消息总线MQ

1 什么时候用MQ？

1.1 MQ的基本概念

  消息总线（Message Queue，MQ），是一种跨进程的通信机制，用于在上下游之间传递消息。MQ是一种常见的上下游“逻辑解耦+物理解耦”的消息通信服务，消息发送上游只需要依赖MQ，逻辑上和物理上都不用依赖其他服务。

1.2 MQ的使用场景

场景一：数据驱动的任务依赖

  有些任务之间有一定的依赖关系，比如：task3需要使用task2的输出作为输入，task2需要使用task1的输出作为输入。这样的话，tast1, task2, task3之间就有任务依赖关系，必须task1先执行，再task2执行，再task3执行。对于这类需求，常见的实现方式是，使用cron人工排执行时间表：

1. task1，0:00执行，经验执行时间为50分钟;
2. task2，1:00执行（为task1预留10分钟buffer），经验执行时间也是50分钟;
3. task3，2:00执行（为task2预留10分钟buffer）
   

这种方法的坏处是：

1. 如果有一个任务执行时间超过了预留buffer的时间，将会得到错误的结果;
2. 总任务的执行时间很长，总是要预留很多buffer，如果前置任务提前完成，后置任务不会提前开始;
3. 如果一个任务被多个任务依赖，这个任务将会称为关键路径，排班表很难体现依赖关系，容易出错;
4. 如果有一个任务的执行时间要调整，将会有多个任务的执行时间要调整。

优化方案是，采用MQ解耦：

1. task1准时开始，结束后发一个“task1 done”的消息;
2. task2订阅“task1 done”的消息，收到消息后第一时间启动执行，结束后发一个“task2 done”的消息;
3. task3同理
   

采用MQ的优点是：

1. 不需要预留buffer，上游任务执行完，下游任务总会在第一时间被执行;
2. 依赖多个任务，被多个任务依赖都很好处理，只需要订阅相关消息即可;
3. 有任务执行时间变化，下游任务都不需要调整执行时间

  需要特别说明的是，MQ只用来传递上游任务执行完成的消息，并不用于传递真正的输入输出数据。

场景二：上游不必关心执行结果

  上游需要关注执行结果时要用“调用”；上游不关注执行结果时，就可以使用MQ了。58同城的很多下游需要关注“用户发布帖子”这个事件，比如用户发布帖子后，修改用户统计数据。
  对于这类需求，常见的实现方式是使用调用关系：帖子发布服务执行完成之后，调用下游业务来完成消息的通知。但事实上，这个通知是否正常正确的执行，帖子发布服务根本不关注。

这种方法的坏处是：

1. 帖子发布流程的执行时间增加了;
2. 下游服务宕机，可能导致帖子发布服务受影响，上下游逻辑+物理依赖严重;
3. 每当增加一个需要知道“帖子发布成功”信息的下游，修改代码的是帖子发布服务，属于架构设计中典型的依赖倒转。
   

优化方案是，采用MQ解耦：

1. 帖子发布成功后，向MQ发一个消息;
2. 哪个下游关注“帖子发布成功”的消息，主动去MQ订阅
   

采用MQ的优点是：

1. 上游执行时间短;
2. 上下游逻辑+物理解耦，除了与MQ有物理连接，模块之间都不相互依赖;
3. 新增一个下游消息关注方，上游不需要修改任何代码

场景三：上游关注执行结果，但执行时间很长

  有时候上游需要关注执行结果，但执行结果时间很长。微信支付，跨公网调用微信的接口，执行时间会比较长，但调用方又非常关注执行结果，此时一般怎么玩呢？

一般采用“回调网关+MQ”方案来解耦：

1. 调用方直接跨公网调用微信接口;
2. 微信返回调用成功，此时并不代表返回成功;
3. 微信执行完成后，回调统一网关;
4. 网关将返回结果通知MQ;
5. 请求方收到结果通知
   

  这里需要注意的是，不应该由回调网关来调用上游来通知结果，如果是这样的话，每次新增调用方，回调网关都需要修改代码，仍然会反向依赖，使用回调网关+MQ的方案，新增任何对微信支付的调用，都不需要修改代码啦。

1.3 什么时候不使用MQ

  虽然MQ是分层架构中的解耦利器，但调用与被调用的关系，是无法被MQ取代的。

MQ的不足是：

1. 系统更复杂，多了一个MQ组件;
2. 消息传递路径更长，延时会增加;
3. 消息可靠性和重复性互为矛盾，消息不丢不重难以同时保证;
4. 上游无法知道下游的执行结果，这一点是很致命的

例如：用户登录场景，登录页面调用passport服务，passport服务的执行结果直接影响登录结果，此处的”登录页面”与”passport服务”就必须使用调用关系，而不能使用MQ通信。

1.4 总结

1. MQ是一个互联网架构中常见的解耦利器。
2. 什么时候不使用MQ？上游实时关注执行结果。
3. 什么时候使用MQ？1）数据驱动的任务依赖; 2）上游不关心多下游执行结果; 3）异步返回执行时间长。

2 MQ是如何做到消息必达？

  MQ要想尽量消息必达，架构上有两个核心设计点：（1）消息落地（2）消息超时、重传、确认。

2.1 MQ核心架构

  MQ是一个系统间解耦的利器，它能够很好的解除发布者、订阅者之间的耦合，将上下游的消息投递解耦成两个部分。MQ的核心架构图，基本可以分为三大块：

1. 发送方 -> 左侧粉色部分，由两部分构成：业务调用方与MQ-client-sender，其中后者向前者提供了两个核心API：SendMsg(bytes[] msg)、SendCallback();
2. MQ核心集群 -> 中间蓝色部分，分为四个部分：MQ-server，zk，db，管理后台web;
3. 接收方 -> 右侧黄色部分，由两部分构成：业务接收方与MQ-client-receiver，其中后者向前者提供了两个核心API：RecvCallback(bytes[] msg)、SendAck()

2.2 MQ消息可靠投递核心流程

  MQ既然将消息投递拆成了上下半场，为了保证消息的可靠投递，上下半场都必须尽量保证消息必达。

MQ消息投递上半场，MQ-client-sender到MQ-server流程见上图：

1. MQ-client将消息发送给MQ-server（此时业务方调用的是API：SendMsg）;
2. MQ-server将消息落地，落地后即为发送成功;
3. MQ-server将应答发送给MQ-client（此时回调业务方是API：SendCallback）

  MQ消息投递下半场，MQ-server到MQ-client-receiver流程见上图：

1. MQ-server将消息发送给MQ-client（此时回调业务方是API：RecvCallback）；
2. MQ-client回复应答给MQ-server（此时业务方主动调用API：SendAck）；
3. MQ-server收到ack，将之前已经落地的消息删除，完成消息的可靠投递

2.3 如果消息丢了怎么办？

  MQ消息投递的上下半场，都可以出现消息丢失，为了降低消息丢失的概率，MQ需要进行超时和重传。

2.3.1 上半场的超时与重传

  MQ上半场的1或者2或者3如果丢失或者超时，MQ-client-sender内的timer会重发消息，直到期望收到3，如果重传N次后还未收到，则SendCallback回调发送失败，需要注意的是，这个过程中MQ-server可能会收到同一条消息的多次重发。

2.3.2 下半场的超时与重传

  MQ下半场的4或者5或者6如果丢失或者超时，MQ-server内的timer会重发消息，直到收到5并且成功执行6，这个过程可能会重发很多次消息，一般采用指数退避的策略，先隔x秒重发，2x秒重发，4x秒重发，以此类推，需要注意的是，这个过程中MQ-client-receiver也可能会收到同一条消息的多次重发。

3.MQ如何做到消息幂等

3.1 消息必达的前提

MQ消息必达，架构上有两个核心设计点：消息落地，消息超时、重传、确认

  它由发送端、服务端、固化存储、接收端四大部分组成。为保证消息的可达性，超时、重传、确认机制可能导致消息总线、或者业务方收到重复的消息，从而对业务产生影响。所以，MQ幂等性设计至关重要。

3.2 上半场的幂等性设计

MQ消息发送上半场，即上图中的步骤1-3

1，发送端MQ-client将消息发给服务端MQ-server;
2，服务端MQ-server将消息落地;
3，服务端MQ-server回ACK给发送端MQ-client

  如果3丢失，发送端MQ-client超时后会重发消息，可能导致服务端MQ-server收到重复消息。此时重发是MQ-client发起的，消息的处理是MQ-server。
  为了避免步骤2落地重复的消息，对每条消息，MQ系统内部必须生成一个inner-msg-id，作为去重和幂等的依据，这个内部消息ID的特性是：

1）全局唯一;
2）MQ生成，具备业务无关性，对消息发送方和消息接收方屏蔽

  有了这个inner-msg-id，就能保证上半场重发，也只有1条消息落到MQ-server的DB中，实现上半场幂等。

3.3 下半场的幂等性设计

MQ消息发送下半场，即上图中的步骤4-6

4，服务端MQ-server将消息发给接收端MQ-client;
5，接收端MQ-client回ACK给服务端;
6，服务端MQ-server将落地消息删除

  需要强调的是，接收端MQ-client回ACK给服务端MQ-server，是消息消费业务方的主动调用行为，不能由MQ-client自动发起，因为MQ系统不知道消费方什么时候真正消费成功。
  如果5丢失，服务端MQ-server超时后会重发消息，可能导致MQ-client收到重复的消息。此时重发是MQ-server发起的，消息的处理是消息消费业务方，消息重发势必导致业务方重复消费。为了保证业务幂等性，业务消息体中，必须有一个biz-id，作为去重和幂等的依据，这个业务ID的特性是：

（1）对于同一个业务场景，全局唯一
（2）由业务消息发送方生成，业务相关，对MQ透明
（3）由业务消息消费方负责判重，以保证幂等

  有了这个业务ID，才能够保证下半场消息消费业务方即使收到重复消息，也只有1条消息被消费，保证了幂等。

3.4 总结

  MQ为了保证消息必达，消息上下半场均可能发送重复消息，如何保证消息的幂等性呢？

上半场

MQ-client生成inner-msg-id，保证上半场幂等。
这个ID全局唯一，业务无关，由MQ保证。

下半场

业务发送方带入biz-id，业务接收方去重保证幂等。
这个ID对单业务唯一，业务相关，对MQ透明。

结论：幂等性，不仅对MQ有要求，对业务上下游也有要求。

4. MQ如何实现消息延迟

4.1 缘起

  很多时候，业务有“在一段时间之后，完成一个工作任务”的需求。例如：滴滴打车订单完成后，如果用户一直不评价，48小时后会将自动评价为5星。一般来说怎么实现这类“48小时后自动评价为5星”需求呢？常见方案：启动一个cron定时任务，每小时跑一次，将完成时间超过48小时的订单取出，置为5星，并把评价状态置为已评价。
  假设订单表的结构为：t_order(oid, finish_time, stars, status, …)，更具体的，定时任务每隔一个小时会这么做一次：
select oid from t_order where finish_time > 48hours and status=0;
update t_order set stars=5 and status=1 where oid in[…];
  如果数据量很大，需要分页查询，分页update，这将会是一个for循环。方案的不足：

（1）轮询效率比较低
（2）每次扫库，已经被执行过记录，仍然会被扫描（只是不会出现在结果集中），有重复计算的嫌疑
（3）时效性不够好，如果每小时轮询一次，最差的情况下，时间误差会达到1小时
（4）如果通过增加cron轮询频率来减少（3）中的时间误差，（1）中轮询低效和（2）中重复计算的问题会进一步凸显

4.2 高效延时消息设计与实现

  高效延时消息，包含两个重要的数据结构：

（1）环形队列，例如可以创建一个包含3600个slot的环形队列（本质是个数组）
（2）任务集合，环上每一个slot是一个Set

  同时，启动一个timer，这个timer每隔1s，在上述环形队列中移动一格，有一个Current Index指针来标识正在检测的slot。

Task结构中有两个很重要的属性：

（1）Cycle-Num：当Current Index第几圈扫描到这个Slot时，执行任务
（2）Task-Function：需要执行的任务指针

  假设当前Current Index指向第一格，当有延时消息到达之后，例如希望3610秒之后，触发一个延时消息任务，只需：

（1）计算这个Task应该放在哪一个slot，现在指向1，3610秒之后，应该是第11格，所以这个Task应该放在第11个slot的Set中
（2）计算这个Task的Cycle-Num，由于环形队列是3600格（每秒移动一格，正好1小时），这个任务是3610秒后执行，所以应该绕3610/3600=1圈之后再执行，于是Cycle-Num=1

  Current Index不停的移动，每秒移动到一个新slot，这个slot中对应的Set，每个Task看Cycle-Num是不是0：

（1）如果不是0，说明还需要多移动几圈，将Cycle-Num减1
（2）如果是0，说明马上要执行这个Task了，取出Task-Funciton执行（可以用单独的线程来执行Task），并把这个Task从Set中删除

  使用了“延时消息”方案之后，“订单48小时后关闭评价”的需求，只需将在订单关闭时，触发一个48小时之后的延时消息即可：

（1）无需再轮询全部订单，效率高
（2）一个订单，任务只执行一次
（3）时效性好，精确到秒（控制timer移动频率可以控制精度）

4.3 总结

  环形队列是一个实现“延时消息”的好方法，开源的MQ好像都不支持延迟消息，不妨自己实现一个简易的“延时消息队列”，能解决很多业务问题，并减少很多低效扫库的cron任务。

5.MQ如何实现削峰填谷

5.1 站点与服务、服务与服务上下游之间，一般如何通讯？

  一种是“直接调用”，通过RPC框架，上游直接调用下游；另一种是采用“MQ推送”，上游将消息发给MQ，MQ将消息推送给下游。

5.2 为什么会有流量冲击？

  不管采用“直接调用”还是“MQ推送”，都有一个缺点，下游消息接收方无法控制到达自己的流量，如果调用方不限速，很有可能把下游压垮。假如，上游下单业务简单，每秒发起了10000个请求，下游秒杀业务复杂，每秒只能处理2000个请求，很有可能导致下游系统被压垮，引发雪崩。

  为了避免雪崩，常见的优化方案有两种：1）业务上游队列缓冲，限速发送；2）业务下游队列缓冲，限速执行。

5.3 MQ怎么改能缓冲流量？

  由MQ-server推模式，升级为MQ-client拉模式。MQ-client根据自己的处理能力，每隔一定时间，或者每次拉取若干条消息，实施流控，达到保护自身的效果。并且这是MQ提供的通用功能，无需上下游修改代码。

5.4 如果上游发送流量过大，会不会导致消息在MQ中堆积？

  下游MQ-client拉取消息，消息接收方能够批量获取消息，需要下游消息接收方进行优化，方能够提升整体吞吐量，例如：批量写。

5.4 结论

1）MQ-client提供拉模式，定时或者批量拉取，可以起到削平流量，下游自我保护的作用（MQ需要做的）
2）要想提升整体吞吐量，需要下游优化，例如批量处理等方式（消息接收方需要做的）