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。訊息中介軟體到底該如何使用，何時使用這是一個問題，胡亂地使用訊息中介軟體增加了系統的複雜度，如果用不好訊息中介軟體還不如不用。

訊息佇列通訊模式

點對點通訊

點對點方式是最為傳統和常見的通訊方式，它支援一對一、一對多、多對多、多對一等多種配置方式，支援樹狀、網狀等多種拓撲結構。

多點廣播

MQ適用於不同型別的應用。其中重要的，也是正在發展中的是"多點廣播"應用，即能夠將訊息傳送到多個目標站點(DestinationList)。可以使用一條MQ指令將單一訊息傳送到多個目標站點，並確保為每一站點可靠地提供資訊。MQ不僅提供了多點廣播的功能，而且還擁有智慧訊息分發功能，在將一條訊息傳送到同一系統上的多個使用者時，MQ將訊息的一個複製版本和該系統上接收者的名單傳送到目標MQ系統。目標MQ系統在本地複製這些訊息，並將它們傳送到名單上的佇列，從而儘可能減少網路的傳輸量。

釋出/訂閱(Publish/Subscribe)模式

釋出/訂閱功能使訊息的分發可以突破目的佇列地理指向的限制，使訊息按照特定的主題甚至內容進行分發，使用者或應用程式可以根據主題或內容接收到所需要的訊息。釋出/訂閱功能使得傳送者和接收者之間的耦合關係變得更為鬆散，傳送者不必關心接收者的目的地址，而接收者也不必關心訊息的傳送地址，而只是根據訊息的主題進行訊息的收發。在MQ家族產品中，MQEventBroker是專門用於使用釋出/訂閱技術進行資料通訊的產品，它支援基於佇列和直接基於TCP/IP兩種方式的釋出和訂閱。

群集(Cluster)

為了簡化點對點通訊模式中的系統配置，MQ提供Cluster(群集)的解決方案。群集類似於一個域(Domain)，群集內部的佇列管理器之間通訊時，不需要兩兩之間建立訊息通道，而是採用群集(Cluster)通道與其它成員通訊，從而大大簡化了系統配置。此外，群集中的佇列管理器之間能夠自動進行負載均衡，當某一佇列管理器出現故障時，其它佇列管理器可以接管它的工作，從而大大提高系統的高可靠性。

使用訊息佇列的理由

過去幾年中，我們一直在使用、構建和宣傳訊息佇列，我們認為它們是很令人敬畏的，這也不是什麼祕密。我們相信對任何架構或應用來說，訊息佇列都是一個至關重要的元件，下面是十個理由:

1. 1解耦

在專案啟動之初來預測將來專案會碰到什麼需求，是極其困難的。訊息佇列在處理過程中間插入了一個隱含的、基於資料的介面層，兩邊的處理過程都要實現這一介面。這允許你獨立的擴充套件或修改兩邊的處理過程，只要確保它們遵守同樣的介面約束。

1.2 冗餘

有時在處理資料的時候處理過程會失敗。除非資料被持久化，否則將永遠丟失。訊息佇列把資料進行持久化直到它們已經被完全處理，通過這一方式規避了資料丟失風險。在被許多訊息佇列所採用的"插入-獲取-刪除"正規化中，在把一個訊息從佇列中刪除之前，需要你的處理過程明確的指出該訊息已經被處理完畢，確保你的資料被安全的儲存直到你使用完畢。

1.3 擴充套件性

因為訊息佇列解耦了你的處理過程，所以增大訊息入隊和處理的頻率是很容易的；只要另外增加處理過程即可。不需要改變程式碼、不需要調節引數。擴充套件就像調大電力按鈕一樣簡單。

1.4 靈活性 & 峰值處理能力

當你的應用上了Hacker News的首頁，你將發現訪問流量攀升到一個不同尋常的水平。在訪問量劇增的情況下，你的應用仍然需要繼續發揮作用，但是這樣的突發流量並不常見；如果為以能處理這類峰值訪問為標準來投入資源隨時待命無疑是巨大的浪費。使用訊息佇列能夠使關鍵元件頂住增長的訪問壓力，而不是因為超出負荷的請求而完全崩潰。請檢視我們關於峰值處理能力的部落格文章瞭解更多此方面的資訊。

1.5可恢復性

當體系的一部分元件失效，不會影響到整個系統。訊息佇列降低了程序間的耦合度，所以即使一個處理訊息的程序掛掉，加入佇列中的訊息仍然可以在系統恢復後被處理。而這種允許重試或者延後處理請求的能力通常是造就一個略感不便的使用者和一個沮喪透頂的使用者之間的區別。

1.6送達保證

訊息佇列提供的冗餘機制保證了訊息能被實際的處理，只要一個程序讀取了該佇列即可。在此基礎上，IronMQ提供了一個"只送達一次"保證。無論有多少程序在從佇列中領取資料，每一個訊息只能被處理一次。這之所以成為可能，是因為獲取一個訊息只是"預定"了這個訊息，暫時把它移出了佇列。除非客戶端明確的表示已經處理完了這個訊息，否則這個訊息會被放回佇列中去，在一段可配置的時間之後可再次被處理。

1.7排序保證

在許多情況下，資料處理的順序都很重要。訊息佇列本來就是排序的，並且能保證資料會按照特定的順序來處理。IronMO保證訊息漿糊通過FIFO（先進先出）的順序來處理，因此訊息在佇列中的位置就是從佇列中檢索他們的位置。

1.8緩衝

在任何重要的系統中，都會有需要不同的處理時間的元素。例如,載入一張圖片比應用過濾器花費更少的時間。訊息佇列通過一個緩衝層來幫助任務最高效率的執行–寫入佇列的處理會盡可能的快速，而不受從佇列讀的預備處理的約束。該緩衝有助於控制和優化資料流經過系統的速度。

1.9 理解資料流

在一個分散式系統裡，要得到一個關於使用者操作會用多長時間及其原因的總體印象，是個巨大的挑戰。訊息系列通過訊息被處理的頻率，來方便的輔助確定那些表現不佳的處理過程或領域，這些地方的資料流都不夠優化。

1.10 非同步通訊

很多時候，你不想也不需要立即處理訊息。訊息佇列提供了非同步處理機制，允許你把一個訊息放入佇列，但並不立即處理它。你想向佇列中放入多少訊息就放多少，然後在你樂意的時候再去處理它們。

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。

非同步處理

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。

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.

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

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：

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

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

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

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。

歡迎大家加入粉絲群：963944895，群內免費分享Spring框架、Mybatis框架SpringBoot框架、SpringMVC框架、SpringCloud微服務、Dubbo框架、Redis快取、RabbitMq訊息、JVM調優、Tomcat容器、MySQL資料庫教學視訊及架構學習思維導圖

訊息中介軟體使用案例

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。

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詢服務日誌收集客戶端*：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

以下是新浪kafka日誌處理應用案例：

1、Kafka ：接收使用者日誌的訊息佇列
2、Logstash ：做日誌解析，統一成JSON輸出給Elasticsearch
3、Elasticsearch ：實時日誌分析服務的核心技術，一個schemaless，實時的資料儲存服務，通過index組織資料，兼具強大的搜尋和統計功能
4、Kibana ：基於Elasticsearch的資料視覺化元件，超強的資料視覺化能力是眾多公司選擇ELK stack的重要原因