这是我参与「第五届青训营 」伴学笔记创作活动的第 12 天。
消息队列之BMQ
BMQ的架构模型解决了Kafka存在的问题，读写流程是Failover机制及写入状态机，高级特性有泳道、Databus、Mirror、Index、Parquet等。 BMQ兼容Kafka协议，存算分离，云原生消息队列。
运维操作对比：
重启：Kafka需要数据复制，分钟级重启，BMQ重启后可直接对外服务，秒级完成。
替换：Kafka需要数据复制，分钟级替换，甚至天级别，BMQ替换后可直接对外服务，秒级完成。
扩容：Kafka需要数据复制，分钟级扩容，甚至天级别，BMQ扩容后可直接对外服务，秒级完成。
缩容：Kafka需要数据复制，分钟级缩容，甚至天级别，BMQ缩容后可直接对外服务，秒级完成。
HDFS写文件流程：随机选择一定数量的DataNode进行写入。
Broker-Partition状态机保证对于任意分片在同一时刻只能在一个Broker上存活。
泳道消息：开发流程为开发、BOE、PPE、Prod，其中BOE:Bytedance Offline Environment，是一套完全独立的线下机房环境;PPE:Product Preview Environment，即产品预览环境。泳道消息解决主干泳道流量隔离问题以及泳道资源重复创建问题。
直接使用原生SDK可能会导致客户端配置较为复杂，不支持动态配置，更改配置需要停掉服务，对于lalency不是很敏感的业务，batch效果不佳等问题。因此使用DataBus可以简化消息队列客户端复杂度，解耦业务与Topic，缓解集群压力，提高吞吐。
使用Mirror通过最终一致的方式，解决跨区域读写问题。
Index：如果希望通过写入的Logld、Userld 或者其他的业务字段进行消息的查询，可以直接在BMQ 中将数据结构化，配置索引DDL，异步构建索引后，通过Index Query 服务读出数据。
Apache Parquet是Hadoop生态圈中一种新型列式存储格式，它可以兼容Hadoop生态圈中大多数计算框架(Hadoop、Spark等)，被多种查询引擎支持(Hive、Impala、Drill等)。直接在BMQ中将数据结构化，通过 Parquet Engine，可以使用不同的方式构建Parquet格式文件。
引用参考：
总结
本文接上文，是青训营学习中关于消息队列的学习笔记，本文主要是BMQ的有关笔记。
