消息中间件提供了异步通信、缓冲和解耦等特性，由于使系统解耦，也提高了系统的可扩展性。但是也需要考虑由此可能带来的一些问题。
1、消息丢失
1.1 发生的场景
topic特性使得不在线的消费者上线后收不到之前的消息了，如果一段时间消费者都不在线，那消息就始终处于未被处理的状态。
服务器异常重启，导致内存中的数据丢失
消息设置了失效时间，过了时间就进入死信队列了
消费者自动回复ack，但是ack之后处理消息的过程中出现故障或异常，导致消息被消费者接收单未处理
1.2 可能导致的问题
消息丢失，导致的问题就是数据丢失，具体要看是什么业务场景的数据
1.3 解决思路
可追溯消息，默认topic数据是不进行持久化的，可以设置可追溯策略，最近多少条、最近多长时间、最近多少字节。
持久化消息
幂等化业务操作，使得消息丢失后可以重试，但不影响结果
做高可用，保证消息不因节点故障或网络故障丢失
死信队列，对死信队列的数据进行重新推送或重新消费
ack，消息被消费处理完成后再回复broker可以去清除该消息了
消息重投、重试机制
记录日志，将处理异常的或者可能丢失的筛选出来重新处理
2、重复消费
2.1 发生的场景
网络环境差等因素导致重复发送多条相同业务的消息、自动重试等。
2.2 可能导致的问题
导致业务数据错乱。
2.3 解决思路
设计幂等，使得消息重试多少次得到的结果都是一样的。
3、消息堆积
3.1 发生的场景
分组或者独占消费者（exclusive和selector），即设定消息只能有特定的消费者接收消费，或者消费者设定了只接收特定属性值的消息。
消费者的消费能力远小于生产者的生产能力（也许是存在短时间消息生产高峰或者消费者节点出现故障）
3.2 可能导致的问题
内存占用越来越多，内存可能溢出；
如果设置了消息持久化，磁盘空间占用越来越大；
主要还是影响业务响应时间；
内存溢出或者磁盘占满还可能导致消息丢失。
3.3 解决思路
对应场景和原因提出解决思路。
分组或独占消费者：定期检查发现追踪。
消费者能力不足：增加节点，多线程提升消费效率，优化IO模型与IO传递速度。
broker容量有限：增加容量，JVM参数配置，是否有不自动清除的垃圾数据、死信未处理、做高可用集群。
生产者短时间产生大量消息：检查产生的数据是否正常、程序是否有问题；事前做好压测和测试，预留处理能力。
一、什么是activemq
activeMQ是一种开源的，实现了JMS1.1规范的，面向消息(MOM)的中间件，为应用程序提供高效的、可扩展的、稳定的和安全的企业级消息通信。
二、activemq的作用以及原理
Activemq 的作用就是系统之间进行通信。 当然可以使用其他方式进行系统间通信， 如果使用 Activemq 的话可以对系统之间的调用进行解耦， 实现系统间的异步通信。 原理就是生产者生产消息， 把消息发送给activemq。 Activemq 接收到消息， 然后查看有多少个消费者， 然后把消息转发给消费者， 此过程中生产者无需参与。 消费者接收到消息后做相应的处理和生产者没有任何关系
三、activemq的几种通信方式
3.1publish(发布)-subscribe(订阅)(发布-订阅方式)
发布/订阅方式用于多接收客户端的方式.作为发布订阅的方式，可能存在多个接收客户端，并且接收端客户端与发送客户端存在时间上的依赖。一个接收端只能接收他创建以后发送客户端发送的信息。作为subscriber ,在接收消息时有两种方法，destination的receive方法，和实现message listener 接口的onMessage 方法
3.2 p2p(point-to-point)(点对点)
p2p的过程则理解起来比较简单。它好比是两个人打电话，这两个人是独享这一条通信链路的。一方发送消息，另外一方接收，就这么简单。在实际应用中因为有多个用户对使用p2p的链路
相互通信的双方是通过一个类似于队列的方式来进行交流。和前面pub-sub的区别在于一个topic有一个发送者和多个接收者，而在p2p里一个queue只有一个发送者和一个接收者。
3.3publish(发布)-subscribe(订阅)方式的处理
发布订阅模式的通信方式， 默认情况下只通知一次， 如果接收不到此消息就没有了。 这种场景只适用于对消息送达率要求不高的情况。 如果要求消息必须送达不可以丢失的话， 需要配置持久订阅。 每个订阅端定义一个 id，
3.4p - p(点对点)方式的处理
点对点模式的话， 如果消息发送不成功此消息默认会保存到 activemq 服务端直到有消费者将其消费， 所以此时消息是不会丢失的。
Kafka、ActiveMQ、RabbitMQ、RocketMQ 有什么优缺点？
Kafka
单机吞吐量：十万级，最大的优点，就是吞吐量高。
topic数量都吞吐量的影响：topic从几十个到几百个的时候，吞吐量会大幅度下降。所以在同等机器下，kafka尽量保证topic数量不要过多。如果要支撑大规模topic，需要增加更多的机器资源
时效性：ms级
可用性：非常高，kafka是分布式的，一个数据多个副本，少数机器宕机，不会丢失数据，不会导致不可用
消息可靠性：经过参数优化配置，消息可以做到0丢失
功能支持：功能较为简单，主要支持简单的MQ功能，在大数据领域的实时计算以及日志采集被大规模使用
ActiveMQ
单机吞吐量：万级
topic数量都吞吐量的影响：
时效性：ms级
可用性：高，基于主从架构实现高可用性
消息可靠性：有较低的概率丢失数据
功能支持：MQ领域的功能极其完备
总结：
非常成熟，功能强大，在早些年业内大量的公司以及项目中都有应用
偶尔会有较低概率丢失消息
现在社区以及国内应用都越来越少，官方社区现在对ActiveMQ 5.x维护越来越少，几个月才发布一个版本
主要是基于解耦和异步来用的，较少在大规模吞吐的场景中使用
RabbitMQ
单机吞吐量：万级
topic数量都吞吐量的影响：
时效性：微秒级，延时低是一大特点。
可用性：高，基于主从架构实现高可用性
消息可靠性：
功能支持：基于erlang开发，所以并发能力很强，性能极其好，延时很低
总结：
erlang语言开发，性能极其好，延时很低；
吞吐量到万级，MQ功能比较完备
开源提供的管理界面非常棒，用起来很好用
社区相对比较活跃，几乎每个月都发布几个版本分
在国内一些互联网公司近几年用rabbitmq也比较多一些 但是问题也是显而易见的，RabbitMQ确实吞吐量会低一些，这是因为他做的实现机制比较重。
erlang开发，很难去看懂源码，基本职能依赖于开源社区的快速维护和修复bug。
rabbitmq集群动态扩展会很麻烦，不过这个我觉得还好。其实主要是erlang语言本身带来的问题。很难读源码，很难定制和掌控。
RocketMQ
单机吞吐量：十万级
topic数量都吞吐量的影响：topic可以达到几百，几千个的级别，吞吐量会有较小幅度的下降。可支持大量topic是一大优势。
时效性：ms级
可用性：非常高，分布式架构
消息可靠性：经过参数优化配置，消息可以做到0丢失
功能支持：MQ功能较为完善，还是分布式的，扩展性好
总结：
接口简单易用，可以做到大规模吞吐，性能也非常好，分布式扩展也很方便，社区维护还可以，可靠性和可用性都是ok的，还可以支撑大规模的topic数量，支持复杂MQ业务场景
而且一个很大的优势在于，源码是java，我们可以自己阅读源码，定制自己公司的MQ，可以掌控
社区活跃度相对较为一般，不过也还可以，文档相对来说简单一些，然后接口这块不是按照标准JMS规范走的有些系统要迁移需要修改大量代码
总结：
kafka的特点其实很明显，就是仅仅提供较少的核心功能，但是提供超高的吞吐量，ms级的延迟，极高的可用性以及可靠性，而且分布式可以任意扩展
同时kafka最好是支撑较少的topic数量即可，保证其超高吞吐量
kafka唯一的一点劣势是有可能消息重复消费，那么对数据准确性会造成极其轻微的影响，在大数据领域中以及日志采集中，这点轻微影响可以忽略
最后
一般的业务系统要引入MQ，最早大家都用ActiveMQ，但是现在确实大家用的不多了，没经过大规模吞吐量场景的验证，社区也不是很活跃后来大家开始用RabbitMQ，但是确实erlang语言阻止了大量的java工程师去深入研究和掌控他，对公司而言，几乎处于不可控的状态，但是确实人家是开源的，比较稳定的支持，活跃度也高；不过现在确实越来越多的公司，会去用RocketMQ，确实很不错，但是要想好社区万一突然黄掉的风险所以中小型公司，技术实力较为一般，技术挑战不是特别高，用RabbitMQ是不错的选择；大型公司，基础架构研发实力较强，用RocketMQ是很好的选择
如果是大数据领域的实时计算、日志采集等场景，用Kafka是业内标准的，绝对没问题，社区活跃度很高，绝对不会黄，何况几乎是全世界这个领域的事实性规范