3个点让你彻底明白，为什么要使用MQ消息中间件?
3個點讓你徹底明白，為什么要使用MQ消息中間件?
前言
一個用消息隊列的人，不知道為啥用，有點尷尬。沒有復習這點，很容易被問蒙，然后就開始胡扯了。
回答：這個問題,咱只答三個最主要的應用場景，不可否認還有其他的，但是只答三個主要的，即以下六個字:
解耦、異步、削峰
1、解耦
傳統模式:
傳統模式的缺點：
系統間耦合性太強，如上圖所示，系統A在代碼中直接調用系統B和系統C的代碼，如果將來D系統接入，系統A還需要修改代碼，過于麻煩！
中間件模式:
中間件模式的的優點：
將消息寫入消息隊列，需要消息的系統自己從消息隊列中訂閱，從而系統A不需要做任何修改。
2、異步
傳統模式:
傳統模式的缺點：
一些非必要的業務邏輯以同步的方式運行，太耗費時間。
中間件模式:
中間件模式的的優點：
將消息寫入消息隊列，非必要的業務邏輯以異步的方式運行，加快響應速度
3、削峰
傳統模式
傳統模式的缺點：
并發量大的時候，所有的請求直接懟到數據庫，造成數據庫連接異常
中間件模式:
中間件模式的的優點：
系統A慢慢的按照數據庫能處理的并發量，從消息隊列中慢慢拉取消息。在生產中，這個短暫的高峰期積壓是允許的。
使用了消息隊列會有什么缺點?
分析:一個使用了MQ的項目，如果連這個問題都沒有考慮過，就把MQ引進去了，那就給自己的項目帶來了風險。
我們引入一個技術，要對這個技術的弊端有充分的認識，才能做好預防。要記住，不要給公司挖坑！
回答:回答也很容易，從以下兩個個角度來答
系統可用性降低:
你想啊，本來其他系統只要運行好好的，那你的系統就是正常的。
現在你非要加個消息隊列進去，那消息隊列掛了，你的系統不是呵呵了。因此，系統可用性降低
系統復雜性增加:
要多考慮很多方面的問題，比如一致性問題、如何保證消息不被重復消費，如何保證保證消息可靠傳輸。
因此，需要考慮的東西更多，系統復雜性增大。
但是，我們該用還是要用的。
消息隊列如何選型?
先說一下，博主只會ActiveMQ,RabbitMQ,RocketMQ,Kafka，對什么ZeroMQ等其他MQ沒啥理解，因此只能基于這四種MQ給出回答。
分析:既然在項目中用了MQ，肯定事先要對業界流行的MQ進行調研，如果連每種MQ的優缺點都沒了解清楚，就拍腦袋依據喜好，用了某種MQ，還是給項目挖坑。
如果面試官問:“你為什么用這種MQ？。”
你直接回答"領導決定的。"
這種回答就很LOW了。
還是那句話，不要給公司挖坑。
我們可以看出，RabbitMQ版本發布比ActiveMq頻繁很多。至于RocketMQ和kafka就不帶大家看了，總之也比ActiveMQ活躍的多。詳情，可自行查閱。
再來一個性能對比表
綜合上面的材料得出以下兩點:
1、中小型軟件公司，建議選RabbitMQ.
一方面，erlang語言天生具備高并發的特性，而且他的管理界面用起來十分方便。
正所謂，成也蕭何，敗也蕭何！他的弊端也在這里，雖然RabbitMQ是開源的，然而國內有幾個能定制化開發erlang的程序員呢？
所幸，RabbitMQ的社區十分活躍，可以解決開發過程中遇到的bug，這點對于中小型公司來說十分重要。
不考慮rocketmq和kafka的原因是，一方面中小型軟件公司不如互聯網公司，數據量沒那么大，選消息中間件，應首選功能比較完備的，所以kafka排除。
不考慮rocketmq的原因是，rocketmq是阿里出品，如果阿里放棄維護rocketmq，中小型公司一般抽不出人來進行rocketmq的定制化開發，因此不推薦。
2、大型軟件公司，根據具體使用在rocketMq和kafka之間二選一
一方面，大型軟件公司，具備足夠的資金搭建分布式環境，也具備足夠大的數據量。
針對rocketMQ,大型軟件公司也可以抽出人手對rocketMQ進行定制化開發，畢竟國內有能力改JAVA源碼的人，還是相當多的。
至于kafka，根據業務場景選擇，如果有日志采集功能，肯定是首選kafka了。具體該選哪個，看使用場景。
如何保證消息隊列是高可用的？
在第二點說過了，引入消息隊列后，系統的可用性下降。
在生產中，沒人使用單機模式的消息隊列。
因此，作為一個合格的程序員，應該對消息隊列的高可用有很深刻的了解。
如果面試官問：“你們的消息中間件如何保證高可用的？”
如果你的回答只是表明自己只會訂閱和發布消息，面試官就會懷疑你是不是只是自己搭著玩，壓根沒在生產用過。
因此，請做一個愛思考，會思考，懂思考的程序員。
回答:這問題，其實要對消息隊列的集群模式要有深刻了解，才好回答。
以rcoketMQ為例，他的集群就有多master 模式、多master多slave異步復制模式、多 master多slave同步雙寫模式。
多master多slave模式部署架構圖（網上找的,偷個懶，懶得畫）:
其實博主第一眼看到這個圖，就覺得和kafka好像，只是NameServer集群，在kafka中是用zookeeper代替，都是用來保存和發現master和slave用的。
通信過程如下:
Producer 與 NameServer集群中的其中一個節點（隨機選擇）建立長連接，定期從 NameServer 獲取 Topic 路由信息，并向提供 Topic 服務的 Broker Master 建立長連接，且定時向 Broker 發送心跳。
Producer 只能將消息發送到 Broker master，但是 Consumer 則不一樣，它同時和提供 Topic 服務的 Master 和 Slave建立長連接，既可以從 Broker Master 訂閱消息，也可以從 Broker Slave 訂閱消息。
那么kafka呢,為了對比說明直接上kafka的拓補架構圖(也是找的，懶得畫)
如上圖所示，一個典型的Kafka集群中包含若干Producer（可以是web前端產生的Page View，或者是服務器日志，系統CPU、Memory等），若干broker（Kafka支持水平擴展，一般broker數量越多，集群吞吐率越高），若干Consumer Group，以及一個Zookeeper集群。
Kafka通過Zookeeper管理集群配置，選舉leader，以及在Consumer Group發生變化時進行rebalance。
Producer使用push模式將消息發布到broker，Consumer使用pull模式從broker訂閱并消費消息。
至于rabbitMQ,也有普通集群和鏡像集群模式，自行去了解，比較簡單，兩小時即懂。
要求，在回答高可用的問題時，應該能邏輯清晰的畫出自己的MQ集群架構或清晰的敘述出來。
如何保證消息不被重復消費？
這個問題其實換一種問法就是，如何保證消息隊列的冪等性?
這個問題可以認為是消息隊列領域的基本問題。換句話來說，是在考察你的設計能力，這個問題的回答可以根據具體的業務場景來答，沒有固定的答案。
回答:先來說一下為什么會造成重復消費?
其實無論是那種消息隊列，造成重復消費原因其實都是類似的。
正常情況下，消費者在消費消息時候，消費完畢后，會發送一個確認信息給消息隊列，消息隊列就知道該消息被消費了，就會將該消息從消息隊列中刪除。只是不同的消息隊列發送的確認信息形式不同
例如RabbitMQ是發送一個ACK確認消息，RocketMQ是返回一個CONSUME_SUCCESS成功標志，kafka實際上有個offset的概念
簡單說一下(如果還不懂，出門找一個kafka入門到精通教程),就是每一個消息都有一個offset，kafka消費過消息后，需要提交offset，讓消息隊列知道自己已經消費過了。
那造成重復消費的原因?
就是因為網絡傳輸等等故障，確認信息沒有傳送到消息隊列，導致消息隊列不知道自己已經消費過該消息了，再次將該消息分發給其他的消費者。
如何解決?這個問題針對業務場景來答分以下幾點
1、比如，你拿到這個消息做數據庫的insert操作。
那就容易了，給這個消息做一個唯一主鍵，那么就算出現重復消費的情況，就會導致主鍵沖突，避免數據庫出現臟數據。
2、再比如，你拿到這個消息做redis的set的操作
那就容易了，不用解決。因為你無論set幾次結果都是一樣的，set操作本來就算冪等操作。
3、如果上面兩種情況還不行，上大招。
準備一個第三方介質,來做消費記錄。以redis為例，給消息分配一個全局id，只要消費過該消息，將以K-V形式寫入redis。那消費者開始消費前，先去redis中查詢有沒消費記錄即可。
如何保證消費的可靠性傳輸?
分析:我們在使用消息隊列的過程中，應該做到消息不能多消費，也不能少消費。如果無法做到可靠性傳輸，可能給公司帶來千萬級別的財產損失。
同樣的，如果可靠性傳輸在使用過程中，沒有考慮到，這不是給公司挖坑么，你可以拍拍屁股走了，公司損失的錢，誰承擔。
還是那句話，認真對待每一個項目，不要給公司挖坑
回答:其實這個可靠性傳輸，每種MQ都要從三個角度來分析:生產者弄丟數據、消息隊列弄丟數據、消費者弄丟數據
RabbitMQ
1、生產者丟數據
從生產者弄丟數據這個角度來看，RabbitMQ提供transaction和confirm模式來確保生產者不丟消息。
transaction機制就是說，發送消息前，開啟事物(channel.txSelect())，然后發送消息，如果發送過程中出現什么異常，事物就會回滾(channel.txRollback())，如果發送成功則提交事物(channel.txCommit())。
然而缺點就是吞吐量下降了。因此，按照博主的經驗，生產上用confirm模式的居多。
一旦channel進入confirm模式，所有在該信道上面發布的消息都將會被指派一個唯一的ID(從1開始)
一旦消息被投遞到所有匹配的隊列之后，rabbitMQ就會發送一個Ack給生產者(包含消息的唯一ID)
這就使得生產者知道消息已經正確到達目的隊列了.如果rabiitMQ沒能處理該消息，則會發送一個Nack消息給你，你可以進行重試操作。
處理Ack和Nack的代碼如下所示（說好不上代碼的，偷偷上了）:
2、消息隊列丟數據
處理消息隊列丟數據的情況，一般是開啟持久化磁盤的配置。
這個持久化配置可以和confirm機制配合使用，你可以在消息持久化磁盤后，再給生產者發送一個Ack信號。
這樣，如果消息持久化磁盤之前，rabbitMQ陣亡了，那么生產者收不到Ack信號，生產者會自動重發。
那么如何持久化呢，這里順便說一下吧，其實也很容易，就下面兩步
1、將queue的持久化標識durable設置為true,則代表是一個持久的隊列
2、發送消息的時候將deliveryMode=2
這樣設置以后，rabbitMQ就算掛了，重啟后也能恢復數據
3、消費者丟數據
消費者丟數據一般是因為采用了自動確認消息模式。
這種模式下，消費者會自動確認收到信息。這時rahbitMQ會立即將消息刪除，這種情況下如果消費者出現異常而沒能處理該消息，就會丟失該消息。
至于解決方案，采用手動確認消息即可。
kafka
Producer在發布消息到某個Partition時，先通過ZooKeeper找到該Partition的Leader
然后無論該Topic的Replication Factor為多少（也即該Partition有多少個Replica），Producer只將該消息發送到該Partition的Leader。
Leader會將該消息寫入其本地Log。每個Follower都從Leader中pull數據。
針對上述情況，得出如下分析
1、生產者丟數據
在kafka生產中，基本都有一個leader和多個follwer。follwer會去同步leader的信息。
因此，為了避免生產者丟數據，做如下兩點配置
第一個配置要在producer端設置acks=all。這個配置保證了，follwer同步完成后，才認為消息發送成功。
在producer端設置retries=MAX，一旦寫入失敗，這無限重試
2、消息隊列丟數據
針對消息隊列丟數據的情況，無外乎就是，數據還沒同步，leader就掛了，這時zookpeer會將其他的follwer切換為leader,那數據就丟失了。
針對這種情況，應該做兩個配置。
replication.factor參數，這個值必須大于1，即要求每個partition必須有至少2個副本
min.insync.replicas參數，這個值必須大于1，這個是要求一個leader至少感知到有至少一個follower還跟自己保持聯系
這兩個配置加上上面生產者的配置聯合起來用，基本可確保kafka不丟數據
3、消費者丟數據
這種情況一般是自動提交了offset，然后你處理程序過程中掛了。kafka以為你處理好了。
再強調一次offset是干嘛的
offset：指的是kafka的topic中的每個消費組消費的下標。
簡單的來說就是一條消息對應一個offset下標，每次消費數據的時候如果提交offset，那么下次消費就會從提交的offset加一那里開始消費。
比如一個topic中有100條數據，我消費了50條并且提交了，那么此時的kafka服務端記錄提交的offset就是49(offset從0開始)，那么下次消費的時候offset就從50開始消費。
解決方案也很簡單，改成手動提交即可。
如何保證消息的順序性？
分析:其實并非所有的公司都有這種業務需求，但是還是對這個問題要有所復習。
回答:針對這個問題，通過某種算法，將需要保持先后順序的消息放到同一個消息隊列中(kafka中就是partition,rabbitMq中就是queue)。然后只用一個消費者去消費該隊列。
有的人會問:那如果為了吞吐量，有多個消費者去消費怎么辦？
這個問題，沒有固定回答的套路。比如我們有一個微博的操作，發微博、寫評論、刪除微博，這三個異步操作。如果是這樣一個業務場景，那只要重試就行。
比如你一個消費者先執行了寫評論的操作，但是這時候，微博都還沒發，寫評論一定是失敗的，等一段時間。等另一個消費者，先執行寫評論的操作后，再執行，就可以成功。
總之，針對這個問題，我的觀點是保證入隊有序就行，出隊以后的順序交給消費者自己去保證，沒有固定套路。
總結
以上是生活随笔為你收集整理的3个点让你彻底明白，为什么要使用MQ消息中间件?的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： flowable实战（一）flowabl
- 下一篇： linux CentOS7 erlang