RocketMQ系列（一）---RocketMQ介绍及入门使用
目录
消息队列：
应用解耦：
流量控制：
消息分发：
RocketMQ：
RocketMQ主要实现了哪些设计目标：
最近自己在看RocketMQ系列深入分析，准备把所看所想记录下来，省的到时候看完又忘了，连个温故而知新的地方都没有，好了，废话少说，开搞。
主要参考两本书，顺便给他们做个广告，哈哈。
《RocketMQ实战与原理解析》，相对来说通俗易懂，对入门确实还是有很大帮助，深入性不强。
《RocketMQ技术内幕》，更偏向于原理及源码解析，有一定的层次深入，相对会吃力一些，可能是我比较菜的缘故。
--------------------------------------------------------------------------------------------------------------------------------------------------------------------
消息队列：
在数据结构里类似我们学习的队列，先进先出的原则。我最早认知到消息队列还是参与EDI相关工作的时候，用到ActiveMQ，IBMMQ，以及kafka，才认识了消息队列。消息队列的产生也是在大型互联网服务架构里应对应用解耦，流量控制，消息分发等背景下产生的，这种中间件技术也逐渐成为标配，尤其是随着微服务，微架构兴起，所以同时也要求消息队列要高可用，高质量，高效率。
总之，消息队列----->高可用，解耦应用，流量控制，分发数据。
应用解耦：
以我们常见的电商平台为例，以前从下单到支付，到物流，到结算，都在同一个系统，而且串行运行，一旦某个节点环节出现问题，直接导致整个系统不可用。加入消息队列后，下单系统-----支付系统----物流系统----结算系统，之间的交互通过消息队列完成，某个服务出现问题，仅仅当前服务不可用，其他依然正常操作，提升系统可用性和体验度。
流量控制：
比如常见的秒杀活动，如果瞬间把应用所有请求放入，会导致系统瞬间访问暴增，难以及时处理，甚至卡死瘫痪，加入消息队列做缓冲后，请求进入队列等待，系统正常处理队列的消息，超过的请求队列也不再接收，从而保证了系统稳定性。
消息分发：
数据时代，数据就是财富，数据挖掘，数据分析，数据学习，更是离不开数据，所以在很多业务场景下，往往需要把处理的数据分发给很多需要的下游，或者消费者，这时通过消息队列的持久化，有需要的消费者根据各自的需求订阅相关的消息，再去处理，各自直接互不影响，从而完成消息的向下分发。
RocketMQ：
来源于阿里的开源消息中间件，现已成为Apache的顶级开源项目，基于java语言开发。
RocketMQ主要实现了哪些设计目标：
1、架构模式：
消息生产者，消息存储，消息消费者，路由发现。
2、消息顺序：
保证了消息的先进先出，有序消费。
3、消息过滤：
生产者（服务端）和消费者（客户端）可以按需对消息过滤。
4、消息存储：
消息堆积能力和消息存储能力。通过引入内存映射机制，而且按照顺序存储在同一个文件，还有文件的过期机制和空间报警机制，提升消息的存储高性能。
5、消息高可用：
根据不同情况，提供不同的刷盘机制，集群模式，数据同步机制等保障高可用。
6、消息消费高效性：
尽量保证消息在不堆积情况下，实时推送（长轮询模式）。
7、确保消息至少消费一次：
ACK机制保证消息至少消费一次，可能重复消费，但至少保证不丢失消息消费。
8、回溯消息：
比如重新消费，重发，可以在控制台移动消息指针或者对某个消息重发，重新消费。
9、消息堆积：
流量控制。消费者性能弱于生产者时，生产的速度会导致待消费的消息不断增加，MQ具备一定的堆积能力。默认保留3天，可配置。
10、定时消息：
消费端定时消费生产的消息。
11、消息重试机制：
消费时如果发生异常，会对消息进行重新投递，也就是MQ的重试机制，最终重试失败的会默认放到死性队列DLQ中去。
一下来自官网介绍，比较三个消息队列：
The table below is a handy quick reference for spotting the differences among RocketMQ and its most popular alternatives at a glance.
| Messaging Product | Client SDK | Protocol and Specification | Ordered Message | Scheduled Message | Batched Message | BroadCast Message | Message Filter | Server Triggered Redelivery | Message Storage | Message Retroactive | Message Priority | High Availability and Failover | Message Track | Configuration | Management and Operation Tools |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ActiveMQ | Java, .NET, C++ etc. | Push model, support OpenWire, STOMP, AMQP, MQTT, JMS | Exclusive Consumer or Exclusive Queues can ensure ordering | Supported | Not Supported | Supported | Supported | Not Supported | Supports very fast persistence using JDBC along with a high performance journal，such as levelDB, kahaDB | Supported | Supported | Supported, depending on storage,if using kahadb it requires a ZooKeeper server | Not Supported | The default configuration is low level, user need to optimize the configuration parameters | Supported |
| Kafka | Java, Scala etc. | Pull model, support TCP | Ensure ordering of messages within a partition | Not Supported | Supported, with async producer | Not Supported | Supported, you can use Kafka Streams to filter messages | Not Supported | High performance file storage | Supported offset indicate | Not Supported | Supported, requires a ZooKeeper server | Not Supported | Kafka uses key-value pairs format for configuration. These values can be supplied either from a file or programmatically. | Supported, use terminal command to expose core metrics |
| RocketMQ | Java, C++, Go | Pull model, support TCP, JMS, OpenMessaging | Ensure strict ordering of messages,and can scale out gracefully | Supported | Supported, with sync mode to avoid message loss | Supported | Supported, property filter expressions based on SQL92 | Supported | High performance and low latency file storage | Supported timestamp and offset two indicates | Not Supported | Supported, Master-Slave model, without another kit | Supported | Work out of box,user only need to pay attention to a few configurations | Supported, rich web and terminal command to expose core metrics |
Updated: December 17, 2016
这一篇主要是认知了消息队列和RocketMQ，其他的消息队列比如ActiveMQ，RabbitMQ，IBMMQ，kafka等等。
下一篇介绍下RocketMQ相关的代码，简单环境搭建运行，生产环境配置等。