NanoMQ 保留消息持久化机制解析
2025-07-07 06:00:48作者:董宙帆
保留消息持久化概述
NanoMQ作为一款轻量级MQTT消息代理,在0.20.8版本后实现了保留消息的持久化存储功能。这项功能确保即使在代理重启后,之前发布的保留消息仍然能够被新订阅的客户端获取,大大提升了系统的可靠性。
技术实现原理
NanoMQ通过SQLite数据库实现了保留消息的持久化存储。当代理收到带有保留标志的MQTT消息时,不仅会在内存中保存该消息,还会将其写入SQLite数据库。在代理重启时,系统会自动从数据库加载所有保留消息,恢复到内存中继续提供服务。
配置方法
要启用保留消息持久化功能,需要在NanoMQ配置文件中添加SQLite相关配置段:
sqlite {
disk_cache_size = 102400
mounted_file_path="/tmp/"
flush_mem_threshold = 100
resend_interval = 5000
}
各参数说明:
- disk_cache_size:设置磁盘缓存大小(单位KB)
- mounted_file_path:SQLite数据库文件存储路径
- flush_mem_threshold:内存刷新阈值
- resend_interval:重发间隔(毫秒)
消息过期机制
从0.21.1版本开始,NanoMQ支持保留消息的过期处理。虽然消息仍会保留在SQLite数据库中,但代理会根据消息中的过期时间设置来决定是否将其提供给订阅者。这种设计既保证了性能,又实现了消息生命周期管理。
性能考量
NanoMQ在设计保留消息持久化时充分考虑了性能因素:
- 采用异步写入机制,避免阻塞消息处理流程
- 使用内存缓存减少磁盘I/O
- 过期检查采用惰性评估,不进行主动扫描
最佳实践建议
- 根据业务需求合理设置disk_cache_size,避免过大影响性能或过小导致频繁刷新
- 对于关键业务消息,建议客户端设置适当的过期时间
- 定期检查SQLite数据库文件大小,必要时进行归档或清理
这项功能的实现使得NanoMQ在物联网和边缘计算场景中能够提供更可靠的消息服务,特别是在设备频繁上下线的环境中,确保关键信息不会丢失。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
196
218
暂无简介
Dart
637
145
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
653
277
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
628
仓颉编译器源码及 cjdb 调试工具。
C++
128
859
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
74
99
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.73 K