线上环境大规模RocketMQ集群不停机优雅升级实践

见字如面,我是威哥,一个从普通二本院校毕业,从未曾接触分布式、微服务、高并发到通过技术分享实现职场蜕变，成长为RocketMQ社区优秀布道师、大厂资深架构师，出版《RocketMQ技术内幕》一书，欢迎大家关注「中间件兴趣圈」，设置为星标，一起交流进步。关注「中间件兴趣圈」，回复RMQPDF即可获取两本电子书，浓缩了笔者千亿级消息流转经验。

接安全部门的行政要求，生产环境上百台RocketMQ机器必须在半个月内升级，必须支持ACL，规避安全风险。

RocketMQ集群的升级方案、落地实施就自然而然的落到了我的头上，本文不仅要介绍一下笔者是如何升级的，更想展示作为一名架构师，处理这些问题的方法论，展示大厂架构师的工作日常。

温馨提示：关于ACL相关的内容，后续文章会单独分享从4.1.0版本升级到4.８并开启ACL的曲折经历。

1、版本升级的迫切性

说来惭愧，作为RocketMQ社区优秀布道师，笔者所在公司的RocketMQ服务端版本竟然还是4.1.0，RocketMQ在4.4.0版本之前是不支持ACL(访问控制)，对应生产环境中任意一台机器都可以订阅任意topic，在任意一台生产应用服务器都可以安装一个rocketmq-console，从而控制整个集群，拥有删除主题、删除消费组的权限，想想是不是后背发凉.

2、升级方案

2.1 确定升级到的版本

翻开RocketMQ升级日志，RocketMQ在4.4.0版本正式引入了ACL机制，故版本至少要升级到4.4.0，在业界使用开源版本有一个不成文的规则：通常不要使用最新的版本，不要充当小白鼠。

但RocketMQ可以算是一个特殊。

通过仔细浏览RocketMQ的版本变更记录，我们不难发现RocketMQ Client 相关的变更非常少，即与用户关系紧密的消息发送、消息消费这块的代码非常的稳定，理论上基本不存在兼容性问题。并且每一个版本都修复了一些重大的BUG，性能提升也比较明显，故笔者这次决定“冒天下之大不韪”，决定将帮升级到最新版本4.8.0。

在这里在啰嗦一些，简单介绍一下RocketMQ几个具有里程杯意义的版本。

• RocketMQ4.3.0正式引入了事务消息，如果大家希望使用事务消息，其版本最低建议为 4.6.1。
• RocketMQ4.4.0引入了ACL、消息轨迹，如果需要使用这些功能，其版本最低建议为 4.7.0。
• RocketMQ4.5.0引入了多副本（主从切换），其版本建议使用4.7.0。
• RocketMQ4.6.0引入了请求-响应模型。

2.2 升级思路

版本升级的基本要求：业务不能停机，即要做到对业务无感知的升级。

如果机器足够的备用机器，最佳的版本迁移方案应该是先扩容再缩容，其示例图如下：

其主要的思路是先对Broker进行扩容，加入两台高版本的Broker服务器，加入到集群中，然后关闭低版本Broker的写权限，待消息过期后，将低版本移除，最后升级NameServer，完成不停机的在线迁移。

由于此次升级需要在半个月左右的时间内将RocketMQ集群所有的节点全部升级，无法提供这么多冷备节点，故先扩容、再缩容无法满足本次需求，本次只能基于已有的机器进行升级。

能否直接升级Broker端代码，但高版本的Broker直接使用低版本的Broker存储目录，即直接升级软件，其示例图如下：

核心思想是先停止老版本的Broker，然后使用新版本启动Broker，但使用旧的配置文件。

有了思路，接下来就是要验证方案的可行性。

2.3 方案验证

理论归理论，在生产环境做任何变更之前，必须有充分的测试验证，版本升级重点需要验证兼容性问题。

2.2.1 服务端版本兼容性验证

搭建一个上述MQ集群，其核心要点：

• 高版本的Broker是否能向低版本的NameServer注册路由
• 低版本的Broker是否能向高版本的NameServer注册路由

通过rocketmq-console，去创建多个个topic，看看其路由信息是否正确，经验证，符合预期。

2.2.2 客户端与服务端兼容性验证

RocketMQ的客户端API其实比较单一，无非就是消息发送、批量发送，消息消费，由于4.1版本不支持事务消息，这次升级甚至都无需验证事务消息，验证的要点：

• 低版本的客户端是否能正常向高版本Broker发送消息，消费消息
• 高版本的客户端是否能向低版本的Broker发送消息，消费消息

测试案例来自哪，其实都不需要我们自己写，直接用官方的Demo即可，其代码截图如下：

客户端验证在真正实施过程中，其实比服务端之间的验证要复杂的多，由于各个项目组使用的客户端版本不一，甚至有些项目组会使用c++、Python等其他非Java客户端，如何精确找到该集群中所有客户端的连接信息(客户端版本、语言类型)至关重要。

官方提供的版本，对消费组的连接信息还是支持的比较友好，我们可以通过写脚本，先查询系统中所有的消费组，然后遍历每一个消费组，可以查询这些消费组的IP地址、客户端版本、使用的语言等信息，但开源版本对生产者支持的不友好，没有一个可获取所有发送者相关的接口。

获取消费组消费端的连接方式如下图所示：

故我们采取的方式，主要是基于消费组失败客户端类型，本次升级过程中，我也对RocketMQ做了一些定制化开发，可方便获取所有发送方的链接信息，后续会已提交PR的方式贡献给官方。

2.2.3 Broker端存储格式验证

由于没有空闲资源，本次要使用的升级方式是直接升级软件，但新老版本共用存储目录，基于RocketMQ的消息存储协议，从4.0.0版本之后就一直没有变化，其验证的关键点如下：

• 4.8.0版本是否可以直接使用4.1.0生成的存储文件(commitlog等文件)
• 4.1.0版本是否可以直接使用4.8.0生成的存储文件

为什么需要验证4.1.0版本能兼容4.8.0呢？因为如果升级失败，需要回滚，如果4.1.0版本不能兼容4.8.0的话，会让你没有退路，这在架构设计中是绝对不允许的。

经过验证发现，存储文件是相互兼容的。

2.2.4 测试环境验证

经过上面三步的验证，已经可以进行升级了，但升级之前，还要在测试环境稳定运行一天，可以将测试环境升级成如下架构：

即不同版本的混搭模式，接受测试环境所有应用服务器的验证，如果测试环境运行没有问题，即可在生产环境进行升级。

2.4 实施方案

有了上面升级方案，并且已经做了充分的验证，是可以在生产环境执行了，在执行之前，需要对理论设计输出可执行可落地的实施方案，实施方案必须要包括回滚操作，并且这个回滚操作一定要比较容易执行，否则你的方案一定是不那么可靠的。

接下来重点阐述一下实施过程中一些关键步骤，整个升级步骤才有滚动升级，即逐台升级。

1、关闭一个Broker的写权限

关闭Broker写权限，让应用将流量平滑迁移到其他节点，这样可以有效避免在对该机器进行重启时对业务造成的影响。

sh ./mqadmin updateBrokerConfig -b 192.168.x.x:10911 -n 192.168.xx.xx:9876 -k brokerPermission -v 4

2、带Broker写入、消费tps接近０时，关闭broker

ps -ef | grep java
kill pid

3、使用新版本启动Broker

注意，此过程使用的配置文件为老版本的配置，故此时并没有开启写权限，启动并不会对客户端消息写入造成影响。

４、开启写权限

待新版本启动成功后，既可以开启写权限

sh ./mqadmin updateBrokerConfig -b 192.168.xx.xx:10911 -n 192.168.xx.xx:9876 -k brokerPermission -v 6

观察流量。

重复上述步骤即可完成Broker的升级。

关于Nameserver的升级就更加容易了，采用滚动升级，kill掉老版本的nameserver，在原机器上启动新版本的nameserver即可。

3、花絮

最后和大家再分享一个小小的插曲。尽管上面的方案非常详细，并且经过反复的测试，但MQ在我们公司的重要性实在太重要，运维小伙伴在操作时不敢下手，在操作时他要我在身边看着，这个时候，作为架构师的我们要敢于承担责任，明确告知，只要你操作正确，出力故障由我来承担，这也是我个人觉得作为架构师一个非常重要的软技能：对你负责的技术具有掌控力，并且敢于担当。

文章转载自公众号：中间件兴趣圈