消息隊列中間件是分布式系統中重要的組件，主要解決應用解耦，異步消息，流量削鋒等問題，實現高性能，高可用，可伸縮和最終一致性架構。目前使用較多的消息隊列有ActiveMQ，RabbitMQ，ZeroMQ，Kafka，MetaMQ，RocketMQ。消息中間件到底該如何使用，何時使用這是一個問題，胡亂地使用消息中間件增加了系統的復雜度，如果用不好消息中間件還不如不用。

0.消息隊列通訊模式

1)點對點通訊：點對點方式是最為傳統和常見的通訊方式，它支持一對一、一對多、多對多、多對一等多種配置方式，支持樹狀、網狀等多種拓撲結構。

2)多點廣播：MQ適用于不同類型的應用。其中重要的，也是正在發展中的是"多點廣播"應用，即能夠將消息發送到多個目標站點(DestinationList)。可以使用一條MQ指令將單一消息發送到多個目標站點，并確保為每一站點可靠地提供信息。MQ不僅提供了多點廣播的功能，而且還擁有智能消息分發功能，在將一條消息發送到同一系統上的多個用戶時，MQ將消息的一個復制版本和該系統上接收者的名單發送到目標MQ系統。目標MQ系統在本地復制這些消息，并將它們發送到名單上的隊列，從而盡可能減少網絡的傳輸量。

3)發布/訂閱(Publish/Subscribe)模式：發布/訂閱功能使消息的分發可以突破目的隊列地理指向的限制，使消息按照特定的主題甚至內容進行分發，用戶或應用程序可以根據主題或內容接收到所需要的消息。發布/訂閱功能使得發送者和接收者之間的耦合關系變得更為松散，發送者不必關心接收者的目的地址，而接收者也不必關心消息的發送地址，而只是根據消息的主題進行消息的收發。在MQ家族產品中，MQEventBroker是專門用于使用發布/訂閱技術進行數據通訊的產品，它支持基于隊列和直接基于TCP/IP兩種方式的發布和訂閱。

4)群集(Cluster)：為了簡化點對點通訊模式中的系統配置，MQ提供Cluster(群集)的解決方案。群集類似于一個域(Domain)，群集內部的隊列管理器之間通訊時，不需要兩兩之間建立消息通道，而是采用群集(Cluster)通道與其它成員通訊，從而大大簡化了系統配置。此外，群集中的隊列管理器之間能夠自動進行負載均衡，當某一隊列管理器出現故障時，其它隊列管理器可以接管它的工作，從而大大提高系統的高可靠性。

1.使用消息隊列的理由

過去幾年中，我們一直在使用、構建和宣傳消息隊列，我們認為它們是很令人敬畏的，這也不是什么秘密。我們相信對任何架構或應用來說，消息隊列都是一個至關重要的組件，下面是十個理由:

1. 1解耦

在項目啟動之初來預測將來項目會碰到什么需求，是極其困難的。消息隊列在處理過程中間插入了一個隱含的、基于數據的接口層，兩邊的處理過程都要實現這一接口。這允許你獨立的擴展或修改兩邊的處理過程，只要確保它們遵守同樣的接口約束。

1.2 冗余

有時在處理數據的時候處理過程會失敗。除非數據被持久化，否則將永遠丟失。消息隊列把數據進行持久化直到它們已經被完全處理，通過這一方式規避了數據丟失風險。在被許多消息隊列所采用的"插入-獲取-刪除"范式中，在把一個消息從隊列中刪除之前，需要你的處理過程明確的指出該消息已經被處理完畢，確保你的數據被安全的保存直到你使用完畢。

1.3 擴展性

因為消息隊列解耦了你的處理過程，所以增大消息入隊和處理的頻率是很容易的；只要另外增加處理過程即可。不需要改變代碼、不需要調節參數。擴展就像調大電力按鈕一樣簡單。

1.4 靈活性 & 峰值處理能力

當你的應用上了Hacker News的首頁，你將發現訪問流量攀升到一個不同尋常的水平。在訪問量劇增的情況下，你的應用仍然需要繼續發揮作用，但是這樣的突發流量并不常見；如果為以能處理這類峰值訪問為標準來投入資源隨時待命無疑是巨大的浪費。使用消息隊列能夠使關鍵組件頂住增長的訪問壓力，而不是因為超出負荷的請求而完全崩潰。請查看我們關于峰值處理能力的博客文章了解更多此方面的信息。

1.5可恢復性

當體系的一部分組件失效，不會影響到整個系統。消息隊列降低了進程間的耦合度，所以即使一個處理消息的進程掛掉，加入隊列中的消息仍然可以在系統恢復后被處理。而這種允許重試或者延后處理請求的能力通常是造就一個略感不便的用戶和一個沮喪透頂的用戶之間的區別。

1.6送達保證

消息隊列提供的冗余機制保證了消息能被實際的處理，只要一個進程讀取了該隊列即可。在此基礎上，IronMQ提供了一個"只送達一次"保證。無論有多少進程在從隊列中領取數據，每一個消息只能被處理一次。這之所以成為可能，是因為獲取一個消息只是"預定"了這個消息，暫時把它移出了隊列。除非客戶端明確的表示已經處理完了這個消息，否則這個消息會被放回隊列中去，在一段可配置的時間之后可再次被處理。

1.7排序保證

在許多情況下，數據處理的順序都很重要。消息隊列本來就是排序的，并且能保證數據會按照特定的順序來處理。IronMO保證消息漿糊通過FIFO（先進先出）的順序來處理，因此消息在隊列中的位置就是從隊列中檢索他們的位置。

1.8緩沖

在任何重要的系統中，都會有需要不同的處理時間的元素。例如,加載一張圖片比應用過濾器花費更少的時間。消息隊列通過一個緩沖層來幫助任務最高效率的執行--寫入隊列的處理會盡可能的快速，而不受從隊列讀的預備處理的約束。該緩沖有助于控制和優化數據流經過系統的速度。

1.9 理解數據流

在一個分布式系統里，要得到一個關于用戶操作會用多長時間及其原因的總體印象，是個巨大的挑戰。消息系列通過消息被處理的頻率，來方便的輔助確定那些表現不佳的處理過程或領域，這些地方的數據流都不夠優化。

1.10 異步通信

很多時候，你不想也不需要立即處理消息。消息隊列提供了異步處理機制，允許你把一個消息放入隊列，但并不立即處理它。你想向隊列中放入多少消息就放多少，然后在你樂意的時候再去處理它們。

?

2.消息隊列應用場景

以下介紹消息隊列在實際應用中常用的使用場景。異步處理，應用解耦，流量削鋒和消息通訊四個場景。

2.1異步處理

場景說明：用戶注冊后，需要發注冊郵件和注冊短信。傳統的做法有兩種 1.串行的方式；2.并行方式
a、串行方式：將注冊信息寫入數據庫成功后，發送注冊郵件，再發送注冊短信。以上三個任務全部完成后，返回給客戶端。

b、并行方式：將注冊信息寫入數據庫成功后，發送注冊郵件的同時，發送注冊短信。以上三個任務完成后，返回給客戶端。與串行的差別是，并行的方式可以提高處理的時間

假設三個業務節點每個使用50毫秒鐘，不考慮網絡等其他開銷，則串行方式的時間是150毫秒，并行的時間可能是100毫秒。
因為CPU在單位時間內處理的請求數是一定的，假設CPU1秒內吞吐量是100次。則串行方式1秒內CPU可處理的請求量是7次（1000/150）。并行方式處理的請求量是10次（1000/100）
小結：如以上案例描述，傳統的方式系統的性能（并發量，吞吐量，響應時間）會有瓶頸。如何解決這個問題呢？

引入消息隊列，將不是必須的業務邏輯，異步處理。改造后的架構如下：

按照以上約定，用戶的響應時間相當于是注冊信息寫入數據庫的時間，也就是50毫秒。注冊郵件，發送短信寫入消息隊列后，直接返回，因此寫入消息隊列的速度很快，基本可以忽略，因此用戶的響應時間可能是50毫秒。因此架構改變后，系統的吞吐量提高到每秒20 QPS。比串行提高了3倍，比并行提高了兩倍。

2.2應用解耦

場景說明：用戶下單后，訂單系統需要通知庫存系統。傳統的做法是，訂單系統調用庫存系統的接口。如下圖：

傳統模式的缺點：假如庫存系統無法訪問，則訂單減庫存將失敗，從而導致訂單失敗，訂單系統與庫存系統耦合

如何解決以上問題呢？引入應用消息隊列后的方案，如下圖：

訂單系統：用戶下單后，訂單系統完成持久化處理，將消息寫入消息隊列，返回用戶訂單下單成功
庫存系統：訂閱下單的消息，采用拉/推的方式，獲取下單信息，庫存系統根據下單信息，進行庫存操作
假如：在下單時庫存系統不能正常使用。也不影響正常下單，因為下單后，訂單系統寫入消息隊列就不再關心其他的后續操作了。實現訂單系統與庫存系統的應用解耦

2.3流量削鋒

流量削鋒也是消息隊列中的常用場景，一般在秒殺或團搶活動中使用廣泛。
應用場景：秒殺活動，一般會因為流量過大，導致流量暴增，應用掛掉。為解決這個問題，一般需要在應用前端加入消息隊列。
a、可以控制活動的人數
b、可以緩解短時間內高流量壓垮應用

用戶的請求，服務器接收后，首先寫入消息隊列。假如消息隊列長度超過最大數量，則直接拋棄用戶請求或跳轉到錯誤頁面。
秒殺業務根據消息隊列中的請求信息，再做后續處理

2.4日志處理

日志處理是指將消息隊列用在日志處理中，比如Kafka的應用，解決大量日志傳輸的問題。架構簡化如下

日志采集客戶端，負責日志數據采集，定時寫受寫入Kafka隊列
Kafka消息隊列，負責日志數據的接收，存儲和轉發
日志處理應用：訂閱并消費kafka隊列中的日志數據?

2.5消息通訊

消息通訊是指，消息隊列一般都內置了高效的通信機制，因此也可以用在純的消息通訊。比如實現點對點消息隊列，或者聊天室等
點對點通訊：

客戶端A和客戶端B使用同一隊列，進行消息通訊。

聊天室通訊：

客戶端A，客戶端B，客戶端N訂閱同一主題，進行消息發布和接收。實現類似聊天室效果。

以上實際是消息隊列的兩種消息模式，點對點或發布訂閱模式。模型為示意圖，供參考。

3.消息中間件示例

3.1電商系統

消息隊列采用高可用，可持久化的消息中間件。比如Active MQ，Rabbit MQ，Rocket Mq。
（1）應用將主干邏輯處理完成后，寫入消息隊列。消息發送是否成功可以開啟消息的確認模式。（消息隊列返回消息接收成功狀態后，應用再返回，這樣保障消息的完整性）
（2）擴展流程（發短信，配送處理）訂閱隊列消息。采用推或拉的方式獲取消息并處理。
（3）消息將應用解耦的同時，帶來了數據一致性問題，可以采用最終一致性方式解決。比如主數據寫入數據庫，擴展應用根據消息隊列，并結合數據庫方式實現基于消息隊列的后續處理。

3.2日志收集系統

分為Zookeeper注冊中心，日志收集客戶端，Kafka集群和Storm集群（OtherApp）四部分組成。
Zookeeper注冊中心，提出負載均衡和地址查找服務
日志收集客戶端，用于采集應用系統的日志，并將數據推送到kafka隊列
Kafka集群：接收，路由，存儲，轉發等消息處理
Storm集群：與OtherApp處于同一級別，采用拉的方式消費隊列中的數據

以下是新浪kafka日志處理應用案例：轉自（http://cloud.51cto.com/art/201507/484338.htm）

?

(1)Kafka：接收用戶日志的消息隊列

(2)Logstash：做日志解析，統一成JSON輸出給Elasticsearch

(3)Elasticsearch：實時日志分析服務的核心技術，一個schemaless，實時的數據存儲服務，通過index組織數據，兼具強大的搜索和統計功能

(4)Kibana：基于Elasticsearch的數據可視化組件，超強的數據可視化能力是眾多公司選擇ELK stack的重要原因

?

4.JMS消息服務

講消息隊列就不得不提JMS 。JMS（Java Message Service，Java消息服務）API是一個消息服務的標準/規范，允許應用程序組件基于JavaEE平臺創建、發送、接收和讀取消息。它使分布式通信耦合度更低，消息服務更加可靠以及異步性。
在EJB架構中，有消息bean可以無縫的與JM消息服務集成。在J2EE架構模式中，有消息服務者模式，用于實現消息與應用直接的解耦。

4.1消息模型

在JMS標準中，有兩種消息模型P2P（Point to Point）,Publish/Subscribe(Pub/Sub)。

4.1.1 P2P模式

P2P模式包含三個角色：消息隊列（Queue），發送者(Sender)，接收者(Receiver)。每個消息都被發送到一個特定的隊列，接收者從隊列中獲取消息。隊列保留著消息，直到他們被消費或超時。

P2P的特點
每個消息只有一個消費者（Consumer）(即一旦被消費，消息就不再在消息隊列中)
發送者和接收者之間在時間上沒有依賴性，也就是說當發送者發送了消息之后，不管接收者有沒有正在運行，它不會影響到消息被發送到隊列
接收者在成功接收消息之后需向隊列應答成功
如果希望發送的每個消息都會被成功處理的話，那么需要P2P模式。

4.1.2 Pub/Sub模式

包含三個角色主題（Topic），發布者（Publisher），訂閱者（Subscriber） 多個發布者將消息發送到Topic，系統將這些消息傳遞給多個訂閱者。

Pub/Sub的特點
每個消息可以有多個消費者
發布者和訂閱者之間有時間上的依賴性。針對某個主題（Topic）的訂閱者，它必須創建一個訂閱者之后，才能消費發布者的消息
為了消費消息，訂閱者必須保持運行的狀態
為了緩和這樣嚴格的時間相關性，JMS允許訂閱者創建一個可持久化的訂閱。這樣，即使訂閱者沒有被激活（運行），它也能接收到發布者的消息。
如果希望發送的消息可以不被做任何處理、或者只被一個消息者處理、或者可以被多個消費者處理的話，那么可以采用Pub/Sub模型。

4.2消息消費

在JMS中，消息的產生和消費都是異步的。對于消費來說，JMS的消息者可以通過兩種方式來消費消息。
（1）同步
訂閱者或接收者通過receive方法來接收消息，receive方法在接收到消息之前（或超時之前）將一直阻塞；

（2）異步
訂閱者或接收者可以注冊為一個消息監聽器。當消息到達之后，系統自動調用監聽器的onMessage方法。

JNDI：Java命名和目錄接口,是一種標準的Java命名系統接口。可以在網絡上查找和訪問服務。通過指定一個資源名稱，該名稱對應于數據庫或命名服務中的一個記錄，同時返回資源連接建立所必須的信息。
JNDI在JMS中起到查找和訪問發送目標或消息來源的作用。

5.常用消息隊列

一般商用的容器，比如WebLogic，JBoss，都支持JMS標準，開發上很方便。但免費的比如Tomcat，Jetty等則需要使用第三方的消息中間件。本部分內容介紹常用的消息中間件（Active MQ,Rabbit MQ，Zero MQ,Kafka）以及他們的特點。

5.1 ActiveMQ

ActiveMQ 是Apache出品，最流行的，能力強勁的開源消息總線。ActiveMQ 是一個完全支持JMS1.1和J2EE 1.4規范的 JMS Provider實現，盡管JMS規范出臺已經是很久的事情了，但是JMS在當今的J2EE應用中間仍然扮演著特殊的地位。

ActiveMQ特性如下：

• 多種語言和協議編寫客戶端。語言: Java,C,C++,C#,Ruby,Perl,Python,PHP。應用協議： OpenWire,Stomp REST,WS Notification,XMPP,AMQP
• 完全支持JMS1.1和J2EE 1.4規范 （持久化，XA消息，事務)
• ?對Spring的支持，ActiveMQ可以很容易內嵌到使用Spring的系統里面去，而且也支持Spring2.0的特性
• ?通過了常見J2EE服務器（如 Geronimo,JBoss 4,GlassFish,WebLogic)的測試，其中通過JCA 1.5 resource adaptors的配置，可以讓ActiveMQ可以自動的部署到任何兼容J2EE 1.4 商業服務器上
• ?支持多種傳送協議：in-VM,TCP,SSL,NIO,UDP,JGroups,JXTA
• 支持通過JDBC和journal提供高速的消息持久化
• 從設計上保證了高性能的集群，客戶端-服務器，點對點
• 支持Ajax
• 支持與Axis的整合
• 可以很容易得調用內嵌JMS provider，進行測試

5.2 RabbitMQ

RabbitMQ是流行的開源消息隊列系統，用erlang語言開發。RabbitMQ是AMQP（高級消息隊列協議）的標準實現。支持多種客戶端，如：Python、Ruby、.NET、Java、JMS、C、PHP、ActionScript、XMPP、STOMP等，支持AJAX，持久化。用于在分布式系統中存儲轉發消息，在易用性、擴展性、高可用性等方面表現不俗。結構圖如下：

幾個重要概念：

• Broker：簡單來說就是消息隊列服務器實體。
• Exchange：消息交換機，它指定消息按什么規則，路由到哪個隊列。
• Queue：消息隊列載體，每個消息都會被投入到一個或多個隊列。
• Binding：綁定，它的作用就是把exchange和queue按照路由規則綁定起來。
• Routing Key：路由關鍵字，exchange根據這個關鍵字進行消息投遞。
• vhost：虛擬主機，一個broker里可以開設多個vhost，用作不同用戶的權限分離。
• producer：消息生產者，就是投遞消息的程序。
• consumer：消息消費者，就是接受消息的程序。
• channel：消息通道，在客戶端的每個連接里，可建立多個channel，每個channel代表一個會話任務。

消息隊列的使用過程，如下：

• 客戶端連接到消息隊列服務器，打開一個channel。
• 客戶端聲明一個exchange，并設置相關屬性。
• 客戶端聲明一個queue，并設置相關屬性。
• 客戶端使用routing key，在exchange和queue之間建立好綁定關系。
• 客戶端投遞消息到exchange。

exchange接收到消息后，就根據消息的key和已經設置的binding，進行消息路由，將消息投遞到一個或多個隊列里。

5.3 ZeroMQ

號稱史上最快的消息隊列，它實際類似于Socket的一系列接口，他跟Socket的區別是：普通的socket是端到端的（1:1的關系），而ZMQ卻是可以N：M 的關系，人們對BSD套接字的了解較多的是點對點的連接，點對點連接需要顯式地建立連接、銷毀連接、選擇協議（TCP/UDP）和處理錯誤等，而ZMQ屏蔽了這些細節，讓你的網絡編程更為簡單。ZMQ用于node與node間的通信，node可以是主機或者是進程。

引用官方的說法： “ZMQ(以下ZeroMQ簡稱ZMQ)是一個簡單好用的傳輸層，像框架一樣的一個socket library，他使得Socket編程更加簡單、簡潔和性能更高。是一個消息處理隊列庫，可在多個線程、內核和主機盒之間彈性伸縮。ZMQ的明確目標是“成為標準網絡協議棧的一部分，之后進入Linux內核”。現在還未看到它們的成功。但是，它無疑是極具前景的、并且是人們更加需要的“傳統”BSD套接字之上的一 層封裝。ZMQ讓編寫高性能網絡應用程序極為簡單和有趣。”

特點是：

• 高性能，非持久化

• 跨平臺：支持Linux、Windows、OS X等

• 多語言支持； C、C++、Java、.NET、python等30多種開發語言

• 可單獨部署或集成到應用中使用

• 可作為Socket通信庫使用

與RabbitMQ相比，ZMQ并不像是一個傳統意義上的消息隊列服務器，事實上，它也根本不是一個服務器，更像一個底層的網絡通訊庫，在Socket API之上做了一層封裝，將網絡通訊、進程通訊和線程通訊抽象為統一的API接口。支持“Request-Reply “，”Publisher-Subscriber“，”Parallel Pipeline”三種基本模型和擴展模型。

ZeroMQ高性能設計要點：

1、無鎖的隊列模型

?? 對于跨線程間的交互（用戶端和session）之間的數據交換通道pipe，采用無鎖的隊列算法CAS；在pipe兩端注冊有異步事件，在讀或者寫消息到pipe的時，會自動觸發讀寫事件。

2、批量處理的算法

?? 對于傳統的消息處理，每個消息在發送和接收的時候，都需要系統的調用，這樣對于大量的消息，系統的開銷比較大，zeroMQ對于批量的消息，進行了適應性的優化，可以批量的接收和發送消息。

3、多核下的線程綁定，無須CPU切換

?? 區別于傳統的多線程并發模式，信號量或者臨界區， zeroMQ充分利用多核的優勢，每個核綁定運行一個工作者線程，避免多線程之間的CPU切換開銷。

?

5.4 Kafka

Kafka是一種高吞吐量的分布式發布訂閱消息系統，它可以處理消費者規模的網站中的所有動作流數據。 這種動作（網頁瀏覽，搜索和其他用戶的行動）是在現代網絡上的許多社會功能的一個關鍵因素。 這些數據通常是由于吞吐量的要求而通過處理日志和日志聚合來解決。 對于像Hadoop的一樣的日志數據和離線分析系統，但又要求實時處理的限制，這是一個可行的解決方案。Kafka的目的是通過hadoop的并行加載機制來統一線上和離線的消息處理，也是為了通過集群機來提供實時的消費。

Kafka是一種高吞吐量的分布式發布訂閱消息系統，有如下特性：

• 通過O(1)的磁盤數據結構提供消息的持久化，這種結構對于即使數以TB的消息存儲也能夠保持長時間的穩定性能。（文件追加的方式寫入數據，過期的數據定期刪除）
• 高吞吐量：即使是非常普通的硬件Kafka也可以支持每秒數百萬的消息
• 支持通過Kafka服務器和消費機集群來分區消息
• 支持Hadoop并行數據加載

Kafka相關概念

• Broker：Kafka集群包含一個或多個服務器，這種服務器被稱為broker[5]
• Topic：每條發布到Kafka集群的消息都有一個類別，這個類別被稱為Topic。（物理上不同Topic的消息分開存儲，邏輯上一個Topic的消息雖然保存于一個或多個broker上但用戶只需指定消息的Topic即可生產或消費數據而不必關心數據存于何處）
• Partition：Parition是物理上的概念，每個Topic包含一個或多個Partition.
• Producer：負責發布消息到Kafka broker
• Consumer：消息消費者，向Kafka broker讀取消息的客戶端。
• Consumer Group：每個Consumer屬于一個特定的Consumer Group（可為每個Consumer指定group name，若不指定group name則屬于默認的group）。

一般應用在大數據日志處理或對實時性（少量延遲），可靠性（少量丟數據）要求稍低的場景使用。

6.使用消息隊列需要考慮的問題

6.1你也許并不需要消息隊列

消息隊列是一個能讓你獲得容錯性，分布式，解耦等架構能力的系統。紙上談兵的話，它看起來還不錯。

或許消息列隊在你的應用中有不少適用的場景。你可以看下這篇關于消息隊列優點的文章，看看到底有哪些合適的場景。但可不要因為說"能解耦那太好了”就輕易使用它。我們來看一個例子——你希望你的郵件發送和訂單處理互相解耦。

因此你發送一個消息到消息隊列里，然后郵件處理系統取出這個消息并發送郵件。那你在一個獨立的單classpath的應用中怎么實現呢？讓你的訂單處理服務依賴于一個郵件服務，然后調用sendEmail()方法，而不是sendToMQ()方法。如果你使用了消息隊列，你需要定義一個兩個系統都能識別的消息格式 ；如果你不使用消息隊列，那么你得定義一個方法簽名。它們有什么本質的區別嗎？其實沒有。

不過你可能還有別的消費者想要對某個指定的消息進行額外的處理？這的確是可能發生的，而并不只是針對我們這里說到的這個項目而已。盡管確有可能，但相比添加另一個方法調用而言，它可能并不值當。耦合？是的。不過這個耦合并沒有什么不方便的。

那我應該如何處理峰值流量？你可以通過消息隊列將請求放到一個持久化隊列中，然后再一并處理它們。這是一個非常有用的特性，不過它也受限于幾個 因素——你的請求是在UI后臺處理，還是需要即時響應？serlvet容器的線程池某種程度上可以當作是一個隊列，用戶最終會拿到響應，但是得需要等待（如果線程的超時時間過短的話，請求可能會丟失）。

你可以使用一個內存隊列來存儲那些較重的請求（得在UI后臺進行處理）。不過注意了，你的隊列并不是默認高可用的。比如說，如果一個消息隊列節點掛掉了，你的消息就丟失了。因此，不去使用應用節點內的內存隊列，而是去使用一個消息隊列，這可能并沒有什么優勢。

消息隊列使得我們可以進行異步處理——這的確是個有用的特性。你不希望在用戶等待的時候做一些很重的操作。不過你也可以使用一個內存隊列，或者簡單地啟動一個新的線程（比如spring的@Async注解）。這樣又有另一個問題——如果消息丟失的話是否有問題？如果你應用處理請求的節點掛了，你可以進行恢復嗎？你會發現這事會經常發生，如果不保證所有消息都處理到的話，很難保證功能的正確性。因此，僅將較重的調用進行異步處理是比較可取的。

把消息放到隊列以便讓另一個組件來進行處理，對于這個場景，如果消息丟失是無法接受的 ，這也有一個很簡單的解決方案——數據庫。你可以把一條processed=false的數據存儲到數據庫中。然后再運行一個調度作業，將所有未處理的記錄挑選出來，異步地進行處理。當處理完成的時候，將標記設為true。我經常用這個方法，包括在一些大型的線上系統中，它也工作得挺好的。

這樣你還能不斷地對你的應用節點進行擴展，只要它們的內存中沒有任何的持久化狀態的話。不管你是否使用了消息隊列都可以（臨時的內存處理隊列并不屬于持久化狀態）。

為什么我要給經常用到的消息隊列提供一些備選方案？因為如果你由于不恰當的原因選擇了它，那么消息隊列可能會成為一個負擔。它們并非如想像中那樣容易使用。首先，它有一個學習曲線。一般來說，你集成的組件切分得越多，就越容易出現問題。其次，還有一個設置及配置的成本。比如說，當消息隊列需要在一個集群中運行的話，比如說多個數據中心，那么這就變得復雜了。

高可用性并不是上來就有的——默認它是不會打開的。還有就是你的應用節點如何連接到消息隊列？通過一個刷新的連接池，或者使用短生命周期的DNS記錄，還是通過一個負載均衡器？你的隊列可能還有許多配置項，大小是多少，行為是怎樣的（消費者需不需要確認接受，要不要通知處理失敗，多個消費者能夠取到同一個消息嗎，消息有沒有TTL，等等）同時還有網絡及消息傳遞的開銷，尤其是現在大家都喜歡用XML或者JSON來傳輸消息。如果你過度地使用了消息隊列，那么它會增加你系統的延時。

最后一點，但并不是最次要的——如果出現問題的話，使用消息隊列會讓問題跟蹤變得異常困難。你沒法在IDE中看到所謂的調用層次，因為一旦你發送消息到隊列里了，你就得自己去查找它在哪里處理的了。這可不是聽起來那么簡單的。你看到了吧，它會給你增加許多的復雜性，以及許多需要注意的東西。

通常而言，在某些上下文中，消息隊列還是非常有用的。當它們的確適合的話，我也會在項目中使用它們——比方說，我們不想丟失消息，但又希望能快速地進行處理。我也見過它在一些不太常見的場景中使用的情況，比如說只有一個應用節點來進行消費，不管是哪個節點投遞過來的消息。你還可以看下stackoverflow上的這個問題。還有一些使用場景就是，或許你的確需要進行多語言間的通信，又或者你的數據流已經過于復雜了，不使用新的消息消費者而是增加新方法調用的話代價會很大。

我想說的是那句老掉牙的真理“殺雞焉用牛刀”。如果你不是很確定已經沒有別的更容易管理和維護的方法，一定要使用消息隊列的話，最好不要使用它。不要因為”萬一它有用呢“而去用它——只有你確實覺得需要的話再去使用。因為很有可能，就像這里說到的這個項目一樣，消息隊列其實是沒有必要的。

6.2如何避免消息丟失

選擇能夠支持消息持久化的MQ方案。如：ActiveMQ、RabbitMQ等，給消息一個處理狀態如：process=false。

還可以使用緩存方案做：如Redis，它本身也是支持持久化的。

7.本文參考資料來源

消息隊列MQ的原理及實現方法：http://blog.csdn.net/lzq_csdn_th/article/details/51945408

關于消息隊列的使用：http://www.cnblogs.com/linjiqin/p/5720865.html

消息隊列使用的四種場景介紹：http://blog.csdn.net/cws1214/article/details/52922267

使用消息隊列的十個理由：http://www.oschina.net/translate/top-10-uses-for-message-queue?p=2

國外的一款消息隊列IronMQ：http://iron.io/products/mq?rc=blog_mq_t10

你可能并不需要消息隊列：http://kb.cnblogs.com/page/212710/

轉載于:https://www.cnblogs.com/sxc1991/p/7462938.html

總結

以上是生活随笔為你收集整理的消息队列的相关知识的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。