trdp协议
『壹』 接受UDP传输的数据需要用消息中间件吗
1. 分布式结构 VS 星型结构 ，推送 VS 接收， 服务端缓存 VS 客户端缓存 。
RV 和 MQ 都是分布式结构的， 和 JMS 消息中间件的星型结构不同。分布式消息中间件的 Server 在应用环境里都会部署多个，彼此互联，没有主备之分。 JMS 消息中间件的应用部署一般都是主备两个 Server ，消息的发送和接收应用平时和主 Server 相连，有问题时切换到备 Server ，主备 Server 共用公共的存储设备来保存消息。
MQ 和 JMS 消息中间件都采用消息接收端主动接收消息的方式。消息从发送端发出后，首先会缓存到 Server 上， 接收端应用发起一个接收消息的请求， Server 把消息作为应答返回给接收端。接收端不执行接收动作，消息就会一直在 Server 上保存。
RV 和这两种消息中间件都不同，使用的是消息推送的模式。消息从发送端发出后，并不在 Server 上缓存， Server只做路由把消息推送给消息接收端。消息接收端只要连接上 Server ，订阅要接收的消息，这些消息就会源源不断地从 Server 那里推送过来，消息先缓存到接收客户端的队列里，接收端应用再从队列里取消息。
总之 RV 是一个分布式结构，推送消息模式，客户端缓存的消息中间件。分布式结构适用于分布是应用系统，方便做扩展，推送加客户端缓存适用于高实时性消息的处理，消息需要在第一时间到达目的地，过时的消息的没有必要保存下来的，消息接收端应用需要做的事情就是不断地处理已经推送到的消息。
2. 使用广播和组播来实现一对多的发布订阅 。
MQ 和 JMS 消息中间件在 IP 层都使用点对点的传输方式，而 RV 在 IP 层使用的是广播或者组播的方式。 使用广播或者组播可以直接实现一对多的发布订阅形式，发布应用发布消息到 RV 网络上，这些消息会广播到网络的每一个节点上，每一个订阅应用都会收到这些消息。而 MQ 和 JMS 实现发布订阅就要麻烦的多了， 都是在 Server 按消息的 Topic 来缓存消息，为每一个订阅者拷贝每一条消息的引用。当所有订阅者都从 Server 上取走某条消息，这条消息才在 Server 上删除。
3. UDP VS TCP 。
MQ 和 JMS 消息中间件不论是 Server 和 Server 的通信，还是 Server 和 Client 的通信，在传输层都使用 TCP 协议，保证消息传输连接的可靠性。而 RV 在 Server 和 Server 之间的通信使用了 UDP 协议，牺牲可靠性来达到高实时性的需求。 RV 有两种可靠性级别， RV Reliable 和 RVCM 。 RV Reliable 模式使用基于 UDP 增加了一定可靠机制的 TRDP 协议，在一定范围内具有消息包的检查和重传机制，保证了一定程度的消息可靠性，但不保证消息不丢失。 RVCM 在 RV Reliable 基础上更进一步，在消息级别具有消息确认和重传机制，可以保证消息绝对不丢失。对于长度在 1500 个字节以下的消息， RV Reliable 发布消息能达到 150 万笔消息每秒，接收也能达到 50 万笔消息每秒。传输消息的性能是非常好的。
4. 使用消息 Subject 做收发两端的匹配 。
MQ 和 JMS 消息中间件在 Server 端按 Queue 和 Topic 来缓存消息，消息的发送端和接收端按 Queue 和 Topic 的名字来匹配。每个 Server 能创建的 Queue 和 Topic 是有限的，这也就限制了使用 MQ 和 JMS 消息中间件构建的应用，这些应用在做消息收发处理的时候只能使用粗粒度的消息分类。
RV 不在 Server 端缓存消息，也没有 Server 端的 Queue 和 Topic 。它是使用消息的 Subject 来做消息发送端和接收端的匹配的。每个消息都有 Subject ， Subject 格式是多个字符串的串接，没有数目或者长度的限制。比如在市场数据系统里，行情数据消息的 Subject 里包含金融品种的名字，这样的 Subject 可以有上百万个。消息订阅端可以细到只接收某个市场的某个品种的行情数据。
RV 使用优化的算法实现 Subject 的筛选。如果 RV 网络上有一万种消息，一个 RV Server 被一千个消息接收端连接，每个接收端订阅不同的 Subject 。那 RV Server 的工作就类似一个超级的邮件分检员，对每一个从 RV 网络上广播而来的消息做 Subject 的判断，判断是否在这一千个订阅的 Subject 的范围内，是则将消息推送到订阅此消息的接收端，否则将消息抛弃。当数据量很大时，这种筛选工作是需要很高效率的。
总之， RV 的最大特点是推送模式，把一个数据生产者的数据以最快的速度推送到多个数据消费者那里。 RV 从金融市场数据系统的需求中产生而来，正是这些特点使得它在证券系统得到最广泛的应用。