一、訊息佇列概述

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，流量削鋒等問題，實現高效能，高可用，可伸縮和最終一致性架構。目前使用較多的訊息佇列有ActiveMQ，RabbitMQ，ZeroMQ，Kafka，MetaMQ，RocketMQ

二、訊息佇列應用場景

以下介紹訊息佇列在實際應用中常用的使用場景。非同步處理，應用解耦，流量削鋒和訊息通訊四個場景。

2.1非同步處理

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 1.序列的方式；2.並行方式

a、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。

b、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

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）

小結：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。如何解決這個問題呢？

引入訊息佇列，將不是必須的業務邏輯，非同步處理。改造後的架構如下：

按照以上約定，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。

2.2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。如下圖：

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

如何解決以上問題呢？引入應用訊息佇列後的方案，如下圖：

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，採用拉/推的方式，獲取下單資訊，庫存系統根據下單資訊，進行庫存操作

假如：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。實現訂單系統與庫存系統的應用解耦

2.3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。

應用場景：秒殺活動，一般會因為流量過大，導致流量暴增，應用掛掉。為解決這個問題，一般需要在應用前端加入訊息佇列。

a、可以控制活動的人數

b、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

2.4日誌處理

日誌處理是指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

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

2.5訊息通訊

訊息通訊是指，訊息佇列一般都內建了高效的通訊機制，因此也可以用在純的訊息通訊。比如實現點對點訊息佇列，或者聊天室等

點對點通訊：

客戶端A和客戶端B使用同一佇列，進行訊息通訊。

聊天室通訊：

客戶端A，客戶端B，客戶端N訂閱同一主題，進行訊息釋出和接收。實現類似聊天室效果。

以上實際是訊息佇列的兩種訊息模式，點對點或釋出訂閱模式。模型為示意圖，供參考。

三、訊息中介軟體示例

3.1電商系統

訊息佇列採用高可用，可持久化的訊息中介軟體。比如Active MQ，Rabbit MQ，Rocket Mq。

（1）應用將主幹邏輯處理完成後，寫入訊息佇列。訊息傳送是否成功可以開啟訊息的確認模式。（訊息佇列返回訊息接收成功狀態後，應用再返回，這樣保障訊息的完整性）

（2）擴充套件流程（發簡訊，配送處理）訂閱佇列訊息。採用推或拉的方式獲取訊息並處理。

（3）訊息將應用解耦的同時，帶來了資料一致性問題，可以採用最終一致性方式解決。比如主資料寫入資料庫，擴充套件應用根據訊息佇列，並結合資料庫方式實現基於訊息佇列的後續處理。

3.2日誌收集系統

分為Zookeeper註冊中心，日誌收集客戶端，Kafka叢集和Storm叢集（OtherApp）四部分組成。

Zookeeper註冊中心，提出負載均衡和地址查×××

日誌收集客戶端，用於採集應用系統的日誌，並將資料推送到kafka佇列

Kafka叢集：接收，路由，儲存，轉發等訊息處理

Storm叢集：與OtherApp處於同一級別，採用拉的方式消費佇列中的資料

MQ選型對比文件

​

綜合選擇RabbitMq

Kafka是linkedin開源的MQ系統，主要特點是基於Pull的模式來處理訊息消費，追求高吞吐量，一開始的目的就是用於日誌收集和傳輸，0.8開始支援複製，不支援事務，適合產生大量資料的網際網路服務的資料收集業務。

RabbitMQ是使用Erlang語言開發的開源訊息佇列系統，基於AMQP協議來實現。AMQP的主要特徵是面向訊息、佇列、路由（包括點對點和釋出/訂閱）、可靠性、安全。AMQP協議更多用在企業系統內，對資料一致性、穩定性和可靠性要求很高的場景，對效能和吞吐量的要求還在其次。

RocketMQ是阿里開源的訊息中介軟體，它是純Java開發，具有高吞吐量、高可用性、適合大規模分散式系統應用的特點。RocketMQ思路起源於Kafka，但並不是Kafka的一個Copy，它對訊息的可靠傳輸及事務性做了優化，目前在阿里集團被廣泛應用於交易、充值、流計算、訊息推送、日誌流式處理、binglog分發等場景。

ZeroMQ只是一個網路程式設計的Pattern庫，將常見的網路請求形式（分組管理，連結管理，釋出訂閱等）模式化、元件化，簡而言之socket之上、MQ之下。對於MQ來說，網路傳輸只是它的一部分，更多需要處理的是訊息儲存、路由、Broker服務發現和查詢、事務、消費模式（ack、重投等）、叢集服務等。

RabbitMQ/Kafka/ZeroMQ 都能提供訊息佇列服務，但有很大的區別。

在面向服務架構中通過訊息代理（比如 RabbitMQ / Kafka等），使用生產者-消費者模式在服務間進行非同步通訊是一種比較好的思想。

因為服務間依賴由強耦合變成了鬆耦合。訊息代理都會提供持久化機制，在消費者負載高或者掉線的情況下會把訊息儲存起來，不會丟失。就是說生產者和消費者不需要同時線上，這是傳統的請求-應答模式比較難做到的，需要一箇中間件來專門做這件事。其次訊息代理可以根據訊息本身做簡單的路由策略，消費者可以根據這個來做負載均衡，業務分離等。

缺點也有，就是需要額外搭建訊息代理叢集（但優點是大於缺點的 ） 。

ZeroMQ 和 RabbitMQ/Kafka 不同，它只是一個非同步訊息庫，在套接字的基礎上提供了類似於訊息代理的機制。使用 ZeroMQ 的話，需要對自己的業務程式碼進行改造，不利於服務解耦。

RabbitMQ 支援 AMQP（二進位制），STOMP（文字），MQTT（二進位制），HTTP（裡面包裝其他協議）等協議。Kafka 使用自己的協議。

Kafka 自身服務和消費者都需要依賴 Zookeeper。

RabbitMQ 在有大量訊息堆積的情況下效能會下降，Kafka不會。畢竟AMQP設計的初衷不是用來持久化海量訊息的，而Kafka一開始是用來處理海量日誌的。

總的來說，RabbitMQ 和 Kafka 都是十分優秀的分散式的訊息代理服務，只要合理部署，不作，基本上可以滿足生產條件下的任何需求。