阿里一面，說說你知道訊息中介軟體的應用場景有哪些？
1、前言
又到了金三銀四的時候，大家都按耐不住內心的躁動，我在這裡給大家分享下之前面試中遇到的一個知識點（MQ的應用場景），如有不足，歡迎大佬們指點指點。
訊息中介軟體應用背景
提高系統性能首先考慮的是資料庫的優化，但是資料庫因為歷史原因，橫向擴充套件是一件非常複雜的工程，所有我們一般會盡量把流量都擋在資料庫之前。不管是無限的橫向擴充套件伺服器，還是縱向阻隔到達資料庫的流量，都是這個思路。阻隔直達資料庫的流量，快取元件和訊息元件是兩大殺器。
2、MQ簡介
MQ：Message queue，訊息佇列，就是指儲存訊息的一個容器。
現在常用的MQ元件有activeMQ、rabbitMQ、rocketMQ，當然近年來火熱的kafka，從某些場景來說，也是MQ，不過kafka的功能更加強大，雖然不同的MQ都有自己的特點和優勢，但是，不管是哪種MQ，都有MQ本身自帶的一些特點。
常用訊息佇列比較
| 特性 | ActiveMQ | RabbitMQ | RocketMQ | Kafka |
|---|---|---|---|---|
| 生產者消費者模式 | 支援 | 支援 | 支援 | 支援 |
| 釋出訂閱模式 | 支援 | 支援 | 支援 | 支援 |
| 請求迴應模式 | 支援 | 支援 | 不支援 | 不支援 |
| Api完備性 | 高 | 高 | 高 | 高 |
| 多語言支援 | 支援 | 支援 | java | 支援 |
| 單機吞吐量 | 萬級 | 萬級 | 萬級 | 十萬級 |
| 訊息延遲 | 無 | 微秒級 | 毫秒級 | 毫秒級 |
| 可用性 | 高（主從） | 高（主從） | 非常高（分散式） | 非常高（分散式） |
| 訊息丟失 | 低 | 低 | 理論上不會丟失 | 理論上不會丟失 |
| 文件的完備性 | 高 | 高 | 教高 | 高 |
| 提供快速入門 | 有 | 有 | 有 | 有 |
| 社群活躍度 | 高 | 高 | 中 | 高 |
| 商業支援 | 無 | 無 | 商業雲 | 商業雲 |
3、MQ特點
先進先出
先進先出，是佇列最明顯的特點。訊息佇列的順序在入隊的時候就基本已經確定了，一般是不需人工干預的。而且，最重要的是，資料是隻有一條資料在使用中。 這也是MQ在諸多場景被使用的原因。
釋出訂閱
釋出訂閱是一種很高效的處理方式，如果不發生阻塞，基本可以當做是同步操作。這種處理方式能非常有效的提升伺服器利用率，這樣的應用場景非常廣泛。
持久化
持久化確保MQ的使用不只是一個部分場景的輔助工具，而是讓MQ能像資料庫一樣儲存核心的資料，保證MQ的可靠性。
分散式
在現在大流量、大資料的使用場景下，只支援單體應用的伺服器軟體基本是無法使用的，支援分散式的部署，才能被廣泛使用。而且，MQ的定位就是一個高效能的中介軟體。
4、應用場景
訊息佇列中介軟體是分散式系統中重要的元件，主要解決應用解耦，非同步訊息，流量削鋒、海量日誌資料同步、分散式事務等問題，實現高效能，高可用，可伸縮和最終一致性架構。
4.1 應用解耦
場景說明：使用者下單後，訂單系統需要通知庫存系統。傳統的做法是，訂單系統呼叫庫存系統的介面。
傳統模式的缺點：假如庫存系統無法訪問，則訂單減庫存將失敗，從而導致訂單失敗，訂單系統與庫存系統耦合度高，容易出現雪崩事故。
引入應用訊息佇列後的方案：
訂單系統：使用者下單後，訂單系統完成持久化處理，將訊息寫入訊息佇列，返回使用者訂單下單成功。
庫存系統：訂閱下單的訊息，採用pull/push的方式，獲取下單資訊，庫存系統根據下單資訊，進行庫存操作。
解決問題關鍵步驟：在下單時庫存系統不能正常使用，也不影響正常下單，因為下單後，訂單系統寫入訊息佇列就不再關心其他的後續操作了，只要達成最終一致性即可。實現訂單系統與庫存系統的應用解耦。
4.2 非同步訊息
場景說明：使用者註冊後，需要發註冊郵件和註冊簡訊。傳統的做法有兩種：序列的方式、並行方式。
-
序列方式：將註冊資訊寫入資料庫成功後，傳送註冊郵件，再發送註冊簡訊。以上三個任務全部完成後，返回給客戶端。
-
並行方式：將註冊資訊寫入資料庫成功後，傳送註冊郵件的同時，傳送註冊簡訊。以上三個任務完成後，返回給客戶端。與序列的差別是，並行的方式可以提高處理的時間。
問題分析：
假設三個業務節點每個使用50毫秒鐘，不考慮網路等其他開銷，則序列方式的時間是150毫秒，並行的時間可能是100毫秒。
因為CPU在單位時間內處理的請求數是一定的，假設CPU1秒內吞吐量是100次。則序列方式1秒內CPU可處理的請求量是7次（1000/150）。並行方式處理的請求量是10次（1000/100）
如以上案例描述，傳統的方式系統的效能（併發量，吞吐量，響應時間）會有瓶頸。將傳送註冊郵件和註冊簡訊的步驟通過訊息佇列解耦：
由以上架構可知，使用者的響應時間相當於是註冊資訊寫入資料庫的時間，也就是50毫秒。註冊郵件，傳送簡訊寫入訊息佇列後，直接返回，因此寫入訊息佇列的速度很快，基本可以忽略，因此使用者的響應時間可能是50毫秒。因此架構改變後，系統的吞吐量提高到每秒20 QPS。比序列提高了3倍，比並行提高了兩倍。
4.3 流量削鋒
流量削鋒也是訊息佇列中的常用場景，一般在秒殺或團搶活動中使用廣泛。
場景說明：秒殺活動，一般會因為流量過大，導致流量暴增，應用或者資料庫掛掉。為解決這個問題，一般需要在應用前端加入訊息佇列。
架構如下：
加入訊息佇列的好處：
- 可以控制活動的人數
- 可以緩解短時間內高流量壓垮應用
使用者的請求，伺服器接收後，首先寫入訊息佇列。假如訊息佇列長度超過最大數量，則直接拋棄使用者請求或跳轉到錯誤頁面。
秒殺業務根據訊息佇列中的請求資訊，再做後續處理。
4.4 海量日誌資料同步
場景說明：在微服務體系下，專案往往是叢集部署，那麼就需要一個統一日誌平臺來查詢各個例項的日誌，但叢集中的日誌資訊往往都是海量資料，單一的日誌採集工具不能滿足業務的需要，因此需要將訊息佇列用在日誌處理中，比如Kafka的應用，解決大量日誌傳輸的問題。
架構簡化如下：
架構說明：
- 日誌採集客戶端，負責日誌資料採集，定時寫受寫入Kafka佇列
- Kafka訊息佇列，負責日誌資料的接收，儲存和轉發
- 日誌處理應用：訂閱並消費kafka佇列中的日誌資料
4.5 分散式事物
分散式事務又分為強一致，弱一致，和最終一致性
-
強一致：
當更新操作完成之後，任何多個後續程序或者執行緒的訪問都會返回最新的更新過的值。這種是對使用者最友好的，就是使用者上一次寫什麼，下一次就保證能讀到什麼。根據 CAP 理論，這種實現需要犧牲可用性。
-
弱一致：
系統並不保證續程序或者執行緒的訪問都會返回最新的更新過的值。系統在資料寫入成功之後，不承諾立即可以讀到最新寫入的值，也不會具體的承諾多久之後可以讀到。
-
最終一致：
弱一致性的特定形式。系統保證在沒有後續更新的前提下，系統最終返回上一次更新操作的值。在沒有故障發生的前提下，不一致視窗的時間主要受通訊延遲，系統負載和複製副本的個數影響。DNS 是一個典型的最終一致性系統。
在分散式系統中，同時滿足“CAP定律”中的一致性、可用性和分割槽容錯性三者是幾乎不可能的。在網際網路領域的絕大多數的場景，都需要犧牲強一致性來換取系統的高可用性，系統往往只需要保證“最終一致性”，只要這個最終時間是在使用者可以接受的範圍內即可，這時候我們只需要用短暫的資料不一致就可以達到我們想要效果。
場景說明：比如有訂單，庫存兩個資料，一個下單過程簡化為，加一個訂單，減一個庫存。 而訂單和庫存是獨立的服務，那怎麼保證資料一致性。
遠端呼叫最鬱悶的地方就是，結果有3種，成功、失敗和超時。 超時的話，成功失敗都有可能。一般的解決方案，大多數的做法是藉助mq來做最終一致。
實現最終一致：
通過上面的架構可能會想到這些問題：
本地先執行事務，執行成功了就發個訊息過去，消費端拿到訊息執行自己的事務。
比如a，b兩個服務，服務a非同步呼叫服務b，如果服務b失敗了，或者成功，或者超時，那麼怎麼用mq讓他們最終一致呢？
參照於本地事務的概念可將該場景分為三種情況解決：
- 第一種情況：假設a，b都正常執行，那整個業務正常結束；
- 第二種情況：假設b超時,那麼需要MQ給b重發訊息（b服務要做冪等），如果出現重發失敗的話，需要看情況，是中斷服務，還是繼續重發，甚至人為干預；
- 第三種情況：假設a,b之中的一個失敗了，失敗的服務利用MQ給其他的服務傳送訊息，其他的服務接收訊息，查詢本地事務記錄日誌，如果本地也失敗，刪除收到的訊息(表示訊息消費成功)，如果本地成功的話，則需要呼叫補償介面進行補償(需要每個服務都提供業務補償介面)。
需要特別注意：
MQ這裡有個坑，通常只適用於只允許第一個操作失敗的場景，也就是第一個成功之後必須保證後面的操作在業務上沒障礙，不然後面失敗了前面不好回滾，只允許系統異常的失敗，不允許業務上的失敗，通常業務上失敗一次後面基本上也不太可能成功了，要是因為網路或宕機引起的失敗可以通過重試解決，如果業務異常，那就只能發訊息給服務a讓他們做補償了吧？通常是通過第三方進行補償，各個服務需要提供補償介面，設計正規化裡通常不允許消費下游業務失敗。
5、總結
MQ在分散式系統開發的場景下使用的越來越多，處理的業務能力也越來越強，所以掌握MQ的使用場景是很要必要的。通過掌握MQ，即可解決大多數業務場景，也可在面試中加分，提高自己的核心競爭力。
最後，外出打工不易，希望各位兄弟找到自己心儀的工作，虎年發發發！
也希望兄弟們能關注、點贊、收藏、評論支援一波，非常感謝大家！