1、MQ介绍

1.1、什么是消息队列

消息队列（Message Queue）是一种进程间通信或同一进程的不同线程间的通信方式。通俗点来讲的话，消息队列就是一个存放消息的容器，是一种“先进先出”的数据结构

1.2、什么时候需要消息队列

1.2.1、异步处理

场景说明： 用户注册后，需要发送注册的邮件和注册的短信。

1.2.2、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和支付系统。传统的做法是，订单系统调用库存系统和支付系统的接口。但是传统的做法可能导致失败，引入消息队列，将订单系统与支付系统等解耦

1.2.3、流量削峰

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。有了消息队列可以将大量请求缓存起来，分散请求

1.2.4、内容分发

通过消息队列可以让数据在多个系统更加之间进行流通。数据的产生方不需要关心谁来使用数据，只需要将数据发

Rocket的架构

Name Server：相当于注册中心，更新和发现 Broker 服务
Broker：消息中转角色，负责存储消息，转发消息。 分为 Master Broker 和 Slave Broker，一个 Master Broker 可以对应多个 Slave Broker，但是一个 Slave Broker 只能对应一个 Master Broker。
生产者：同Name Server中的一个节点建立长连接，定期从 Name Server 读取 Topic 路由信息，并向提供 Topic 服务的 Master Broker 建立长链接
消费者：与 Name Server 中的其中一个节点（随机）建立长连接，定期从 Name Server 拉取 Topic 路由信息，并向提供 Topic 服务的 Master Broker、Slave Broker 建立长连接，且定时向 Master Broker、Slave Broker 发送心跳。

Rocket消息类型

普通消息（同步、异步、单向），顺序消息，定时消息，事务消息

1.3 MQ的优点和缺点

优点：异步处理、解耦、削峰、数据分发

缺点包含以下几点：

系统可用性降低

系统引入的外部依赖越多，系统稳定性越差。一旦MQ宕机，就会对业务造成影响。

如何保证MQ的高可用？
系统复杂度提高

MQ的加入大大增加了系统的复杂度，以前系统间是同步的远程调用，现在是通过MQ进行异步调用。

如何保证消息没有被重复消费？怎么处理消息丢失情况？那么保证消息传递的顺序性？
一致性问题

A系统处理完业务，通过MQ给B、C、D三个系统发消息数据，如果B系统、C系统处理成功，D系统处理失败。

如何保证消息数据处理的一致性？

1.4 选择消息队列的基本标准

一款及格的消息队列，必须具备的几个特性包括：

消息的可靠传递：确保不丢消息；
Cluster：支持集群，确保不会因为某个节点宕机导致服务不可用，当然也不能丢消息；
性能：具备足够好的性能，能满足绝大多数场景的性能要求。

接下来看一下有哪些符合上面这些条件，可供选择的开源消息队列。

1.4.1 RabbitMQ

简单来说就是轻量化，容易部署和使用，它最早是为电信行业系统设计的，而且支持非常灵活的路由配置，它在生产者（Producer）和队列（Queue）之间增加了一个 Exchange 模块，可以理解为交换机。

而且RabbitMQ 的客户端支持的编程语言是最多的

接下来说下 RabbitMQ 的几个缺点：

RabbitMQ 对消息堆积的支持并不好，当大量消息积压的时候，会导致 RabbitMQ 的性能急剧下降。
RabbitMQ 的性能差，大概每秒钟可以处理几万到十几万条消息。如果应用对消息队列的性能要求非常高，那不要选择 RabbitMQ。
RabbitMQ 使用的编程语言 Erlang，扩展和二次开发成本高。

1.4.2 RocketMQ

RocketMQ 是阿里巴巴开源的，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

RocketMQ 有着不错的性能，稳定性和可靠性，具备一个现代的消息队列应该有的几乎全部功能和特性，并且它还在持续的成长中。

RocketMQ 有非常活跃的中文社区，并且容易对 RocketMQ 进行扩展或者二次开发。

毫秒级的响应，每秒钟大概能处理几十万条消息。

RocketMQ 的劣势是与周边生态系统的集成和兼容程度不够。

1.4.3 Kafka

Apache Kafka 是一个分布式消息发布订阅系统。

Kafka 与周边生态系统的兼容性是最好的没有之一，尤其在大数据和流计算领域，几乎所有的相关开源软件系统都会优先支持 Kafka。

Kafka 性能高效、可扩展良好并且可持久化。它的分区特性，可复制和可容错都是不错的特性。

Kafka 使用 Scala 和 Java 语言开发，设计上大量使用了批量和异步的思想，使得 Kafka 能做到超高的性能。Kafka 的性能，尤其是异步收发的性能，是三者中最好的，但与 RocketMQ 并没有量级上的差异，大约每秒钟可以处理几十万条消息。

在有足够的客户端并发进行异步批量发送，并且开启压缩的情况下，Kafka 的极限处理能力可以超过每秒 2000 万条消息。

但是 Kafka 异步批量的设计带来的问题是，它的同步收发消息的响应时延比较高，因为当客户端发送一条消息的时候，Kafka 并不会立即发送出去，而是要等一会儿攒一批再发送，在它的 Broker 中，很多地方都会使用这种先攒一波再一起处理的设计。当你的业务场景中，每秒钟消息数量没有那么多的时候，Kafka 的时延反而会比较高。所以，Kafka 不太适合在线业务场景。

1.5 各种MQ产品的比较

常见的MQ产品包括RabbitMQ、RocketMQ、Kafka。

特性	RabbitMQ	RocketMQ	Kafka
开发语言	erlang	java	scala
单机吞吐量	万级	十万级	十万级
时效性	us级	ms级	ms级以内
可用性	高（主从架构）	很高（分布式架构）	很高（分布式架构）
可靠性	基本不丢	经过参数优化配置，可以做到 0 丢失	经过参数优化配置，可以做到 0 丢失
功能特性	基于 erlang 开发，并发能力很强，性能极好，延时很低	MQ 功能较为完善，还是分布式的，扩展性好	只支持主要的MQ的功能，像一些消息队列的信息查询，消息回溯等功能没有提供，毕竟是为大数据准备的，在大数据领域应用广。

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（我们公司肯定是要往这个方向发展的），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。

Rocket MQ