一、消息隊列概述

消息隊列中間件是分布式系統(tǒng)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(xiàn)高性能，高可用，可伸縮和最終一致性架構(gòu)。目前使用較多的消息隊列有ActiveMQ，RabbitMQ，ZeroMQ，Kafka，MetaMQ，RocketMQ。

二、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(fā)注冊郵件和注冊短信。傳統(tǒng)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(shù)據(jù)庫成功后，發(fā)送注冊郵件，再發(fā)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(shù)據(jù)庫成功后，發(fā)送注冊郵件的同時，發(fā)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(yè)務節(jié)點每個使用50毫秒鐘，不考慮網(wǎng)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(nèi)處理的請求數(shù)是一定的，假設CPU1秒內(nèi)吞吐量是100次。則串行方式1秒內(nèi)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(jié)：如以上案例描述，傳統(tǒng)的方式系統(tǒng)的性能(并發(fā)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(yè)務邏輯，異步處理。改造后的架構(gòu)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(shù)據(jù)庫的時間，也就是50毫秒。注冊郵件，發(fā)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(gòu)改變后，系統(tǒng)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(tǒng)需要通知庫存系統(tǒng)。傳統(tǒng)的做法是，訂單系統(tǒng)調(diào)用庫存系統(tǒng)的接口。如下圖：

傳統(tǒng)模式的缺點：假如庫存系統(tǒng)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(tǒng)與庫存系統(tǒng)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(tǒng)：用戶下單后，訂單系統(tǒng)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(tǒng)：訂閱下單的消息，采用拉/推的方式，獲取下單信息，庫存系統(tǒng)根據(jù)下單信息，進行庫存操作

假如：在下單時庫存系統(tǒng)不能正常使用。也不影響正常下單，因為下單后，訂單系統(tǒng)寫入消息隊列就不再關心其他的后續(xù)操作了。實現(xiàn)訂單系統(tǒng)與庫存系統(tǒng)的應用解耦

2.3流量削峰

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(shù)

b、可以緩解短時間內(nèi)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(shù)量，則直接拋棄用戶請求或跳轉(zhuǎn)到錯誤頁面。

秒殺業(yè)務根據(jù)消息隊列中的請求信息，再做后續(xù)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?shù)膯栴}。架構(gòu)簡化如下：

日志采集客戶端，負責日志數(shù)據(jù)采集，定時寫受寫入Kafka隊列。

Kafka消息隊列，負責日志數(shù)據(jù)的接收，存儲和轉(zhuǎn)發(fā)。

日志處理應用：訂閱并消費kafka隊列中的日志數(shù)據(jù)。

2.5消息通訊

消息通訊是指，消息隊列一般都內(nèi)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(xiàn)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(fā)布和接收。實現(xiàn)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(fā)布訂閱模式。模型為示意圖，供參考。

三、消息中間件示例

3.1電商系統(tǒng)

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。

應用將主干邏輯處理完成后，寫入消息隊列。消息發(fā)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(tài)后，應用再返回，這樣保障消息的完整性)

擴展流程(發(fā)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。

消息將應用解耦的同時，帶來了數(shù)據(jù)一致性問題，可以采用最終一致性方式解決。比如主數(shù)據(jù)寫入數(shù)據(jù)庫，擴展應用根據(jù)消息隊列，并結(jié)合數(shù)據(jù)庫方式實現(xiàn)基于消息隊列的后續(xù)處理。

3.2日志收集系統(tǒng)

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×××

日志收集客戶端，用于采集應用系統(tǒng)的日志，并將數(shù)據(jù)推送到kafka隊列

Kafka集群：接收，路由，存儲，轉(zhuǎn)發(fā)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(shù)據(jù)

MQ選型對比文檔

綜合選擇RabbitMq

Kafka是linkedin開源的MQ系統(tǒng)，主要特點是基于Pull的模式來處理消息消費，追求高吞吐量，一開始的目的就是用于日志收集和傳輸，0.8開始支持復制，不支持事務，適合產(chǎn)生大量數(shù)據(jù)的互聯(lián)網(wǎng)服務的數(shù)據(jù)收集業(yè)務。

RabbitMQ是使用Erlang語言開發(fā)的開源消息隊列系統(tǒng)，基于AMQP協(xié)議來實現(xiàn)。AMQP的主要特征是面向消息、隊列、路由(包括點對點和發(fā)布/訂閱)、可靠性、安全。AMQP協(xié)議更多用在企業(yè)系統(tǒng)內(nèi)，對數(shù)據(jù)一致性、穩(wěn)定性和可靠性要求很高的場景，對性能和吞吐量的要求還在其次。

RocketMQ是阿里開源的消息中間件，它是純Java開發(fā)，具有高吞吐量、高可用性、適合大規(guī)模分布式系統(tǒng)應用的特點。RocketMQ思路起源于Kafka，但并不是Kafka的一個Copy，它對消息的可靠傳輸及事務性做了優(yōu)化，目前在阿里集團被廣泛應用于交易、充值、流計算、消息推送、日志流式處理、binglog分發(fā)等場景。

ZeroMQ只是一個網(wǎng)絡編程的Pattern庫，將常見的網(wǎng)絡請求形式(分組管理，鏈接管理，發(fā)布訂閱等)模式化、組件化，簡而言之socket之上、MQ之下。對于MQ來說，網(wǎng)絡傳輸只是它的一部分，更多需要處理的是消息存儲、路由、Broker服務發(fā)現(xiàn)和查找、事務、消費模式(ack、重投等)、集群服務等。

RabbitMQ/Kafka/ZeroMQ 都能提供消息隊列服務，但有很大的區(qū)別。

在面向服務架構(gòu)中通過消息代理(比如 RabbitMQ / Kafka等)，使用生產(chǎn)者-消費者模式在服務間進行異步通信是一種比較好的思想。

因為服務間依賴由強耦合變成了松耦合。消息代理都會提供持久化機制，在消費者負載高或者掉線的情況下會把消息保存起來，不會丟失。就是說生產(chǎn)者和消費者不需要同時在線，這是傳統(tǒng)的請求-應答模式比較難做到的，需要一個中間件來專門做這件事。其次消息代理可以根據(jù)消息本身做簡單的路由策略，消費者可以根據(jù)這個來做負載均衡，業(yè)務分離等。

缺點也有，就是需要額外搭建消息代理集群(但優(yōu)點是大于缺點的 ) 。

ZeroMQ 和 RabbitMQ/Kafka 不同，它只是一個異步消息庫，在套接字的基礎上提供了類似于消息代理的機制。使用 ZeroMQ 的話，需要對自己的業(yè)務代碼進行改造，不利于服務解耦。

RabbitMQ 支持 AMQP(二進制)，STOMP(文本)，MQTT(二進制)，HTTP(里面包裝其他協(xié)議)等協(xié)議。Kafka 使用自己的協(xié)議。

Kafka 自身服務和消費者都需要依賴 Zookeeper。

RabbitMQ 在有大量消息堆積的情況下性能會下降，Kafka不會。畢竟AMQP設計的初衷不是用來持久化海量消息的，而Kafka一開始是用來處理海量日志的。

總的來說，RabbitMQ 和 Kafka 都是十分優(yōu)秀的分布式的消息代理服務，只要合理部署，不作，基本上可以滿足生產(chǎn)條件下的任何需求。

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論