高吞吐消息队列核心在于减少阻塞、压缩开销、并行化处理、贴近硬件：批量收发摊薄成本，零拷贝与内存映射避免内核态拷贝，Netty+虚拟线程实现异步非阻塞IO，分区并行与本地化消费提升扩展性。
Java 消息队列实现高吞吐量，核心不靠堆机器，而在于**减少阻塞、压缩开销、并行化处理、贴近硬件特性**。无论是用 Kafka、RocketMQ 还是自研方案，关键优化路径高度一致。
批量发送与接收
单条消息网络往返和序列化开销大，批量操作能显著摊薄单位成本。
- 生产者端设置 batch.size（如 Kafka 推荐 16KB–64KB），配合 linger.ms（如 5–20ms）等待攒批，平衡吞吐与延迟
- 消费者端调大 max.poll.records（如 500），一次拉取多条，减少轮询频次
- 业务层主动聚合：例如订单创建后不逐条发“下单成功”事件，而是按秒级窗口批量提交
零拷贝与内存映射文件
避免数据在用户态和内核态之间反复拷贝，是磁盘型队列（如 Kafka）吞吐破百万的关键。
- Kafka 使用 sendfile() 系统调用，直接将页缓存中数据送入 socket，绕过 JVM 堆内存
- Java 层通过 MappedByteBuffer 将日志段文件映射到虚拟内存，读写即内存操作，无传统 IO 流开销
- 注意：需配合 unmap 清理（或使用 DirectByteBuffer + Cleaner 避免内存泄漏）
异步非阻塞 I/O 与线程模型优化
传统 BIO 或每连接一线程模型在万级连接下迅速崩溃；现代高吞吐 MQ 依赖事件驱动与轻量并发单元。
立即学习“Java免费学习笔记（深入）”；
- Netty 是事实标准：基于 epoll/kqueue 的 Reactor 模型，单线程可管理数千连接
- JDK 21+ 推荐搭配 Virtual Threads 处理业务逻辑，替代固定线程池，消除上下文切换瓶颈
- 避免在 IO 线程中做耗时操作（如 JSON 解析、DB 写入），应交由专用业务线程池异步执行
分区并行与本地化消费
吞吐能力随并行度线性扩展，但前提是数据分发与消费不成为新瓶颈。
- Topic 拆分为多个 Partition，每个 Partition 可独立读写，Broker 和 Consumer 均可水平扩展
- Producer 合理选择 Partitioner（如按 key hash），保证同一业务实体（如 user_id）消息落在同一分区，兼顾顺序与负载均衡
- Consumer Group 内消费者数 ≤ Partition 总数，避免空转；优先让 Consumer 尽量靠近其消费的 Broker（同机房/同 AZ），降低网络延迟
