RocketMQ中的消息存储在本地文件系统中，这些相关文件默认在当前用户主目录下的store目录中
- sbort：该文件在Broker启动后会自动创建，正常关闭Broker，该文件会自动消失。若在没有启动Broker的情况下，发现这个文件是存在的，则说明之前Broker的关闭时非正常的
- checkpoint：其中存储着commitlog、consumequeue、index文件的最后刷盘时间戳
- commitlog：其中存放着commitlog文件，而消息是写在commitlog文件中的
- config：存放着Broker运行期间的一些配置数据
- index：其中存放着消息索引文件indexFile
- lock：运行期间使用到的全局资源锁
commitlog文件
目录与文件
说明：在很多资料中commitlog目录中的文件简单就成为commitlog文件，但在源码中，该文件被命名为mappedFile
commitlog目录中存放着commitlog文件，当前Broker中的所有消息都是被刷盘到了这个commitlog目录中的commitlog文件中的。commitlog文件大小为1G，文件名由20位十进制数构成，表示当前文件的第一条消息的起始位偏移量。
第一个文件名一定是20位0构成的。因为第一个文件的第一条消息的偏移量commitlog offset为0
当第一个文件放满时，则会自动生成第二个文件继续存放消息。假设第一个文件的大小是1073741820字节（1G = 173741824字节），则第二个文件名就是0000000000173741820
一次类推，第n个文件名应该是前n-1个文件大小之和作为文件名
一个Broker中所有mappedFile文件的commitlog offset是连续的
需要注意的是，一个Broker中仅包含一个commitlog目录，所有的commitlog文件都是存放在该目录中的。即无论当前Broker中存放着多少Topic的消息，这些消息都是被顺序写入到了commitlog文件中的。也就是说，这些消息在Broker中存放时并没有被按照Topic进行分类存放
mappedFile文件是顺序读写的文件，所以其访问效率很高
消息单元
commitlog文件内容由一个个的消息单元构成。每个消息单元中包括总长度MsgLen、消息的物理位置PysicalOffset、消息体内容Body、消息体长度BodyLength、消息主题Topic、Topic长度TopicLength、消息生产者BornHost、消息发送时间戳BornTimestamp、消息所在的队列QueueId、消息在Queue中存储的偏移量QueueOffset等近20多项消息相关属性
需要注意到，消息单元中是包含Queue相关属性的。所以，我们在后续，就需要十分留意commitlog与queue间的关系是什么
一个mappedFile文件中第m个消息单元的commitlog offset偏移量L(m+1) = L(m) + MsgLen(m) (m >= 0)
consumequeue
目录与文件
为了提高效率，会为每个Topic在~/store/consumerqueue中创建一个目录，目录名为Topic名称。在该目录下，会再为每个该Topic的Queue建立一个目录，目录名为queueId。每个目录中存放着若干consumequeue文件，consumequeue文件是commitlog的索引文件，可以根据consumequeue定位到具体的消息。
consumequeue文件名也由20位数字构成，表示当前文件的第一个索引条目的起始位偏移量。与mappedFile文件名不同的是，其后续文件名是固定的。因为consumequeue文件大小是固定不变的。
索引条目
每个consumequeue文件可以包含30W个索引条目，每个索引条目包含了三个消息重要属性：消息在mappedFile文件中的偏移量commitlog offset、消息长度、消息Tag的hashCode值。这三个属性占20个字节，所以每个文件的大小是固定的30W * 20字节
一个consumequeue文件中所有消息的Topic一定是相同的。但每条消息的Tag可能是不同的。
对文件的读写
消息写入
一条消息进入到Broker后经理了一下几个过程才最终被持久化
- Broker根据queueId，获取到该消息对应索引条目要在consumequeue目录中的写入偏移量，即QueueOffset
- 将queueId、queueOffset等数据，与消息一起封装为消息单元
- 将消息单元写入到commitlog
- 同时形成消息索引条目
- 将消息索引分发到相应的consumequeue
消息拉取
当Consumer来拉取消息时会经历以下几个步骤：
- Consumer获取到其要消费消息所在Queue的消费偏移量offset，计算出要消费消息的消息offset
- Consumer向Broker发送拉取请求，其中会包含其要拉取消息的Queue、消息offset即消息Tag
- Broker计算在该consumequeue中的queueoffset
- 从该queueoffset处开始向后查找第一个指定Tag的索引条目。
- 解析该索引条目的前8个字节，即可定位到该消息在commitlog中的commitlog offset
- 从对应commitlog offset中读取消息单元，并发送给Consumer
性能提升
RocketMQ中，无论是消息本身还是消息索引，都是存储在磁盘上的。其不会影响消费的速度吗？当然不会。其实RocketMQ的性能在目前的MQ产品中是非常高的。因为系统通过一系列相关机制大大提升了性能
首先，RocketMQ对文件的读写操作是通过mmap零拷贝进行的，将对文件的操作转化为直接对内存地址进行操作，从而极大地提高了文件的读写效率。
其次，consumequeue中的数据是顺序存放的，还引入了PageCache的预读取机制，使得对consumequeue文件的读取几乎接近于内存读取，即使在有消息堆积情况下也不会影响性能。
PageCache机制，页缓存机制。是操作系统对文件的缓存机制，用于加速文件的读写操作。一般来说，程序对文件进行顺序读写的速度几乎接近内存读写速度，主要原因是由于OS使用PageCache机制对读写访问进行了性能优化，将一部分的内存用于PageCache。
- 写操作：OS会先将数据写入到PageCache中，随后会以异步方式由pdflush（page dirty flush）内核线程将PageCache中的数据刷盘到物理磁盘
- 读操作：若用户要读取数据，其首先会从PageCache中读取，若没有命中，则OS再从物理磁盘上加载该数据到PageCache的同时，也会顺序对其相邻数据块中的数据进行预读取
RocketMQ中可能会影响性能的是对commitlog文件的读取。因为对commitlog文件来说，读取消息时会产生大量的随机访问，而随机访问会严重影响性能。不过，如果选择合适的系统IO调度算法，比如设置调度算法为Deadline（采用固态硬盘），随机读的性能也会有所提升
与Kafka的对比
RocketMQ的很多思想来源于Kafka，其中commitlog与consumequeue就是。
RocketMQ中的commitlog目录与consumequeue的结合就类似与Kafka中的partition分区目录。mappedFile文件就类似于Kafka中的segment段
Kafka中的Topic的消息被分割为一个或多个partition。paritition是一个物理概念，对应到系统上就是topic目录下的一个或多个目录。每个paritition中包含的文件称为segment，具体存放消息的文件
Kafka中消息存放的目录结构式：topic目录下有partition目录，partition目录下有segment文件
Kafka中没有二级分类标签Tag这个概念
Kafka中无索引文件。因为消息是直接写在了partition中，消费者也是直接从partition中读取数据的