MQ 消息队列

• RabbitMQ

一、RabbitMQ 介绍
二、RabbitMQ 核心
三、RabbitMQ 扩展
四、RabbitMQ 集群

• RocketMQ
• Kafka

---

MQ 消息队列

---

一、什么是 MQ

• MQ（Message queue），从字面意思上看，本质是个队列，FIFO 先入先出，只不过队列中存放的内容是 Message 而已，还是一种跨进程的通信机制，用于上下游传递消息。
• 在互联网架构中，MQ 是一种非常常见的上下游 逻辑解耦 + 物理解耦 的消息通信服务。
• 使用了 MQ 之后，消息发送上游只需要依赖 MQ，不用依赖其他服务。

---

二、为什么要用 MQ

---

1. 流量消峰

• 举个例子，如果订单系统最多能处理一万次订单，这个处理能力应付正常时段的下单时绰绰有余，正常时段我们下单一秒后就能返回结果。
• 但是在高峰期，如果有两万次下单操作系统是处理不了的，只能限制订单超过一万后不允许用户下单。
• 使用 消息队列 做缓冲，我们可以取消这个限制，把一秒内下的订单分散成一段时间来处理，这时有些用户可能在下单十几秒后才能收到下单成功的操作，但是比不能下单的体验要好。

---

2. 应用解耦

• 以电商应用为例，应用中有 订单系统、库存系统、物流系统、支付系统。
• 用户创建订单后，如果耦合调用 库存系统、物流系统、支付系统，任何一个子系统出了故障，都会造成下单操作异常。
• 当转变成基于 消息队列 的方式后，系统间调用的问题会减少很多，比如 物流系统 因为发生故障，需要几分钟来修复。
• 在这几分钟的时间里，物流系统要处理的消息被缓存在消息队列中，用户的下单操作可以正常完成。
• 当物流系统恢复后，继续处理订单信息即可，用户感受不到物流系统的故障，提升系统的可用性。
  

---

3. 异步处理

• 有些服务间调用是异步的，例如 A 调用 B，B 需要花费很长时间执行，但是 A 需要知道 B 什么时候可以执行完。

1. 以前一般有两种方式，A 过一段时间去调用 B 的查询 API 查询。
2. 或者 A 提供一个 callback API，B 执行完之后调用 callback API 通知 A 服务。

• 这两种方式都不是很优雅，使用 消息总线，可以很方便解决这个问题，A 调用 B 服务后，只需要监听 B 处理完成的消息，当 B 处理完成后，会发送一条消息给 MQ，MQ 会将此消息转发给 A 服务。
• 这样 A 服务既不用循环调用 B 的查询 API，也不用提供 callback API。
• 同样 B 服务也不用做这些操作。
• A 服务还能及时的得到异步处理成功的消息。
  

---

三、MQ 的分类

消息中间件	优点	缺点
ActiveMQ	单机 吞吐量万级，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，较低的概率丢失数据	官方社区现在对 ActiveMQ 5.x 维护越来越少，高吞吐量场景较少使用
Kafka	性能卓越，单机写入 TPS约在百万条/秒，最大的优点就是 吞吐量高。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，消费者采用 Pull 方式获取消息，消息有序，通过控制能够保证所有消息被消费，且仅被消费一次，有优秀的第三方 Kafka Web 管理界面 Kafka-Manager；在日志领域比较成熟，被多家公司和多个开源项目使用；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	Kafka 单机超过 64 个队列/分区，Load 会发生明显的飙高现象，队列越多，Load 越高，发送消息响应时间变长，使用短轮询方式，实时性取决于轮询间隔时间，消费失败不支持重试；支持消息顺序，但是一台代理宕机后，就会产生消息乱序，社区更新较慢
RocketMQ	单机 吞吐量十万级，可用性非常高，分布式架构，消息可以做到 0 丢失，MQ 功能较为完善，还是分布式的，扩展性好，支持 10亿级别的消息堆积，不会因为堆积导致性能下降，源码是 Java，我们可以自己阅读源码，定制自己公司的 MQ	支持的客户端语言不多，目前是 Java 及 C++，其中 C++ 不成熟；社区活跃度一般，没有在 MQ 核心中去实现 JMS 等接口，有些系统要迁移需要修改大量代码
RabbitMQ	由于 Erlang 语言的高并发特性，性能较好；吞吐量到万级，MQ 功能比较完备，健壮、稳定、易用、跨平台、支持多种语言，如：Python、Ruby、.NET、Java、JMS、C、PHP、ActionScript、XMPP、STOMP等，支持 AJAX 文档齐全；开源提供的管理界面非常棒，用起来很好用，社区活跃度高；更新频率相当高	商业版需要收费,学习成本较高

---

1. Kafka

• 大数据的杀手锏，谈到大数据领域内的消息传输，则绕不开 Kafka，这款为大数据而生的消息中间件，以其 百万级 TPS 的吞吐量 名声大噪，迅速成为大数据领域的宠儿，在数据采集、传输、存储的过程中发挥着举足轻重的作用。
• 目前已经被 LinkedIn、Uber、Twitter、Netflix 等大公司所采纳。

---

2. RocketMQ

• RocketMQ 出自阿里巴巴的开源产品，用 Java 语言实现，在设计时参考了 Kafka，并做出了自己的一些改进。
• 被阿里巴巴广泛应用在 订单，交易，充值，流计算，消息推送，日志流式处理，binglog 分发等场景。

---

3. RabbitMQ

• RabbitMQ 官网
• 2007 年发布，是一个在 AMQP（高级消息队列协议）基础上完成的，可复用的企业消息系统，是当前最主流的消息中间件之一。

---

四、MQ 的选择

---

1. Kafka

• Kafka 主要特点是基于 Pull 的模式来处理消息消费，追求高吞吐量，一开始的目的就是用于日志收集和传输，适合互联网服务产生 大量数据 的数据收集业务。
• 大型公司 建议可以选用，如果有 日志采集 功能，肯定是首选 Kafka 了。

---

2. RocketMQ

• 天生为 金融互联网 领域而生，对于可靠性要求很高的场景，尤其是电商里面的订单扣款，以及业务削峰，在大量交易涌入时，后端可能无法及时处理的情况。
• RoketMQ 在稳定性上可能更值得信赖，这些业务场景在 阿里双 11 已经经历了多次考验，如果你的业务有上述并发场景，建议可以选择 RocketMQ。

---

3. RabbitMQ

• 结合 Erlang 语言本身的并发优势，性能好 时效性微秒级，社区活跃度也比较高，管理界面用起来十分方便。
• 如果你的 数据量没有那么大，中小型公司优先选择功能比较完备的 RabbitMQ。

---