RocketMQ for AI：重新定义 AI 应用通信范式
RocketMQ LiteTopic 专为 AI 场景设计，支持百万级轻量队列，实现会话级私有通道与细粒度订阅。LiteConsumer 动态管理节点订阅，免依赖 Redis 与广播，简化架构。原生支持断点续传、状态恢复，保障 AI 多轮交互可靠闭环，构建高效、弹性通信模型。
RocketMQ for AI：重新定义 AI 应用通信范式
RocketMQ LiteTopic 专为 AI 场景设计，应对长时会话、高延迟、大上下文等挑战。支持百万级轻量队列，实现会话级私有通道与细粒度订阅。LiteConsumer 可动态管理节点级订阅，免去 Redis 依赖与广播开销，简化架构，提升稳定性。原生支持断点续传、状态恢复，保障 AI 多轮交互的可靠闭环，构建高效、弹性的新一代通信模型。（239字）
RocketMQ：底层Netty频繁OS OOM
本文记录了一例Java应用因多ClassLoader加载多个Netty的PooledByteBufAllocator，导致堆外内存超限引发OS OOM的排查过程。通过NMT、Arthas等工具分析，发现7个不同类加载器各自维护堆外内存配额，绕过JVM直接内存限制，最终内存使用远超MaxDirectMemorySize。建议短期调低堆内存以腾出空间，长期需中间件协同优化。
五、实战演练：三步构建高可靠多智能体应用
本方案基于阿里云ECS与RocketMQ，构建多智能体协同系统，实现天气查询与行程规划。通过一键部署资源、创建Topic/Group、发布智能体应用三步，快速搭建支持异步通信的Agent架构。用户输入需求后，SupervisorAgent协调WeatherAgent和TravelAgent完成任务，全程可通过RocketMQ追踪消息轨迹，验证执行流程。
RocketMQ：底层Netty频繁OS OOM
JVM使用jemalloc分配native内存，排查发现无明显泄漏。通过pmap、gdb分析及Arthas查看Netty堆外内存占用，定位到RocketMQ客户端因Netty直接内存分配导致内存超1G。调整MaxDirectMemorySize引发消息积压，最终确认问题源于Netty内存管理机制。短期方案为压缩Java堆，腾出堆外空间保障MQ可用性。
