分布式訊息佇列（1）

訊息佇列中介軟體是分布式系統中重要的元件，主要解決應用耦合，非同步訊息，流量削鋒等問題。實現高效能，高可用，可伸縮和最終一致性架構。是大型分布式系統不可缺少的中介軟體。

目前在生產環境，使用較多的訊息佇列有activemq，rabbitmq，zeromq，kafka，metamq，rocketmq等。

以下介紹訊息佇列在實際應用中常用的使用場景。非同步處理，應用解耦，流量削鋒和訊息通訊四個場景。

場景說明：使用者註冊後，需要發註冊郵件和註冊簡訊。傳統的做法有兩種1.序列的方式；2.並行方式。

（1）序列方式：將註冊資訊寫入資料庫成功後，傳送註冊郵件，再傳送註冊簡訊。以上三個任務全部完成後，返回給客戶端。（架構kkq：466097527，歡迎加入）

（2）並行方式：將註冊資訊寫入資料庫成功後，傳送註冊郵件的同時，傳送註冊簡訊。以上三個任務完成後，返回給客戶端。與序列的差別是，並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，不考慮網路等其他開銷，則序列方式的時間是150毫秒，並行的時間可能是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。則序列方式1秒內cpu可處理的請求量是7次（1000/150）。並行方式處理的請求量是10次（1000/100）。

小結：如以上案例描述，傳統的方式系統的效能（併發量，吞吐量，響應時間）會有瓶頸。如何解決這個問題呢？

引入訊息佇列，將不是必須的業務邏輯，非同步處理。改造後的架構如下：

按照以上約定，使用者的響應時間相當於是註冊資訊寫入資料庫的時間，也就是50毫秒。註冊郵件，傳送簡訊寫入訊息佇列後，直接返回，因此寫入訊息佇列的速度很快，基本可以忽略，因此使用者的響應時間可能是50毫秒。因此架構改變後，系統的吞吐量提高到每秒20 qps。比序列提高了3倍，比並行提高了兩倍。

場景說明：使用者下單後，訂單系統需要通知庫存系統。傳統的做法是，訂單系統呼叫庫存系統的介面。如下圖：（架構kkq：466097527，歡迎加入）

傳統模式的缺點：

1）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；

2）訂單系統與庫存系統耦合；

如何解決以上問題呢？引入應用訊息佇列後的方案，如下圖：

流量削鋒也是訊息佇列中的常用場景，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訊息佇列。

可以控制活動的人數；

可以緩解短時間內高流量壓垮應用；

使用者的請求，伺服器接收後，首先寫入訊息佇列。假如訊息佇列長度超過最大數量，則直接拋棄使用者請求或跳轉到錯誤頁面；

秒殺業務根據訊息佇列中的請求資訊，再做後續處理。

日誌處理是指將訊息佇列用在日誌處理中，比如kafka的應用，解決大量日誌傳輸的問題。架構簡化如下：（架構kkq：466097527，歡迎加入）

(1)kafka：接收使用者日誌的訊息佇列。

(2)logstash：做日誌解析，統一成json輸出給elasticsearch。

(3)elasticsearch：實時日誌分析服務的核心技術，乙個schemaless，實時的資料儲存服務，通過index組織資料，兼具強大的搜尋和統計功能。

(4)kibana：基於elasticsearch的資料視覺化元件，超強的資料視覺化能力是眾多公司選擇elk stack的重要原因。

訊息通訊是指，訊息佇列一般都內建了高效的通訊機制，因此也可以用在純的訊息通訊。比如實現點對點訊息佇列，或者聊天室等。

點對點通訊：

客戶端a和客戶端b使用同一佇列，進行訊息通訊。

聊天室通訊：

客戶端a，客戶端b，客戶端n訂閱同一主題，進行訊息發布和接收。實現類似聊天室效果。

以上實際是訊息佇列的兩種訊息模式，點對點或發布訂閱模式。模型為示意圖，供參考。

訊息佇列採用高可用，可持久化的訊息中介軟體。比如active mq，rabbit mq，rocket mq。（1）應用將主幹邏輯處理完成後，寫入訊息佇列。訊息傳送是否成功可以開啟訊息的確認模式。（訊息佇列返回訊息接收成功狀態後，應用再返回，這樣保障訊息的完整性）

（2）擴充套件流程（發簡訊，配送處理）訂閱佇列訊息。採用推或拉的方式獲取訊息並處理。

（3）訊息將應用解耦的同時，帶來了資料一致性問題，可以採用最終一致性方式解決。比如主資料寫入資料庫，擴充套件應用根據訊息佇列，並結合資料庫方式實現基於訊息佇列的後續處理。

原文出處：