作者：家泽、稚柳
前言：
在 AI 原生应用架构浪潮中，消息队列需支持大规模数据和复杂 AI 模型训练与推理场景下的高效异步通信，其成本效益优化也日益受到重视。面对大模型或大数据量，消息量显著增加，云消息队列 ApsaraMQ 致力于降低消息队列成本，减轻用户负担，同时，通过架构演进，提升数据处理能力、安全性、性能和资源利用率，让 AI 开发者在更低的成本下获得更高的效益。
背景
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。在追求“高弹性低成本”方面，云消息队列 ApsaraMQ 全系列产品（涵盖云消息队列 RocketMQ、Kafka、RabbitMQ、MQTT 以及消息服务 MNS）均已实现 Serverless 化，支持自适应弹性，秒级万 QPS 弹性扩展，并采用按实际使用量付费的模式，实例成本平均降低 50%。
本文将探讨云消息队列 ApsaraMQ 在成本治理方面的实践经验，同时介绍在 Serverless 版本中的架构优化和新增能力。希望能够为企业或个人提供成本控制参考，同时帮助大家更好地理解和使用云消息队列 ApsaraMQ，以实现成本效益最大化。
资源成本与运维成本相辅相成
在软件研发过程中，除了考虑产品迭代的开发成本及运营成本之外，运行时成本主要由资源成本和运维成本组成，两者相辅相成。
- 要降低资源成本，通常需要对现有架构进行调整。而确保架构变更的安全性和稳定性，则需要依赖完善的运维体系，包括有效的监控和快速恢复机制。
- 引入监控和告警系统提高系统可靠性，可能会增加核心组件的资源开销，以及影响产品性能。但若没有完善的运维体系，在系统出现问题时，会导致更大的业务损失。
因此，我们应重视运维体系的建设，在降低成本的同时，确保系统的稳定性和可靠性。这需要我们在资源利用和运维管理之间找到平衡，以实现成本效益的最大化。
为了有效降低资源和运维成本，同时提高系统性能和稳定性、优化运维效率，我们采取了以下有效策略：
-
降低资源成本：
- 提升软件性能：优化产品软件，增强自身性能，从而提高运行效率，减少资源占用。
- 降低资源消耗：通过技术手段，选择性价比更高的产品依赖，提高资源使用效率。
- 提高资源利用率：与运维团队合作，监控资源利用率，确保与系统稳定性相匹配。
-
降低运维成本：
- 监控告警指标覆盖：建立完善的指标体系，全面反映系统运行状况，确保性能提升和架构优化达到预期效果。
- 快速恢复：优化 MTTR，依赖于强大的监控系统和自动化恢复能力，缩短故障发现时间和故障解决时间。
- 无损升级：实现无感知升级，降低用户升级成本，在不中断服务、不干扰客户使用的情况下进行升级。
- 弹性伸缩：加强云服务底层组件弹性伸缩能力，根据并发请求和元数据用量动态调整资源，有效控制成本，提高资源利用率。
架构优化，提升产品性能降低资源消耗
以 Kafka 为例，开源 Kafka 是典型存算一体架构，通常基于本地文件系统或本地盘自建，存在一定的局限性：
1）单盘性能瓶颈： 单盘的吞吐量和容量受限，形成性能瓶颈。
2）资源灵活性差： 存储和计算资源比例固定，不能灵活调整适配。
3）扩缩容耗时长： 节点是有状态的，扩缩容需要涉及数据迁移，但受原始节点负载、数据量和磁盘吞吐等因素影响，TB 级数据通常需要小时级迁移时长，导致整体风险提高，运维压力大。
4）存储架构复杂： 对象存储用于存储冷数据，本地盘存储热数据，而本地盘需要多副本保证数据可靠性，从而增加网络资源消耗，同时，需要实现本地存储文件和二级存储文件之间的逻辑映射机制，增加了系统复杂度。
上图是 Kafka 3.0 的架构，从技术层面实现存算分离，在计算层做到了无状态，通过开源 ISR 机制进行主从选举，同时引入 RDMA 协议，显著减少整个系统在交互过程中的 CPU 消耗；存储层采用盘古 DFS 作为共享存储，消息数据（CheckPoint 和 index 文件依然写入分布式文件系统）写入盘古 DFS 保证可靠性。
此外，还从以下几个方面进行了存储结构优化：
- 内存聚批： 支持时间、空间和频率等多种提交策略；减少网络抖动、长尾影响服务质量。
- 用户态缓存： 支持多级缓存机制，数据就近加速；冷热数据分离，避免缓存污染。
- 冷读优化： 冷热线程（协程）分离，避免全局不可用；数据预加载、预读，自适应调整 IO 大小。
性能测试数据显示，优化后的 Kafka 3.0 在攒批和碎片化发送场景，性能均优于开源版本。
资源消耗方面，Kafka 3.0 通过存算分离设计，简化架构，降低资源成本。仅需一份存储资源即可确保数据可靠性，整体存储成本降低约 30%。
软硬结合，进一步提升产品性能
云消息队列 ApsaraMQ 通过与云原生芯片倚天进行了深度优化，进一步提升了产品性能。
为了充分发挥倚天芯片的优势，我们在消息收发链路上引入了自动聚合器，通过批量计算提高效率。在消息序列化方面，我们采用了更紧凑的数据结构，减少了数据复制和传输开销。同时，我们将序列化过程拆分为多个子任务并行执行，充分利用倚天芯片的多核处理能力和 ARM 指令集优化。
通过这些针对性的优化措施，最终实现了在相同机型和流量条件下，倚天芯片的消息延迟比 X86 架构降低了 20%，消息吞吐量提高了 30%。
增强运维能力，降低运维成本
为了提高运维效率、降低运维成本，同时确保系统的稳定性和可靠性，我们提供了以下增强能力：
监控体系建设： 通过监控关键性能指标来优化资源使用和控制成本。云消息队列 ApsaraMQ 覆盖了全面的监控和告警指标，帮助用户了解资源使用情况并调整资源分配，包括物理节点、网络、磁盘、IO 等操作系统指标监控，以及消息收发量、RPC 异常次数、消息堆积等业务指标监控。同时，引入端到端巡检，模拟用户收发 SDK 主要接口行为，实时发现系统异常，分钟级探测感知和报警。
消息健康管家： ApsaraMQ Copilot for RocketMQ 提供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。通过全面监控、量化分析与配置可定制性、简化诊断流程等关键操作，全面升级其监控和诊断能力。
无损升级： RocketMQ 5.2.0 版本新增服务端升级时主动通知客户端的功能，实现优雅下线。客户端接收通知后自动重连到未升级节点并重试上次发送的消息，从而保障业务连续性。
弹性伸缩： 弹性伸缩是 ApsaraMQ Serverless 版本的核心功能，适用于业务量波动较大的场景，通过监控业务流量、集群水位和资源剩余量，自动进行垂直或水平扩展，或在集群实例间进行弹性调度。目前已达到秒级万 QPS 弹性扩展，满足大规模业务需求。
好礼放送
- 阿里云 618 创新加速季正在火热进行中，为企业提供丰富的补贴和礼包，助力数字化创新。云消息队列 ApsaraMQ 也带来了精选产品的折扣优惠和资源包。
欢迎访问活动页面，了解更多详情：https://www.aliyun.com/activity/Mid-promotion/NativeCloud618
- 随着云消息队列 ApsaraMQ 产品品牌升级（https://www.aliyun.com/product/ons ），我们正在开展有奖调研活动，收集用户对"ApsaraMQ"产品品牌的宝贵意见。
欢迎点击“此处”进行参与，我们将从参与者中随机抽取 5 名幸运用户，送出精美礼品！