RocketMQ学习教程：03.消息投递模式【云图智联】

消息中间件( Message Oriented Middleware，简称MOM)在企业开发中变得越来越重要。本文介绍消息中间件中的四种消息投递模型，主要是介绍模型的核心特性，以及不同模型之前的区别。这四种模型分别是：

• PTP模型

• Pub/Sub模型

• Partition模型

• Transfer模型(笔者自己起的名字)

        其中PTP模型和Pub/Sub模型在JMS(Java Message Service)规范中有定义，消息中间件ActiveMQ就实现了JMS规范。JMS规范旨在于为消息中间件厂商提供了一个规范，使得Java应用可以更加容易的访问不同的消息中间件产品，类似于我们可以通过JDBC规范定义的相关接口不同厂商的数据库(Mysql/Oracle/SqlServer等)产品。然而一些消息中间件，并没有实现JMS规范，而是自己设计出了一套模型，例如Kafka和RocketMQ就采用了Partition模型。此外业界还有一些其他的消息投递模型，例如Transfer模型，这是笔者自己起的名字。

PTP模型

        Point-to-Point，点对点通信模型。PTP是基于队列(Queue)的，一个队列可以有多个生产者，和多个消费者。消息服务器按照收到消息的先后顺序，将消息放到队列中。队列中的每一条消息，只能由一个消费者进行消费，消费之后就会从队列中移除。

        需要注意的是，尽管这里使用Queue的概念，但并不是先进入队列消息，一定会被先消费。在存在多个下游Consumer情况下，一些消息中间件，例如ActiveMQ，为了提升消费能力，会将队列中的消息分发到不同Consumer并行进行处理。这意味着消息发送的时候可能是有序的，但是在消费的时候，就变成无序了。

        为了保证消费的有序，一些MQ提供了"专有消费者”或者"排他消费者”的概念，在这种情况下，队列中的消息仅允许一个消费者进行消费，如果存在多个消费者，那么从中选择一个。但是，这意味着在消息在处理中没有了并行性。如果消息量很多的情况下，将会产生消息积压。

        为了解决"专有消费者”的性能问题，一些消息中间件采用分区的概念来解决性能问题，我们将在后文进行介绍。

Pub/Sub模型

        publish-and- subscribe， 即发布订阅模型。在Pub/Sub模型中，生产者将消息发布到一个主题(Topic)中，订阅了该Topic的所有下游消费者，都可以接收到这条消息。如下图：

        通常情况下，一个条消息只要被消费一次就行了，那么什么情况下需要所有的消费者都对这条消息进行消费呢？最典型的情况就是需要在内存中对数据进行缓存，并需要实时进行更新。

        例如，笔者做过一个违禁词系统，对用户输入的评论内容进行违禁词汇检测。这个违禁词系统，部署了在N台服务器上，为了提升检测性能，每台机器都会讲违禁词系统的词库全量加载内存中，之后检测时，对于用户的评论内容进行分词，判断分词后的内容有没有出现在违禁词词汇中。因为词库中不可能包含所有的敏感词，所以还要支持动态的添加敏感词。这个时候，Pub/Sub模型就发挥作用了，每个机器上都启动一个consumer，当生产者发送一个敏感词到Topic中，所有的消费者都会接受到这些消息，更新敏感词库。

Partition模型

        为了解决在PTP模型下，有序消息需要通过"专有消费者”消费带来的性能问题，一些消息中间件，如rocketmq，kafka采用了Partition模型，即分区模型，如下所示：

        生产者发送消息到某个Topic中时，最终选择其中一个Partition进行发送。你可以将Parition模型中的分区，理解为PTP模型的队列，不同的是，PTP模型中的队列存储的是所有的消息，而每个Partition只会存储部分数据。

        对于消息者，此时多了一个消费者组的概念，Paritition会在同一个消费者组下的消费者中进行分配，每个消费者只会消费分配给自己的Paritition。例如上图中，consumer 1分配到了parititon1，consumer 2分配到了parititon2和parititon3，consumer N分配到了paritition 4。

        通过这种方式，Paritition模式巧妙的将PTP模型和Pub/Sub模型结合在了一起。

        对于PTP模型，一条消息只会由一个消费者进行消费，而Partition模型中每个分区最终也只会有一个消费者进行消费。对于通过"专有消费者"来保证全局消费有序的场景，在Partition模型中，只需保证创建的Topic只有一个Partition即可，这个Paritition最终也只会分配其中一个消费者。

        另外，在绝大部分场景下，我们没有必要保证全局有序，例如一个订单产生了3条消息，分别是订单创建，订单付款，订单完成。消费时，要按照这个顺序消费才能有意义。但是订单之间是可以并行消费的，例如将订单1产生的3条消息发送到Partiton 1，将订单2产生的3条消息发送到Partition 2，如此便达到了不同订单之间的并行消费。

        对于Pub/Sub模型，一条消息所有的下游消费者都可以进行消费。在Paritition模型中，只需要为每个消费者设置成不同的消费者组即可。

        然而，过多的消费者组，会给消息中间件运维带来麻烦。所以一些消息中间件，结合了Partition模型和Pub/Sub模型。例例如RocketMQ，支持为消费者组设置消费模式，如果是集群模式，就按照上述描述进行消费，如果是广播模式，就按照Pub/Sub模型进行消费。

        当然，Partition模型也不全是优点，其最大的限制在于Partition数量是固定的(虽然可以调整)，针对同一个消费者组，一个Partition最多只可以分配给其中一个消费者。当消费者的数量大于Partition数量时，这些多出来的消费者将无法消费到消息。一些消息中间件对此进行了优化，即在对单个消费者内，同时启动多个线程，来消费这个Partition中的数据，当然前提是要求消息不是有序的，对于有序的消息，只能使用一个线程按顺序消费这个Partition中的数据。

Transfer模型

        Paritition模型中的消费者组概念很有用，同一个Topic下的消息可以由多个不同业务方进行消费，只要使用不同的消费者组即可，不同消费者组消费到的位置单独记录，互不影响。 但是，Paritition模型还是限制了消费者数量不能多于分区数。

        因此，又有了另外一种消费模型，笔者称之为Transfer模型，如下图所示：

        生产者还是将消息发送到Topic中，针对一个Topic，可以创建多个通道，笔者称之为channel。与分区不同的是，发送到Topic中的每条消息，都会转发到每个channel，因此每个channel都有这个Topic的全量数据。当然，没有必要把真的把消息体完整的拷贝一份到channel中，可以只记录一下消息元数据，表示有一条放到这个channel中了。

        消费者在消费消息时，必须指定从哪个channel消费。多个消费者消费同一个channel时，每条消息只会有一个消费者消费达到，这一点与PTP模型类似。事实上，我们可以认为，消费了同一个channel的消费者，就自动组成了一个消费者组。但是，与Partition模型不同的是，这里没有分区的概念，因此消费者的数量可以是任意的。事实上，GO语言编写的NSQ消息中间件，采用的就是这种模型。

        当然，这种模型与PTP一样，也不能保证被消息有序，除非通过类似于”专用消费者”的概念。

免费学习视频欢迎关注云图智联：https://e.yuntuzhilian.com/