一、生产者端优化（发得快、不阻塞）

1. 异步发送
   • 同步发送会阻塞业务线程，高并发下必须用异步发送。
   • 配合回调处理成功 / 失败，不影响主线程吞吐量。
2. 批量发送（batch）
   • 攒一批消息再一次性发送，大幅减少网络 IO。
   • 控制好批量大小：过大会增加延迟，太小没效果。
3. 压缩消息
   • 开启 gzip/lz4/snappy 压缩。
   • 大消息、文本类消息（JSON/XML）效果尤其明显。
4. 控制消息大小
   • 禁止超大消息（>1MB），大消息拆成小消息或用对象存储。
   • 大消息会占队列、拖慢网络、增加 GC、阻塞消费。
5. 合理设置重试与超时
   • 重试次数不要过高，避免风暴。
   • 超时时间合理，防止大量线程阻塞。
6. 客户端连接池复用
   • 复用 Producer、Channel、Connection，不要频繁创建销毁。

二、服务端 / Broker 优化（存得快、不卡顿）

1. 磁盘优化（最关键）
   • 使用 SSD，MQ 重度依赖随机读写。
   • 日志文件单独挂载，避免与业务磁盘争抢。
   • 关闭磁盘冗余、定期清理过期日志。
2. 刷盘策略调整
   • 追求性能：异步刷盘
   • 追求安全：同步刷盘
   • 不要无脑同步刷盘，性能掉一个量级。
3. 内存配置
   • 给 Broker 足够堆外内存 / 页缓存。
   • 避免频繁 GC、避免内存水位过高触发阻塞。
4. 分区 / 队列数量调优
   • Kafka：分区数 = 消费并发上限，一般设置 2～4 倍 CPU 核心。
   • RocketMQ：增加 Topic 队列数提升并行度。
   • 过多会增加元数据压力，过少无法并发。
5. 关闭无用特性
   • 关闭自动创建 Topic/Queue。
   • 关闭冗余监控、冗余日志。
   • 关闭消息追踪（非必要场景）。
6. 集群与网络
   • 内网部署，低延迟网络。
   • 主从同步使用异步，减少等待。

三、消费者端优化（消费快、不堆积）

1. 提高消费并发数
   • 增加消费者实例（水平扩容）。
   • 增加单实例消费线程数。
   • 注意：Kafka 并发上限 = 分区数。
2. 批量消费 / 批量 ACK
   • 一次拉取多条，批量处理，批量提交位点。
   • 大幅减少网络往返和 ACK 开销。
3. 关闭自动提交，合理手动 ACK
   • 自动提交容易丢消息或重复消费。
   • 手动 ACK 批量提交，兼顾安全与性能。
4. 预取数（prefetch）合理设置
   • RabbitMQ：prefetch 太小拉取频繁，太大占内存。
   • 一般 10～500 之间根据业务调整。
5. 消费逻辑轻量化
   • 消费只做核心逻辑，慢操作（DB、HTTP、第三方接口）异步化。
   • 避免在消费线程里做复杂计算、大 IO。
6. 限流与降级
   • 消费过载时限流，保护 Broker 和自身。
   • 非核心业务可降级，避免连锁堆积。

四、架构与业务优化（从根源提速）

1. 消息幂等设计
   • 用唯一 ID 去重，避免重复消费导致重复计算 / DB 压力。
2. 顺序消息谨慎使用
   • 全局顺序会严重限制并发。
   • 尽量只做局部有序（如同一用户 / 订单）。
3. 避免死信 / 重试风暴
   • 失败快速进入死信，不要无限重试。
   • 重试间隔指数退避。
4. ** Topic/Queue 拆分 **
   • 快慢消息分离：快消息单独队列，不被慢消息堵住。
   • 核心 / 非核心分离。
5. 延迟消息专用处理
   • 不要用轮询 + MQ 实现延迟，用原生延迟队列。
6. 监控与扩容
   • 实时监控：堆积量、生产速度、消费速度、耗时、GC。
   • 自动扩容消费者，防止突然流量打挂。

五、三种 MQ 针对性优化要点

Kafka

• 提高分区数提升并发
• acks=1 比 acks=all 快很多
• 批量发送、压缩、批量提交
• 使用页缓存，避免频繁刷盘

RocketMQ

• 提高 Topic 队列数
• 异步刷盘 + 异步发送
• 关闭无效的事务消息、轨迹消息
• 消费线程池调大

RabbitMQ

• 预取数 prefetch 优化
• 关闭推模式，用拉模式
• 交换机绑定简化，减少路由损耗
• 队列惰性化，避免内存爆炸

六、一句话总结性能优化核心

• 生产者：异步、批量、压缩、发小消息
• Broker：SSD、异步刷盘、足够分区、足够内存
• 消费者：提高并发、批量消费、轻逻辑、防堆积
• 架构：快慢分离、避免全局顺序、做好幂等