消息队列常见的使用场景

消息队列中间件是分布式系统中重要的组件，主要解决应用耦合，异步消息，流量削锋等问题

实现高性能，高可用，可伸缩和最终一致性架构。最全面的Java面试网站

使用较多的消息队列有 RocketMQ，RabbitMQ，Kafka，ZeroMQ，MetaMQ

以下介绍消息队列在实际应用中常用的使用场景。

异步处理，应用解耦，流量削锋、日志处理和消息通讯五个场景。

场景 1：异步处理

场景说明：用户注册后，需要发注册邮件和注册短信。传统的做法有两种 1.串行的方式；2.并行方式

本文已经收录到Github仓库，该仓库包含计算机基础、Java基础、多线程、JVM、数据库、Redis、Spring、Mybatis、SpringMVC、SpringBoot、分布式、微服务、设计模式、架构、校招社招分享等核心知识点，欢迎star~

Github地址

如果访问不了Github，可以访问gitee地址。

gitee地址

（1）串行方式：将注册信息写入数据库成功后，发送注册邮件，再发送注册短信。以上三个任务全部完成后，返回给客户端

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-i992Okcj-1681632859093)(http://img.topjavaer.cn/img/mq使用场景1.png)]

（2）并行方式：将注册信息写入数据库成功后，发送注册邮件的同时，发送注册短信。以上三个任务完成后，返回给客户端。与串行的差别是，并行的方式可以提高处理的时间

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gp6kvSRM-1681632859098)(http://img.topjavaer.cn/img/mq使用场景2.png)]

假设三个业务节点每个使用 50 毫秒钟，不考虑网络等其他开销，则串行方式的时间是 150 毫秒，并行的时间可能是 100 毫秒。

因为 CPU 在单位时间内处理的请求数是一定的，假设 CPU1 秒内吞吐量是 100 次。则串行方式 1 秒内 CPU 可处理的请求量是 7 次（1000/150）。并行方式处理的请求量是 10 次（1000/100）

小结：如以上案例描述，传统的方式系统的性能（并发量，吞吐量，响应时间）会有瓶颈。如何解决这个问题呢？

引入消息队列，将不是必须的业务逻辑，异步处理。改造后的架构如下：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9HtSUIMS-1681632859099)(http://img.topjavaer.cn/img/mq使用场景3.png)]

按照以上约定，用户的响应时间相当于是注册信息写入数据库的时间，也就是 50 毫秒。注册邮件，发送短信写入消息队列后，直接返回，因此写入消息队列的速度很快，基本可以忽略，因此用户的响应时间可能是 50 毫秒。因此架构改变后，系统的吞吐量提高到每秒 20 QPS。比串行提高了 3 倍，比并行提高了两倍

场景 2：应用解耦

场景说明：用户下单后，订单系统需要通知库存系统。传统的做法是，订单系统调用库存系统的接口。如下图

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-huhDH75D-1681632859101)(http://img.topjavaer.cn/img/mq使用场景4.png)]

传统模式的缺点：

• 假如库存系统无法访问，则订单减库存将失败，从而导致订单失败
• 订单系统与库存系统耦合

如何解决以上问题呢？引入应用消息队列后的方案，如下图：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RfeLiXlb-1681632859102)(http://img.topjavaer.cn/img/mq使用场景5.png)]

• 订单系统：用户下单后，订单系统完成持久化处理，将消息写入消息队列，返回用户订单下单成功
• 库存系统：订阅下单的消息，采用拉/推的方式，获取下单信息，库存系统根据下单信息，进行库存操作
• 假如：在下单时库存系统不能正常使用。也不影响正常下单，因为下单后，订单系统写入消息队列就不再关心其他的后续操作了。实现订单系统与库存系统的应用解耦

场景 3：流量削锋

流量削锋也是消息队列中的常用场景，一般在秒杀或团抢活动中使用广泛

应用场景：秒杀活动，一般会因为流量过大，导致流量暴增，应用挂掉。为解决这个问题，一般需要在应用前端加入消息队列。

• 可以控制活动的人数
• 可以缓解短时间内高流量压垮应用

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9RrFc6B3-1681632859102)(http://img.topjavaer.cn/img/mq使用场景6.png)]

• 用户的请求，服务器接收后，首先写入消息队列。假如消息队列长度超过最大数量，则直接抛弃用户请求或跳转到错误页面
• 秒杀业务根据消息队列中的请求信息，再做后续处理

场景 4：日志处理

日志处理是指将消息队列用在日志处理中，比如 Kafka 的应用，解决大量日志传输的问题。架构简化如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0UBVp3dC-1681632859103)(http://img.topjavaer.cn/img/mq使用场景7.png)]

• 日志采集客户端，负责日志数据采集，定时写入 Kafka 队列
• Kafka 消息队列，负责日志数据的接收，存储和转发
• 日志处理应用：订阅并消费 kafka 队列中的日志数据

以下是新浪 kafka 日志处理应用案例

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iLi0a03O-1681632859104)(http://img.topjavaer.cn/img/mq使用场景8.png)]

(1)、Kafka：接收用户日志的消息队列

(2)、Logstash：做日志解析，统一成 JSON 输出给 Elasticsearch

(3)、Elasticsearch：实时日志分析服务的核心技术，一个 schemaless，实时的数据存储服务，通过 index 组织数据，兼具强大的搜索和统计功能

(4)、Kibana：基于 Elasticsearch 的数据可视化组件，超强的数据可视化能力是众多公司选择 ELK stack 的重要原因

场景 5：消息通讯

消息通讯是指，消息队列一般都内置了高效的通信机制，因此也可以用在纯的消息通讯。比如实现点对点消息队列，或者聊天室等

点对点通讯：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zkwlz0Ti-1681632859104)(http://img.topjavaer.cn/img/mq使用场景9.png)]

客户端 A 和客户端 B 使用同一队列，进行消息通讯。

聊天室通讯：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eVJggmMI-1681632859107)(http://img.topjavaer.cn/img/mq使用场景10.png)]

客户端 A，客户端 B，客户端 N 订阅同一主题，进行消息发布和接收。实现类似聊天室效果。

以上实际是消息队列的两种消息模式，点对点或发布订阅模式。模型为示意图，供参考。

最后给大家分享一个Github仓库，上面有大彬整理的300多本经典的计算机书籍PDF，包括C语言、C++、Java、Python、前端、数据库、操作系统、计算机网络、数据结构和算法、机器学习、编程人生等，可以star一下，下次找书直接在上面搜索，仓库持续更新中~

Github地址