识别和解决问题。 以下是 RocketMQ 自助诊断工具的主要功能和场景介绍： + 消费堆积延迟：分析消息堆积延迟的原因，可能是消息量突增消费者应用容量不足、某消费者台机器异常、顺序消费有异常数据卡住无法处理、消费者处理消息耗时增长等原因。 + 消息收不到：面对消费者无法收到消息的情况，诊断工具能够检查配置错误、网络问题或者其他相关的原因。 + 消息消费重复：在消息被不止一次消费时，工具将分析并指出可能导致此问题的系统配置失误、消费超时或异常等原因。 自助诊断工具的核心优势在于其快速反馈和简洁的操作流程。它对于定位问题提供一个清晰的起点，使得用户不必深入底层系统细节即可开始故障排查工作。 一旦完成诊断过程，该工具会自动提供一份详尽的分析报告，其中包含了可能的问题原因和建议的解决步骤。这样的智能化分析显著提高了问题解决的效率和准确度。 实例治理 实例治理负责巡检消息数据链路的使用异常，帮助用户从稳定性、性能、安全、成本方面各个方面更专业地使用云消息队列 RocketMQ 产品。 以下是 RocketMQ 实例治理的主要巡检项和场景介绍： 稳定性方面 + 消息堆积延迟监控告警：分析消息堆积延迟的原因，可能是消息量突增消费者应用容量不足、某消费者台机器异常、顺序消费有异常数据卡住无法处理、消费者处理消息耗时增长等原因。 + 消息收不到：面对消费者无法收到消息的情况，诊断工具能够检查配置错误、网络问题或者其他相关的原因。 + 消息消费重复：在消息被不止一次消费时，工具将分析并指出可能导致此问题的系统配置失误、消费超时或异常等原因。 成本方面 + 闲置 Topic：巡检 Topic 的最近一次生产和消费消息时间，按照用户配置的闲置时间阈值发送提醒事件。 + 闲置 Group：巡检 Group 的最近一次消费消息时间，按照用户配置的闲置时间阈值发送提醒事件。 安全方面（二期上线） + 跨地域接入点：巡检用户是否有正确使用接入点，避免安全和稳定性风险。 + 公网访问安全：巡检用户是否有正确配置公网访问 IP 白名单，避免公网访问的安全风险。 快速入门 自助诊断工具和实例治理没有使用门槛，用户可登录云消息队列 RocketMQ 版控制台直接使用。 1. 自助问题排查，输入实例、Topic、Group 等基础信息一键提交诊断。 2. 实例治理会根据巡检给实例评分，并把巡检事件按照风险分等级，让用户快速修复。 阿里云消息队列 ApsaraMQ 始终围绕“高弹性低成本、更稳定更安全、智能化免运维”三大核心方向进行演进和拓展。在智能化免运维方面，通过 ApsaraMQ Copilot，为企业提供消息数据集成链路的健康管家，让消息服务走进智能化免运维的新时代。

CommunityOverCode 是 Apache 软件基金会（ASF）的官方全球系列大会，其前身为 ApacheCon。每年的 CommunityOverCode Asia 都吸引着来自全球各个层次的参与者、社区共同探索 "明天的技术"。2025年7月25日至27日， CommunityOverCode Asia 2025 将在北京举办，带来 Apache 项目的最新发展和新兴创新。 本次 CommunityOverCode Asia 2025 的 Messaging 专题，将给大家带来 Apache 社区建设和发展的最新资讯和前沿实践，现在就一起来看看吧！ 专题介绍 伴随着云原生 Serverless、物联网、实时数据技术的规模化落地，事件驱动架构、事件流技术得以更广泛的应用，使得消息队列成为越来越重要的基础设施。今天在Apache生态中已经涌现了多个优秀的消息项目，包括：Apache Pulsar、Apache Kafka、Apache RocketMQ、Apache ActiveMQ、Apache Inlong 等等。 在这个主题中，你将了解到不同的消息系统如何基于自身的架构特点做出最优的技术演进方向，包括存算分离、Serverless、消息流一体等；也能学习各大厂商如何结合自身的行业特点、业务场景选择合适的消息技术，获得消息技术的最佳实践。 出品人 翟佳 Apache Pulsar & Apache BookKeeper PMC member，谙流科技的联合创始人兼 CEO。曾是 StreamNative 的联合创始人担任 CTO 和中国区负责人职务。硕士毕业于中国科学院计算技术研究所，之后加入 EMC，从事分布式、文件系统、流存储相关的设计和开发。主要从事开源项目 Apache BookKeeper 和 Apache Pulsar 的设计和开发工作，集中在消息和流存储方向。在分布式、存储、消息等领域有深厚的积累和经验，在相关领域先后获得中美专利 10 余项。 林清山 Apache RocketMQ 联合创始人& PMC member，阿里云消息产品线负责人，阿里云架构组中间件组长。十多年分布式中间件、消息队列研发经验，致力于消息、EDA、事件流处理、云原生等方向的探索和研究。 胡宗棠 中国移动云能力中心，中间件和大数据领域技术专家，移动云中间件/大数据团队负责人。8 年以上消息中间件内核开发和架构设计经历，从无到有参与移动云 RocketMQ、MQTT、Kafka 等多款主流消息中间件系列产品的内核架构和研发，作为技术嘉宾，曾多次参与 Apache Conf Aisa 2022/2023/2024 主论坛/分论坛、ApacheRocketMQ Summit/Meetup、云原生服务大会技术分享，开源项目实践经验丰富担任 Apache RocketMQ、Nacos、openEuler messagemiddleware sig 和 openMessaging 等开源社区的 Maintainer/Committer。信通院 2023 年《云计算开源标准突出贡献专家》，《2024 信通院 OSCAR 尖峰开源人物》，多个开源社区的开源先锋等荣誉。 议程亮点 7 月 25 日 14:00 17:15 演讲议题：Apache RocketMQ Eventbridge｜您的 GenAI 为何需要 EDA？ 分享时间：7 月 25 日 14:0014:30 议题介绍： 如果您身处 AI 领域，EDA 为 LLM 和 AI Agent 提供的重要帮助不容忽视。本演讲将重点探讨 EDA 为 GenAI 带来的改变： 1. 通过实时 RAG，EDA 让您的 LLM 更加智能。 2. EDA 帮助您更好地使用 LLM。 3. 借助 MCP，EDA 赋能您的 Agent。 4. 为了增强多 Agent 能力，您应该关注 EDA。 此外，本演讲还将展示 Apache RocketMQ Eventbridge 在阿里云上在这些领域的实践和探索。 演讲嘉宾： Lin Shen: Apache RocketMQ PMC Apache RocketMQ PMC成员，阿里云 EventBridge 负责人，专注于 EDA 研究。 演讲议题：Apache Pulsar 在腾讯云上的高可用性最佳实践 分享时间：7 月 25 日 14:3015:00 议题介绍：Apache Pulsar 是一个云原生的分布式消息和流式传输平台。Apache Pulsar 采用存储与计算分离的架构，支持大型集群、多租户、百万级主题、跨区域数据复制、持久化存储、分层存储、高可扩展性等企业级及金融级服务。Apache Pulsar 提供统一的消费模型，同时支持消息队列和流式传输场景。它不仅能为队列场景提供企业级的读写服务质量和强一致性保证，还能为流式传输场景提供高吞吐量和低延迟。 Apache Pulsar 已在企业关键业务中落地，拥有丰富的应用场景。目前，腾讯云也已在生产实践中大规模应用 Apache Pulsar 近 5 年。在生产实践中，腾讯云对 Apache Pulsar 进行了一系列性能优化和稳定性增强，以确保用户在不同场景下系统能够稳定高效地运行。 本次演讲我们将重点讲解腾讯云上 Apache Pulsar 在高可用性方面的最佳实践，包括 Broker 集群和 Bookkeeper 集群的高可用性、Zookeeper 集群的高可用性以及跨集群的高可用性实践，希望能够为开发者提供一些参考。 演讲嘉宾： Mingze Han｜tencent 毕业于武汉大学计算机专业。腾讯云高级研发工程师。开源社区爱好者。在美团和腾讯拥有超过 8 年的消息队列相关研发和运营经验。目前主要负责腾讯云 TDMQ for Pulsar 产品的核心部分。同时，我是 Apache Pulsar Contributor 和 RoP Maintenanceer。 演讲议题：使用 Apache Pulsar 构建高可靠订阅和推送服务｜挑战与最佳实践 分享时间：7 月 25 日 15:0015:30 议题介绍：分析华为云物联网基于 Apache Pulsar 构建订阅和推送服务的最佳实践。订阅和推送服务看似简单，实则涉及诸多架构决策。本演讲将深入探讨我们如何设计统一的推送服务架构，以确保海量数据分发的高可靠性和稳定性，从而帮助客户高效集成数据流，加速数字化转型。 演讲嘉宾： Zhangjian He｜Huawei Cloud IoT Senior Engineer | Huawei Cloud Open Source Team Member Apache BookKeeper&Apache ServiceComb PMC member、Apache Pulsar Committer，华为云工业软件平台云服务产品编码&开源负责人、华为云OSDT成员。 演讲议题：解密 Apache Kafka 的架构创新与多场景最佳实践 分享时间：7 月 25 日 15:4516:15 议题介绍：阿里云 Kafka 基于开源 Kafka 全面升级，融合弹性计算、高性能分布式文件存储和容器服务等云原生基础设施，实现高性能存储计算分离架构。云原生 Kafka 的快速恢复机制大幅降低 RTO，读写隔离机制则充分保障服务质量。低延迟、高吞吐量、极致弹性和便捷的运维能力，使云原生 Kafka 架构足以应对众多业务场景。本次演讲在详细讲解云原生 Kafka 高性能实现原理的同时，还将从车联网、人工智能等领域展现云原生 Kafka 的多场景最佳实践。 演讲嘉宾： Fujian Zhao｜Alibaba Senior Software Engineer 2020 年 6 月毕业于东南大学，2020 年 7 月加入阿里巴巴。 演讲议题：Apache Pulsar 在大规模分区环境下的指标收集实践 分享时间：7 月 25 日 16:1516:45 议题介绍：Apache Pulsar 是一个高性能消息队列，支持海量 Topic，允许用户在单个集群内创建数十万甚至数百万个分区。指标是我们在生产环境中识别和诊断问题的关键工具。可观察性的有效性直接影响故障排除的速度。 在分区数量众多的场景下，启用 Topic 级指标可能会在短时间内生成大量指标字符串，从而导致严重的内存波动，并可能导致集群不稳定。 本次演讲将分享我们在此类高分区场景下收集指标的实践经验，并探讨如何在不影响在线内存稳定性的情况下最大限度地收集指标数据，从而实现高效的问题识别和系统监控。 演讲嘉宾： Lin Lin｜Huawei, SDE expert, Middleware technology director 华为 SDE 专家，中间件技术总监，曾就职于腾讯、蚂蚁金服 专注于中间件和基础设施领域，拥有超过 10 年的相关经验，致力于打造高品质的基础设施 Apache Pulsar Committer & PMC 成员 演讲议题：Apache Pulsar 在小红书公司线上场景的探索与实践 分享时间：7 月 25 日 16:4517:15 议题介绍：本次分享将比较 Pulsar 与 RocketMQ 的特性，以及 Pulsar 在小红书线上场景中的实现方式（包括特性延迟、多活、压缩等），以及企业获得的实际收益。 演讲嘉宾： 卢世吉｜Apache BookKeeper PMC 小红书公司在线MQ负责人，Apache BookKeeper PMC，拥有5年MQ开发经验，致力于打造稳定可靠的基础组件。 Linlin Duan｜rednote 消息队列高级研发工程师。 Xiangying Meng ｜ Apache Pulsar PMC 小红书高级研发工程师，拥有 4 年 Apache Pulsar 内核研发与实践落地经验。曾就职于 StreamNative。专注于消息队列领域，持续探索其技术前沿与更多可能性。 7 月 26 日 14:00 17:45 演讲议题：腾讯云上的 Kafka：无缝迁移与灾难恢复 分享时间：7 月 26 日 14:0014:30 议题介绍：本次演讲将介绍如何将自建 Kafka 集群无缝迁移至腾讯云 CKafka 解决方案，无需关注迁移过程中生产消费应用的切换顺序。同时还将详细介绍腾讯云 CKafka 的故障容灾方案。 演讲嘉宾： Shilin Lu｜Tencent Cloud Expert Engineer 毕业于天津大学软件工程专业，目前负责腾讯云 Kafka 内核开发与优化工作，拥有 7 年消息中间件开发运维经验。曾在腾讯、字节跳动等公司负责消息中间件研发，具备大规模集群运维经验。同时作为 Apache Kafka 和 RocketMQ 开源项目贡献者，积极参与开源社区建设。 演讲议题：构建云 MQTT 解决方案的经验教训 分享时间：7 月 26 日 14:3015:00 议题介绍：MQTT 已成为物联网 (IoT) 的事实标准，为汽车、制造、电信、石油天然气等行业的众多应用提供支持。 在腾讯云，我们开发了基于共享弹性流日志的稳健云 MQTT 解决方案。在本次演讲中，我们将分享开发过程中的关键见解和经验教训。我们将首先概述整体架构，重点介绍性能优化，并分享最佳实践。接下来，我们将深入探讨如何在共享日志之上实现 MQTT 协议——这种设计可扩展以支持其他消息传递协议。我们还将探讨动态扩展系统以支持数百万连接设备并保持高性能和可靠性的策略。最后，我们将讨论如何将存储和计算分离，并结合专用的 MQTT 负载均衡器，帮助我们降低总体拥有成本 (TCO)，并灵活高效地应对流量高峰。 演讲嘉宾： Senze Zhang｜Apache RocketMQ Committer Senze Zhang 是一位资深的消息队列系统工程师，在高性能消息解决方案的设计、实现和优化方面拥有丰富的经验，参与部署过 RocketMQ、Kafka、MQTT 等多个业界领先的消息队列平台。 演讲议题：使用 Apache RocketMQ 赋能无服务器消息架构 分享时间：7 月 26 日 15:0015:30 议题介绍：我们最新的研究成果已被 ACM FSE 2025 行业专题收录，Apache RocketMQ 为无服务器消息系统奠定了坚实的基础，解决了传统中间件在可扩展性、成本和元数据方面的挑战。通过解耦存储和计算，Apache RocketMQ 实现了独立的资源扩展，这对于不可预测的云工作负载至关重要。其弹性写入分区消除了单队列吞吐量限制，而轻量级消息队列则以最小的冷启动延迟支持数百万个队列。 我们通过基于 RocketMQ 的 RabbitMQ 实现证明了这一点，该实现在克服 RabbitMQ 扩展限制的同时，保留了完整的协议兼容性。借助 RocketMQ 的架构，我们实现了无限的水平扩展能力，并将元数据管理效率提高了 1000% 以上。该无服务器解决方案已在阿里云上商业化运营。我们的经验表明，RocketMQ 能够将传统消息系统转型为云原生服务，为面向未来的无服务器架构提供了蓝图。 演讲嘉宾： SJuntao Ji｜Senior Development Engineer (Alibaba Cloud Computing) 阿里云计算高级中间件研发工程师，负责 RocketMQ 和 RabbitMQ 的功能开发。Apache RocketMQ 开源社区贡献者。在 CCFA 会议或期刊（ASE 23'、FM 24'、FSE 25' 等）发表多篇顶级论文。 演讲议题：基于 Commitlog 和 RocksDB 的 RocketMQ 存储引擎 分享时间：7 月 26 日 15:4516:15 议题介绍：基于 Commitlog 和 RocksDB 的 RocketMQ 存储引擎 延迟消息、事务消息、POP 和索引是 RocketMQ 的核心功能。这些功能涉及内存中的多种状态转换，并且基于文件系统实现。现有实现面临以下问题： 1、基于队列的实现会导致更多的合并操作（例如，POP 消费结果合并、事务消息与 OP 消息合并），从而导致工作流复杂、效率低下且可扩展性差。 2、TimerWheel、TimerLog、Revive 和 Index 文件需要额外的存储空间。 3、内存中过多的中间状态会导致性能问题，例如在 POP 消费过程中，CK、ACK 和 CKMock 等临时对象会对堆内存造成巨大的 GC 压力。 4、大量的磁盘文件和中间状态使分层存储和弹性伸缩变得复杂。 RocksDB 是 Facebook 开发的一款高性能嵌入式键值存储引擎，广泛应用于数据库、日志系统和分布式存储。RocksDB 与 Commitlog 和 RocksDB 统一存储引擎的关键在于将消息数据分离成两部分，在文件系统上 Commitlog 的同时迁移 RocksDB 中的所有索引模型。这种方法具有显著的优势： 1、利用 RocksDB 的快速查找功能减少数据处理中的协调/同步，从而简化复杂性。例如，RocksDB 的键值存储 CRUD 操作可以取代 POP 消费中原有的双队列合并过程。 2、重构存储模型，减少存储数据量，提高存储效率。例如，RocksDB 的索引功能可以完全替代现有的索引功能，无需再保存任何索引文件。 3、使用 RocksDB 作为统一的数据迁移接口，简化了分层存储和弹性伸缩的流程，这比目前的实现方式要早得多。 这种存储架构显著优化了这些核心特性。重构不仅简化了代码库、降低了维护成本，还为 RocketMQ 提供了强大而灵活的解决方案，以应对不断增长的业务需求和复杂的存储环境。 演讲嘉宾： Zhou Li｜aliyun 阿里云消息专家，负责阿里巴巴核心消息中间件。 演讲议题：RocketMQ 5.0 中的虚拟队列：增强对 Remoting 协议客户端的向后兼容性 分享时间：7 月 26 日 16:1516:45 议题介绍：Apache RocketMQ 是一个以低延迟、高性能和高可靠性著称的分布式消息与流处理平台。最新发布的 5.0 版本带来了两项重大进步： 1、实现了存储与计算的解耦，进一步提升了系统的可扩展性和云原生适配能力。 2、引入了 POP 消费模式，将负载均衡逻辑从客户端迁移到了 Broker 端。 为适应这些新特性，社区推出了全新的基于 gRPC 协议的客户端。然而，现有通过 Remoting 协议客户端接入 RocketMQ 的用户，若不更新代码和替换客户端 SDK，将无法享受到 5.0 的这些创新能力。为增强对 Remoting 协议客户端的向后兼容性，我们在 RocketMQ 5.0 中提出了虚拟队列方案，并已在腾讯云的实际应用中得到了充分验证。 演讲嘉宾： Shengzhong Liu｜Tencent 自 2019 年从东南大学毕业以来，一直在腾讯云担任软件开发工程师，近年来专注于消息队列技术的相关工作。 演讲议题：小米 RocketMQMQTT 最佳实践：提升质量和成本效率之旅 分享时间：7 月 26 日 16:4517:15 议题介绍：本次演讲将介绍小米 MQTT 系统架构的演变，重点介绍其在稳定性、性能和成本优化方面的进步。关键举措包括管理海量主题、确保消息顺序、灾难恢复机制、分层存储解决方案、字典压缩技术、数据集成、容器化等等。 演讲嘉宾： Fan Wang｜Xiaomi Message Queue Team Leader, Apache RocketMQ Committer 2018 年加入小米，专注于消息和存储系统，负责小米 MQ、HBase、ElasticSearch 等平台。 点击即可参与报名！

朗新科技集团：让数字化的世界更美好 朗新科技集团股份有限公司是领先的能源科技企业，长期深耕电力能源领域，通过新一代数字化、人工智能、物联网、电力电子技术等新质生产力，服务城市、产业、生活中的能源场景，推动社会绿色发展。 朗新科技集团初创于 1996 年，总部位于江苏无锡，在国内外设有多个研发中心和分支机构，长期为超过 1.2 万多家政企客户和 4.7 亿多大众生活用户提供技术与运营服务，在电力营销数字化、新能源汽车聚合充电、分布式光伏云以及家庭能源缴费等领域处于全国领先地位。 朗新科技集团持续在相关领域探索创新，推动能源绿色低碳转型，惠及千家万户。作为国家鼓励的重点软件企业，朗新荣获了多项行业权威认证和奖项，连续四年荣登中国新经济企业 500 强榜单，并在多个能源科技细分领域保持领先地位，促进整个行业的繁荣发展。 业务扩张背景下，消息队列面临诸多挑战 朗新科技集团的核心业务之一聚焦于聚合充电场景，专注面向企业（ToB）和政府（ToG）提供充电桩业务。在充电桩系统中，关键事件包括“充电开始”、“充电结束”、“故障告警”等。通过分布式消息队列 RocketMQ 可以实现这些事件消息的异步处理，以增强系统的灵活性和可扩展性。此外，RocketMQ 还承担着传递计费请求、支付状态等消息的重要职责，对于确保整个支付流程顺畅进行至关重要。 然而，随着新能源汽车产业的迅猛发展，新能源汽车保有量激增，充电桩规模以及充电服务需求呈现指数级增长趋势。在此背景下，朗新科技集团积极实施战略扩张，但原先基于阿里云 ECS 自建并维护的开源 RocketMQ 却逐渐暴露出诸多问题，包括运维成本高、系统稳定性不足以及难以应对大规模的数据吞吐量等，这些问题对用户体验造成了显著影响。核心业务痛点如下： 1. 稳定性问题：出现消息丢失现象。ToB 和 ToG 业务对于服务的可用性和数据的可靠性要求极高，消息数据丢失是不可接受的。因为一条充电桩状态消息的丢失，就可能导致用户跑空电却无法充电的问题，对用户体验造成很大影响。 2. 系统架构缺少容灾：充电桩业务对跨可用区、跨地域容灾有迫切需求，随着业务规模增长，以及产业中心的分布式转移规划，明确需要建设跨地域容灾系统。然而，技术团队在多可用区容灾方面的技术储备与经验不够丰富。 3. 运维成本过高：每天业务消息量的波峰波谷明显且差值较大，波谷期资源利用率偏低，容易导致资源浪费，造成成本冗余。此外，临时扩容周期长且需大量人力投入。 共建云消息队列 RocketMQ 版：优势显著，业务难题迎刃而解 稳定可靠&弹性降本 针对业务痛点 1 和 3，朗新决定与阿里云共建云消息队列 RocketMQ 版 5.0 Serverless系列。其作为 RocketMQ 的商业版本，在确保消息收、发的可靠性以及实现数据多副本存储方面，都有卓越的表现。Serverless 系列能够有效应对流量波峰波谷显著的问题，不仅有助于降低资源成本，还减少了实例弹性伸缩和运维的人力投入。带来的核心优势如下： + 提高服务可用性：自建开源 RocketMQ 的 SLA 保障不充分，一旦出现故障，需要运维人员自行处理和恢复等。而云消息队列 RocketMQ 版原生支持多可用区部署，服务可用性最高可达 99.99%。 + 提高数据可靠性：自建开源 RocketMQ 需要运维人员自行管理多副本 HA，运维门槛高。而云消息队列 RocketMQ 版默认支持三副本 HA，提供数据的多级存储，数据可靠性最高可达 10个9。 + 提高资源利用率，降低成本：自建开源 RocketMQ 为了确保能够处理业务峰值流量，需要按照最高需求购买实例规格，容易造成资源浪费。而云消息队列 RocketMQ 版 5.0 Serverless 系列采用动态资源调整策略，根据实时业务负载自动弹性伸缩，按量付费，无需预先估算并配置实例规格。 提高可用性和容错力 针对业务痛点 2，朗新当前自建开源 RocketMQ 采用的是单中心系统架构，当单中心异常时，将影响整个业务系统。为此，朗新计划采用云消息队列 RocketMQ 版建设双活中心，以提升系统的可用性和容错能力。云消息队列 RocketMQ 版提供全球消息备份的容灾能力，能够支持多中心灾备、双活系统架构的系统建设。带来的核心优势如下： + 提高数据可靠性：通过在两地数据中心的消息中间件之间实现全量数据同步备份，提高数据可靠性。 + 增强服务连续性：借助消息服务的两地容灾机制，保证服务高可用性，业务可快速恢复，延续性强。 + 降低开发成本：简化配置和管理，轻松实现两地数据的相互备份，提高效率并节省业务的开发成本。 为何选择云消息队列 RocketMQ 版？ 朗新之所以和阿里云共建云消息队列 RocketMQ 版，主要归于以下几个关键因素： + 高可靠性和高可用性：RocketMQ 诞生于阿里巴巴集团，历经多年“双十一”万亿级数据洪峰验证。作为国内领先的云服务提供商之一，阿里云运营着国内规模最大的 RocketMQ 集群，支撑了云上数十万客户的生产应用实践。云消息队列 RocketMQ 版提供 SLA，保障服务的高可用性和数据的高可靠性，为企业核心业务链路保驾护航。 + 支持灾备与双活架构：云消息队列 RocketMQ 版通过成熟的产品化能力和解决方案，助力企业快速构建灾备、双活系统架构。面对数据中心或地域级别的故障时，能够实现业务的快速切换与恢复，从而有效避免业务上的巨大损失，显著增强系统的整体稳定性。 + Serverless 弹性降本：云消息队列 RocketMQ 版 5.0 Serverless 系列采用存储计算分离架构，具备自适应弹性能力，能够高效处理突发流量，并且无需运维，按实际使用量计费。朗新在切换到云消息队列 RocketMQ 版 Serverless 实例后，使用成本相较自建降低了 30%。 展望未来，朗新科技集团将进一步深化与阿里云消息队列团队的合作，依托自身丰富的能源领域技术实践，以及阿里云强大的基础设施、产品能力，携手推进行业数字化进程，促进能源科技行业的发展。

C5GAME：安全便捷，国内领先的游戏饰品交易平台 C5GAME 游戏饰品交易平台（ www.c5game.com ）是国内领先的 STEAM 游戏饰品交易的服务平台，专注于 CS:GO 以及 DOTA2 等热门游戏装备 C2C 中介交易。自网站上线以来，C5GAME 凭借其安全便捷的交易和流畅友好的体验，迅速在玩家群体中积攒了良好的口碑，积累了千万级注册用户，实现了累计交易额超过 100 亿元，确立了其在国内游戏饰品交易领域的领先地位。目前 C5GAME 正积极拓展国际市场，致力于打造一个全球化的 STEAM 游戏饰品交易平台，海外用户规模正在迅速扩大。 C5GAME 网站基于 STEAM 官方提供的 API，研发了先进的机器人交易系统，确保玩家在进行游戏饰品买卖与存取时的安全性和便捷性。同时，C5GAME 持续优化用户体验，满足用户日益增长的交易需求，在保障安全的基础上，致力于提供更加智能化、人性化的服务体验。例如，根据用户的实际反馈，C5GAME 自主研发了一套智能检索系统，使平台更加本土化，允许玩家通过简称快速准确地查找所需饰品，极大提升了搜索效率和用户体验。 千万级注册玩家、百亿交易额背后面临的业务挑战 在互联网时代高速发展的浪潮中，游戏行业蓬勃发展，各类游戏如雨后春笋般涌现，并推动了游戏饰品交易行业的爆发式增长。在此背景下，C5GAME 游戏饰品交易平台上的玩家数量和交易量显著增加，同时也带来了一系列挑战： 1. 系统耦合复杂：由于交易系统与多个核心子系统紧密相连，高度耦合的复杂架构增加了系统故障的风险。 2. 活动期稳定性挑战：由于平台频繁推出促销活动，且不定期推出平台用户的补贴活动，这些活动时段会吸引大量用户，导致流量激增，对系统稳定性带来严峻考验。 3. 技术选型难题：选择自建开源中间件可能因资源投入不足而无法满足业务需求，甚至可能带来技术风险。 4. 运维效率提升需求：对于交易核心链路，任何订单异常都需要及时排查处理。因此，构建一个强大且全面的工具体系来支持高效运维尤为重要。 5. 成本控制压力：每天业务消息量的波峰波谷相差较大，为应对高峰期的高并发请求而购买高规格实例，会导致成本过高，在非高峰期时段资源利用率较低，造成大量的资源浪费。 面对上述问题，C5GAME 需要采取有效措施优化系统架构、增强服务稳定性、选择合适的技术方案、加强运维能力以及合理规划资源等，保障业务高效、稳定的同时有效控制成本。 云消息队列 RocketMQ 版：异步解耦、可靠高效、弹性降本 异步通信模型 通过云消息队列 RocketMQ 版的异步消息通信模式，各子系统之间无需建立强耦合的直接连接，调用方只需将请求转换为消息发送至 RocketMQ，一旦消息发送成功，即可视为该异步链路调用完成，剩下的工作 RocketMQ 会负责将事件可靠通知到下游的调用系统，确保任务执行完成。 以下是异步通信模式的主要优势： + 简化系统架构：调用方和被调用方通过 RocketMQ 通信，系统是星型拓扑结构，易于维护和管理。 + 上下游弱耦合：上下游系统之间弱耦合，由 RocketMQ 负责消息缓冲和异步恢复。上下游系统能够独立进行升级和变更，不会互相影响。 + 流量削峰填谷：RocketMQ 具备强大的流量缓冲和整形能力，能够在业务流量高峰期间保护下游系统不被击垮。 异步消息通信模式降低了系统间的依赖度和架构的复杂度，同时提升了整体的稳定性、可靠性和可扩展性。 基于定时消息的事件驱动 在游戏饰品交易中，订单流转过程中经常会存在多个超时状态的任务。这些任务需要得到可靠和及时的处理，强烈依赖于底层系统的分布式调度机制。尤其是在月底的大型促销活动中，大量的预售订单需要定时支付尾款等场景，会产生大量的定时任务。 基于云消息队列 RocketMQ 版的定时消息功能，以其事件驱动的方式，确保了在大促高峰期，处理海量堆积任务时的高性能、高可靠。 RocketMQ 5.0 Serverless 对于自建开源 RocketMQ 集群，为保证业务稳定性，往往需要按照业务请求的峰值去配置集群资源，包括 CPU、内存、存储、网络等。在实际生产中，由于业务消息量的波峰波谷明显，集群资源有大部分时间处于低利用率状态，造成闲置浪费。 云消息队列 RocketMQ 版 5.0 系列 Serverless 实例可以很好地解决这个问题，它能够通过资源快速伸缩实现资源使用量与实际业务负载贴近，并支持按照实际使用量计费，有效降低企业的运维压力和使用成本。 C5GAME 借助 RocketMQ Serverless保障千万级玩家流畅体验 C5GAME 通过采用云消息队列 RocketMQ 版 Serverless 系列，有效解决了现有架构中存在的性能瓶颈，极大增强了交易系统的灵活性和稳定性，有效实现了流量的削峰填谷，显著提升了整体运维效率，确保了千万级玩家能够享受到流畅的游戏交易体验。同时，还帮助 C5GAME 节省了资源和运维成本，使开发团队能够更专注于业务创新，为广大游戏玩家提供更丰富的功能和更友好的体验。 1. 订单系统异步化：通过云消息队列 RocketMQ 版实现订单系统异步化，有效实现流量削峰填谷，增强了系统在活动期间的稳定性。 2. 超时订单处理：使用云消息队列 RocketMQ 版的定时消息功能，应对订单支付超时等复杂场景的处理，简化业务逻辑的复杂度。 3. 运维体系构建：基于云消息队列 RocketMQ 版丰富的 Metrics、Trace 等可观测工具，构建了一整套运维体系，极大提升了日常问题排查和巡检的效率。 4. 资源弹性降本：云消息队列 RocketMQ 版 5.0 serverless 系列提供动态资源调整策略，根据实时业务负载自动弹性伸缩，按量付费，无需预先估算并配置实例规格。C5GAME 在切换到云消息队列 RocketMQ 版 5.0 Serverless 实例后，使用成本相较自建降低了 60%。 展望未来，随着 C5GAME 不断推出创新功能和营销活动，云消息队列 RocketMQ 版将继续助力 C5GAME 为广大游戏玩家提供更流畅、更优质的服务体验。

近日，由阿里云消息团队发表的 Apache RocketMQ 创新论文被 CCFA 类软件工程顶级会议 FSE 2025 Industry Track 录用。 ACM FSE（The ACM International Conference on the Foundations of Software Engineering）是享有盛誉的国际学术会议，被《中国计算机学会推荐国际学术会议和期刊目录》列为 CCFA 类软件工程顶级会议。该会议汇聚学术界与工业界专家，聚焦软件工程前沿研究与实践应用，其发表论文以卓越的创新性、重要性和影响力著称，对软件工程领域的发展与创新起到关键推动作用。 此次被录用的论文为《Designing for Scalability: Building a Universal Serverless Messaging Architecture with Apache RocketMQ》。该研究基于 Apache RocketMQ 构建 Serverless 消息系统，研发适配多种主流消息协议（如 RabbitMQ、MQTT 和 Kafka）的代理层，成功解决了传统中间件在可伸缩性、成本及元数据管理等方面的难题。阿里云消息团队据此实现了云消息队列 ApsaraMQ 全系列产品 Serverless 化，让用户专注于业务开发，进一步提效降本。 创新亮点 消息中间件在数字化与智能化时代发挥着至关重要的作用，它提供异步解耦、集成、高性能高可靠等核心价值，支撑分布式系统间的高效通信，优化整体应用性能和资源利用率。从用户视角看，现代消息中间件应以无服务器（Serverless）架构运行，使用户仅需关注消息的发布与消费行为，同时应具备强大的弹性扩展能力以应对业务负载的动态变化。 阿里云基于 Apache RocketMQ 的架构优势，构建了 Serverless 消息系统范式，并提供包括 RabbitMQ、MQTT 和 Kafka 在内的主流消息中间件解决方案。RocketMQ 通过解耦存储和计算，实现计算与存储资源的独立弹性扩展，适用于云环境的不可预测工作负载。此外，RocketMQ 原生支持百万级元数据管理，兼具冷启动、高可用、无限横向扩展等特性，有效满足智能化时代对消息系统在弹性、性能与可靠性等方面的综合需求。 论文中展示了依托 RocketMQ 存储引擎实现 RabbitMQ 无限水平扩展，在兼容完整协议的基础上突破了 RabbitMQ 原有的扩展限制，元数据管理效率、最大吞吐量、堆积能力等相比开源均可以提升超过1000%。阿里云消息团队基于此 Serverless 消息系统范式，实现了云消息队列 ApsaraMQ 全系列产品 Serverless 化，让用户专注于业务开发，进一步提效降本。实践表明，该架构范式能够将传统消息系统转变为高弹性、低成本、高性能的云原生消息服务，为无服务器架构应用提供强大支撑。 附论文信息 录用论文题目：《Designing for Scalability: Building a Universal Serverless Messaging Architecture with Apache RocketMQ》 作者：季俊涛，金融通，傅玉宝，林清山 论文概述：消息中间件在现代世界中发挥着至关重要的作用，它促进了分布式系统之间的无缝通信，并提升了整体应用性能。从用户的角度来看，消息中间件应以无服务器的方式运行，专注于消息的发布和消费。随着业务吞吐量的增加，任何消息中间件都必须具备强大的横向扩展能力。为此，阿里云基于 Apache RocketMQ 实现了无服务器范式，并在这种无服务器形式下开发了多个主流的消息中间件解决方案，如 RabbitMQ、MQTT 和 Kafka。以 RabbitMQ 为案例进行研究，RabbitMQ 具有难以扩展的架构，而我们基于 RocketMQ 的 RabbitMQ 与所有开源客户端兼容，并为单个队列提供无限的吞吐量限制。此外，消息元数据管理能力、削峰填谷能力比开源 RabbitMQ 高出超过 1000%。基于 Apache RocketMQ 的消息中间件无服务器架构预计将在阿里云中支持稳定的商业应用，并有潜力在未来作为大规模消息系统集群的可靠解决方案。

乐刻运动：助推数字经济与健身产业深度融合发展 乐刻运动，2015 年创立于杭州的健身产业互联网平台，以让每个人平等享有运动健康的资源和权利为使命，以每天响应 1 亿人次的运动健康需求为愿景。乐刻以用户运营为核心，构建数智中台，打通场景、用户、教练、服务，对健身产业进行数字化升级改造，提高运营效率和供应链管理能力，搭建健身服务新零售生态，助推数字经济与健身产业深度融合发展。截至 2024 年 12月，乐刻运动已在全国 30 多个城市开设超过 1700 家门店。 乐刻运动在数字化升级中的挑战 在数字化升级过程中，乐刻运动计划在各门店部署物联网设备，覆盖用户进门、签到以及运动器材等场景，以便实时、持续地收集相关信息并对其进行维护管理，从而进一步提升门店运营效率和服务质量。然而，随着业务规模的持续扩大，终端设备数量也在不断增加，带来了以下挑战： 1. 高并发连接与实时监控：鉴于健身房门店众多，且设备种类和数量繁多，需要一个能够支持大规模并发连接的可靠通信架构，确保所有终端设备的状态被及时监测，并迅速响应任何异常情况。 2. 轻量低带宽的消息传输：由于网络资源的限制，在客户端设备与服务端之间的连接上，需要采用一种轻量级、低带宽的消息传输协议，以优化数据传输效率并减少对现有网络基础设施的压力。 3. 高效的消息处理机制：在业务高峰期时，客户端上报数据量大且频率高，需要一套高效的消息处理机制，来避免因服务器应用有限，无法及时消费，而造成消息堆积的问题。 结合 RocketMQ 与 MQTT 的高效解决方案 为应对上述挑战，乐刻运动采用 RocketMQ 与 MQTT 协议相结合的解决方案，显著提升了整体架构的稳定性和可扩展性，提高了消息处理效率，确保了高并发场景下的业务连续性，最终优化了用户体验。 1. MQTT 海量终端数据实时收集：通过 MQTT 协议，系统能够实时收集健身房内各类物联网设备上报的数据，满足高并发需求，确保数据传输的高效与可靠。 2. RocketMQ 消息缓存与负载均衡：将 MQTT 的消息流出挂载到 RocketMQ，通过 RocketMQ 对客户端采集到的大量消息进行消息缓存和负载均衡，从而有效缓解服务端的压力，确保系统的稳定运行。 云消息队列助力乐刻运动数字化升级 在实施上述方案的过程中，乐刻运动选择了阿里云的云消息队列 RocketMQ 版和云消息队列 MQTT 版作为核心消息中间件，这两个产品在实际生产环境中展现出显著的优势和价值。 1. 产品简介 + 云消息队列 RocketMQ 版：云消息队列 RocketMQ 版是阿里云基于 Apache RocketMQ 构建的低延迟、高并发、高可用、高可靠的分布式“消息、事件、流”统一处理平台。 + 云消息队列 MQTT 版：云消息队列 MQTT 版是专为移动互联网（MI）、物联网（IoT）领域设计的消息产品，覆盖直播互动、金融支付、智能餐饮、即时聊天、移动 Apps、智能设备、车联网等多种应用场景；通过对 MQTT、WebSocket 等协议的全面支持，连接端云之间的双向通信，实现 C2C、C2B、B2C 等业务场景之间的消息通信，可支撑千万级设备与消息并发。 2. 实际生产环境中的优势和价值 + 实时数据处理：云消息队列 MQTT 版通过 MQTT 协议实现终端设备与服务器之间的实时通信，利用发布/订阅模式，确保设备状态和用户行为的及时监控和响应，从而实现高效的实时数据处理能力。 + 高度可扩展性：云消息队列 MQTT 版具备强大的横向扩展能力，能够轻松支持海量终端设备和传感器的接入，能够轻松应对健身房规模不断扩大带来的设备接入需求。 + 可靠性和稳定性：云消息队列 MQTT 版的 MQTT 协议支持多种服务质量（QoS）级别，可以根据业务需求选择合适的级别，确保消息可靠传递，防止数据丢失。 + 性能表现卓越：服务端应用之间隐含着对等和任务分摊的关系，云消息队列 RocketMQ 版的集群消费模式提供原生的负载均衡机制，能够提升系统的整体性能，确保高并发场景下的高效稳定运行。 乐刻运动通过采用阿里云的云消息队列 RocketMQ 版和云消息队列 MQTT 版，不仅提升了系统的实时数据处理能力，还增强了系统的可扩展性、可靠性和性能，为业务的持续发展和流畅的用户体验，提供了坚实的技术支持，进一步推动了数字经济与健身产业的深度融合。

深耕 AI SaaS+，助力数万电商客户数智化转型 上海乐言科技股份有限公司（ 以下简称“乐言科技”，官网：https://www.leyantech.com/ ）自 2016 年成立以来，专注于利用自然语言处理和深度学习等核心 AI 技术，为电商、金融、医疗、科学等多个垂直领域提供整体解决方案。公司在杭州、广州等地设有分支机构，已成为国内领先的人工智能企业。 深耕行业八年，乐言科技形成了完整的能力栈，发布了“乐言 GPT 大模型”，推进大模型解决方案赋能行业，并与头部品牌合作探索创新应用。公司已申报多个重大项目，获得多项荣誉和认证，并积极参与标准编制，以“引领人工智能技术，为客户创造价值”为使命，持续推动 AI 技术与行业的深度融合。 自研智能客服机器人“乐语助人”日均服务超千万人次 乐言科技致力于提升行业服务效率，核心业务之一是智能客服机器人，面向电商企业提供 AI SaaS+ 服务。其自主研发的电商智能客服机器人“乐语助人”（ 官网介绍视频：https://www.leyantech.com/themes/leyan/public/assets/video.mp4 ）适用于天猫、淘宝、京东等国内主流电商平台，基于自然语言处理、知识图谱、深度学习等领先的人工智能技术，具备充分的语言理解能力，可以模拟金牌客服的回复逻辑，进行买家咨询接待、业务问题处理、智能推荐、客情维系等工作。在降低人工客服团队营运开支的同时，大幅提升了客服人均接待效率与营销转化率，为电商商家创造了更多利润。 目前，“乐语助人”每天服务超过 2000 万人次，与六万余家电商客户合作，提供 AI SaaS+ 全链路数智化解决方案，助力企业完成数智化转型。上海乐言科技股份有限公司累计 SaaS 软件年收入约十亿元，并积极探索海外市场，推出跨境电商 AIGC 解决方案，服务 400 多万海外店铺。 智能客服机器人业务量激增，自建消息队列面临诸多痛点 在智能客服机器人系统中，“对话消息分发”是核心功能之一，对提高回复效率和处理高并发请求等起到关键作用。 在系统建设初期，由于业务规模较小，开发与运维团队的规模及技术能力有限，乐言科技统一采用自建 Apahce Kafka 作为消息中间件，以实现业务解耦与流量削峰，增强系统的灵活性和可扩展性。同时，Apache Kafka 还作为各数据系统（如 AI、大数据等）之间的数据通道。因此，确保其消息服务流程的顺畅至关重要。 然而，随着业务规模增长和系统复杂度增加，消息处理的精细化需求日益凸显，单一消息中间件架构需额外投入更多技术资源以维持效能，其扩展性与灵活性也逐渐成为系统演进的约束条件。同时，自建 Apache Kafka 集群的运维成本持续攀升，还逐渐暴露出系统稳定性不足、精准投递功能笨重等问题，导致运维压力倍增。 核心痛点如下： + 稳定性和弹性问题：公司核心业务系统共用 Apache Kafka 大集群。不同业务系统对集群的 IO 压力重叠，会造成彼此影响，例如：侧重高吞吐量系统可能会对延迟敏感的系统造成影响。而集群的扩容和缩容需要对分区进行重新均衡，也会对延迟敏感的对话消息造成稳定性影响。 + 运维成本过高：为了应对共用集群带来的影响，公司对 Apache Kafka 集群进行了拆分。然而不同集群每天业务消息量的波峰波谷明显且差值较大，波谷期资源利用率偏低，容易导致资源浪费，造成成本冗余。此外，临时扩容周期长且需大量人力投入。 + 无法精细化消息处理：Apache Kafka 仅充当消息管道，无法根据消息 Tag 进行精准消费和 SQL 过滤。业务系统为满足精准消费的需求，需要增加研发成本，基于 Apache Kafka Topic 进行额外开发，容易出错且灵活性很差，制约了我们新业务模式的展开速度。这在对接大客户的定制化需求时，尤为迫切。 + 消息级别可观测性差：Apache Kafka 无法直接查看每条消息的详情和消费状态，无法满足问题排查和运营支持的需求，需要开发额外工具或系统进行支持。 精准破局：从自建开源消息队列到阿里云消息队列 因此，乐言科技基于消息类型特征与业务逻辑复杂度拆分业务，并精准匹配消息队列选型策略： + 业务解耦与强一致性场景：针对侧重于业务解耦、涉及较多后置逻辑处理的场景（如强一致性、顺序消息等），采用阿里云消息队列 RocketMQ 版 Serverless 系列，以满足高可靠性与确定性需求。 + 实时流处理场景：大数据及日志类实时流处理业务沿用 Apache Kafka 架构，并计划迁移至阿里云消息队列 Kafka 版，以提升资源弹性与成本效益，持续优化技术架构。 对于业务解耦场景，采用云消息队列 RocketMQ 版 Serverless 系列替换自建开源 Apache Kafka，可以实现更高效的精细化消息处理，具体优势如下： 1. 高效实现分布式顺序消息：仅需按照顺序消息的投递 API 和定义顺序消费 Group 组，即可实现分布式顺序消息，相比 Kafka 指定 Partition 投递和消费扩展性强，业务仅需按照所需设置 MessageGroup，实现更灵活，与服务端绑定低。 2. 支持服务端消息过滤：在实际业务场景中，同一个主题下的消息往往会被多个不同的下游业务处理，各下游业务的处理逻辑不同，且只关注自身逻辑需要的消息子集。云消息队列 RocketMQ 版支持 Tag 标签过滤和 SQL 属性过滤，使用云消息队列 RocketMQ 版的消息过滤功能，可以帮助消费者更高效地过滤自己需要的消息集合，避免大量无效消息投递给消费者，降低下游系统处理压力。实现降低客户端的开发工作量和处理流量。 3. Serverless 系列弹性降本：云消息队列 RocketMQ 版 Serverless 系列能够通过资源动态伸缩，实现资源使用量与实际业务负载贴近，并支持按照实际使用量计费，无需按照最高峰值预留资源，有效降低运维的压力和使用成本。 采用云消息队列 RocketMQ 版 Serverless 系列，整体降本 37% 1. 保障业务稳定 通过使用云消息队列 RocketMQ 版 Serverless 系列替换自建开源 Apache Kafka，成功实现业务拆分解耦与流量隔离，有效避免了业务流量冲突导致的中间件并发问题。云消息队列 RocketMQ 版提供 99.99% 服务可用性和容灾保障，显著提升了整体业务的稳定性和连续性。 2. 降低开发成本 借助云消息队列 RocketMQ 版 Serverless 系列的顺序消息与消息过滤能力，将复杂的分布式顺序消息场景简化，有效减少了业务逻辑的复杂性，降低了开发成本。 3. 提升运维效率 基于云消息队列 RocketMQ 版提供的丰富的 Metrics 和 Trace 可观测工具，构建了完整的运维体系，极大提升了日常问题排查和巡检效率。 4. 资源弹性降本 云消息队列 RocketMQ 版 Serverless 系列采用动态资源调整策略，根据实时业务负载自动弹性伸缩，按量付费，无需预先估算并配置实例规格。通过将对话引擎、基础数据服务等业务迁移至云消息队列 RocketMQ 版 Serverless 系列，整体成本相较于之前降低了 37%。 云原生生态深度赋能乐言科技架构升级与创新突破 乐言科技依托云原生架构及阿里云云原生产品体系，实现基础设施与业务解耦以及弹性调度，在提升业务稳定性的同时，显著增加研发效能并降低运维成本，加速电商客户定制化需求交付，推动云计算与 AI 技术在电商领域的深度融合。 + 在大促等流量突增场景中，云原生架构通过秒级自适应弹性扩容，保障业务连续性，结合微服务引擎 MSE Nacos 的自动扩缩容和节点自愈能力，系统抗风险能力显著提升。MSE Nacos 团队基于双版本（社区与商业）维护经验持续优化商业产品的核心能力，比如性能提升、配置标签灰度、推空保护、配置中心的传输和存储加密，进一步提升微服务可用性与安全性。 + 在智能客服场景中，乐言科技采用日志服务 SLS 替代原有的自建日志系统，统一采集与存储多平台的客服沟通记录，以便用于数据分析驱动产品演进。相比自建日志系统，SLS 凭借高可用性与高吞吐量优势，有效解决了业务增长带来的存储成本激增、稳定性不足及人力投入过高等问题，显著降低综合运维成本。同时，为了进一步观测云上资源使用情况，使用企业云监控导出云上监控数据，与实际业务需求相结合，为构建智能化运维体系提供强有力的支撑。 面对 AI 技术发展与海外市场拓展等机遇，乐言科技将深化与阿里云的合作，基于业务需求迭代云原生架构，深度应用云原生产品，助力电商客户实现数智化转型，持续推动 AI 技术在行业应用中的创新突破。 ：

产品演进历程：在技术浪潮中的成长之路 早在 2018 年，Gartner 评估报告便将事件驱动模型（EventDriven Model）列为十大战略技术趋势之一，指出事件驱动架构（EDA，Eventdriven Architectures）将成为微服务架构未来的演进方向。 随着云原生与 Serverless 技术的迅猛发展，2020 年，阿里云重磅发布事件总线 EventBridge，构建了云原生环境下的统一事件枢纽。事件总线 EventBridge 支持阿里云服务、自定义应用、SaaS 应用以标准化、中心化的方式接入，并能够以标准化的 CloudEvents 1.0 协议在这些应用之间路由事件，帮助企业轻松构建松耦合、分布式的事件集成驱动架构。 自 6 月 3 日起，阿里云事件总线 EventBridge 正式商业化。历经五年迭代升级，事件总线 EventBridge 在产品功能和用户体验方面不断优化，积累了丰富的规模化生产实践经验。在数据智能化时代，事件总线 EventBridge 持续深耕企业云上事件集成，适用于各种规模和行业的事件集成场景。通过 Event 桥接各个系统，满足 AI 和企业集成等领域的各种数据集成需求，为企业提供便捷且创新的数据集成解决方案。 产品核心特性：构建企业级事件中枢的关键 从诞生到商业化，事件总线 EventBridge 不断优化产品核心特性，致力于定义企业级事件集成标准，为企业构建云上事件枢纽提供坚实可靠的支撑和保障。 + 稳定与安全：依托海量数据传输及运维经验，提供高稳定性且安全合规的企业集成服务； + 性能与成本：提供高性能且性价比高的企业集成方案，显著降低用户数据集成成本； + 开放与集成：提供丰富的跨产品、跨平台连接能力，促进云产品、应用程序、SaaS 服务相互集成； + 统一事件枢纽：统一事件界面，定义事件标准，打破云产品事件孤岛； + 事件驱动引擎：海量事件源，毫秒级触发能力，加速 EDA/Serverless 架构升级； + 流式事件通道：事件流提供轻量、实时、端到端的流式数据处理，对源端产生的事件进行实时抽取、转换和分析并加载至目标端。 多元应用场景：覆盖各类企业事件集成场景 EDA 事件驱动场景 事件总线 EventBridge 通过事件连接应用程序、云服务和 Serverless 服务，构建事件驱动架构（EDA，Eventdriven Architectures），实现应用与应用、应用与云服务之间的高效连接。 流式 ETL 场景 在企业集成场景中，事件总线 EventBridge 可以作为流式数据管道，提供基础的过滤与转换功能，支持不同数据仓库、数据处理程序、数据分析与处理系统之间的数据同步和跨地域备份，连接不同系统与服务。 AI 数据集成场景 事件总线 EventBridge 提供非结构化数据到结构化数据的链路集成，可处理多种数据源，如关系型数据库、API 数据、文件、ODPS 等，并支持将数据向量化后存储至向量数据库或其他数仓，同时支持数据清洗、转换和规范化。为 RAG 和模型数据准备等场景，提供一站式数据集成服务。 统一事件通知服务 事件总线 EventBridge 提供丰富的云产品事件源与事件的全生命周期管理工具，用户可以直接监听云产品产生的数据，并上报至监控和通知等下游服务，实现高效的事件管理和响应。 商用计费体系：计费模式灵活匹配企业需求 事件总线 EventBridge 已于 6 月 3 日起正式商业化，分为事件总线、事件流两类资源进行计费，计费模式如下： 计费组成说明 事件总线 EventBridge 各资源的计费组成信息请参见下图。 事件总线计费说明 事件总线【1】分为云服务专用事件总线和自定义事件总线。 + 云服务专用事件总线：是系统自动创建用于接收阿里云官方事件源的事件且不可修改的内置事件总线。 + 自定义事件总线：需要你自行创建并管理的事件总线。 事件源单价 | 计费项 | 计费单价 | | | | | 云服务专用总线事件发布 | 免费 | | 自定义总线事件发布 | 5.64元/百万次事件发布 | 每个 64KB 大小的事件计为 1 个事件。 事件目标单价 | 计费项 | 计费单价 | | | | | 阿里云服务目标事件推送/通知 | 免费 | | 自定义目标事件推送 | 1.29元/百万次事件推送 | 每个 64KB 大小的事件计为 1 个事件。 事件流计费说明 事件流【2】是端到端的流式事件通道，适用于端到端的流式数据处理场景。事件流属于收费服务，并支持按事件量计费和按 CU 额度计费，这两种计费【3】方式你只需二选一即可。 按事件量计费 | 计费项 | 计费单价 | | | | | 事件量 | 2.8元/百万条 | | 空置资源占用费 | 1元/天 | + 事件量：事件流拉取上游数据源的事件总量。每个 64KB 大小的事件计为 1 个事件。计算公式：事件量（向上取整）=单个事件大小/64KB。例如：批量投递了 300KB 的单个事件，则按照 5 个事件进行计费。若事件发生重试，则按照配置的重试规则每次重试计为 1 个事件。 + 空置资源占用量：若单个事件流在一个月内没有任何数据流入将会按照计费标准收取空置资源占用费，空置资源占用费将在有数据流入或者删除该事件流后取消计费。 按 CU 配额计费 名词介绍 CU 配额： CU（Capacity Unit）是事件总线任务的容量单位。若采用 CU 规格计费，则每个任务必须至少分配 1CU 作为最小配额。亦可在任务创建时指定允许弹性的最大 CU 规格和最小 CU 规格。 计费项和计费单价 + 计费项：CU 配额 + 计费单价：0.24元/小时/CU 说明 单个 CU 可支持的条件（条件为或）： 1. 最大支持每秒事件量（EPS）5000Event/s（实际情况受限于链路上下游性能）。 2. 最大支持的峰值吞吐量（BPS）50MB/s 的容量。 为了方便你快速评估费用，事件总线（EventBridge）提供了价格计算器：事件总线（EventBridge）价格计算器【4】。 如果你在使用事件总线 EventBridge 的过程中有任何反馈或疑问，欢迎加入钉钉用户群（钉钉群号：31481771）与阿里云研发团队即时沟通。 【1】事件总线 https://help.aliyun.com/zh/eventbridge/userguide/eventbusoverview 【2】事件流 https://help.aliyun.com/zh/eventbridge/userguide/eventstreamoverview 【3】计费 https://help.aliyun.com/zh/eventbridge/productoverview/billingofeventstreams 【4】事件总线（EventBridge）价格计算器 https://eventbridge.console.aliyun.com/calculator

Apache RocketMQ 是 Apache 基金会托管的顶级项目，自 2012 年诞生于阿里巴巴，服务于淘宝等核心交易系统，历经多次双十一万亿级数据洪峰稳定性验证，至今已有十余年发展历程。RocketMQ 致力于构建低延迟、高并发、高可用、高可靠的分布式“消息、事件、流”统一处理平台，覆盖云边端⼀体化数据处理场景，帮助企业和开发者在智能化时代，轻松构建事件驱动架构的云原生应用。 Apache RocketMQ 的茁壮成长离不开全球 800 多位开发者的积极参与和贡献。如今，Apache RocketMQ 开源社区将携手"太乙"平台，共同开启一场开源贡献竞赛，为广大开发者提供一个全新的体验平台和参与机会！新一轮开源竞赛于 6 月 1 日正式启动。 关于“太乙”平台 "太乙"是特色化示范性软件学院年度质量检测指标开源数据的官方唯一指定获取平台，服务于示范性软件学院联盟（ https://www.pses.com.cn/home/publicresource ）204 家高校成员单位。 “太乙”平台（ https://www.taiyi.top/ ）是浙江大学软件学院自主研发的开源能力评价与服务系统，提供开发者开源贡献价值评价与开源竞赛等服务，旨在精准衡量开发者的贡献价值、影响力和技能水平。 平台通过系统化分析开发者在开源社区中的各类可量化贡献，构建起定性与定量相结合的全维度评价体系，对开发者进行全面刻画。 + 在定性评价方面，平台从影响力、贡献度、语言能力、项目经验和活跃度五个维度对开发者进行宏观审视； + 在定量评价方面，则依据项目重要性、贡献类型、内容关键性、贡献体量及复杂度等指标，并结合程序语言分析与自然语言处理等技术，提供精准、客观、自动化的价值评估，充分认可每一份贡献。 “太乙”平台联合各大公司与知名社区，全年不间断、滚动式发布开源竞赛。基于科学的价值自动化评价系统，参赛者可根据贡献价值大小等比例获得奖金，甚至获得头部企业的实习与就业机会，太乙系统能够支持低成本、高效率的长周期开源竞赛组织，激发开发者的积极性，推动中国开源生态的发展。 Apache RocketMQ x “太乙” 开源竞赛 __ 本轮竞赛于 2025 年 6 月 1 日 启动，竞赛链接： https://www.taiyi.top/competitiondetails?id=6836d00651c0e4a2bd63770c 我们联合太乙平台，为 Apache RocketMQ 的开发者和学习者提供了一站式引导服务。我们不仅提供了详尽的原理介绍、文档说明以及部署教程，还特别设计了一键式自动搭建体验环境，帮助开发者轻松体验 Apache RocketMQ 的部署流程和消息收发过程。 为了进一步促进开发者融入社区生态，我们还精心准备了一份贡献指南：涵盖了社区生态、入门指引、issue 推荐等等。相信通过参与本次开源竞赛，开发者们能够快速掌握如何在 Apache RocketMQ 开源社区作出贡献，顺利成为一名 Contributor！欢迎开发者们踊跃参与～ 你可以获得的 参与 Apache RocketMQ x “太乙”开源竞赛，你将获得宝贵的开源社区贡献经历、可量化的贡献奖金以及成为 Apache 顶级社区 Contributor/Committer/PMC 的成长机会，这些都将为你未来的职业发展提供强大助力！ 为确保开源竞赛奖金分配机制的公平性与合理性，兼顾开发者与项目发起方的共同利益，“太乙”平台采用了一套科学的公式来计算可分配的奖金额度。随着开发者提交贡献的增加，可分配的奖金总额将随之上涨，最高达 5000 元。 此次竞赛活动将进一步促进 Apache RocketMQ 技术生态的繁荣与发展，为参与者创造更多学习、交流与成长的机会。我们诚邀每一位热衷于分布式消息处理技术探索与实践的开发者加入，在实践中不断提升自我，共同推动 Apache RocketMQ 的技术进步与社区发展。 让我们在开源的道路上，携手共进，创造不凡！ 点击：了解太乙开源服务系统更多详情