一、簡介
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。使用較多的訊息佇列有activemq、rabbitmq、zeromq、kafka、metamq、rocketmq。
二、訊息佇列應用場景
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。
1、非同步處理
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：序列的方式和並行方式。
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。
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20qps。比序列提高了3倍，比並行提高了兩倍！
2、應用解耦
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：
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？引入應用訊息佇列後的方案，如下圖：
訂單系統：使用者下單後，訂單系統完成持久化處理，將訊息寫入訊息佇列，返回使用者訂單下單成功
庫存系統：訂閱下單的訊息，採用拉/推的方式，獲取下單資訊，庫存系統根據下單資訊，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，因為下單後，訂單系統寫入訊息佇列就不再關心其他的後續操作了。實現訂單系統與庫存系統的應用解耦。
3、流量削鋒
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。
4、日誌處理
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：
日誌採集客戶端，負責日誌資料採集，定時寫受寫入kafka佇列；kafka訊息佇列，負責日誌資料的接收，儲存和**；日誌處理應用：訂閱並消費kafka佇列中的日誌資料。
kafka：接收使用者日誌的訊息佇列；
logstash：做日誌解析，統一成json輸出給elasticsearch；
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；
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。
5、訊息通訊
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。
三、訊息中介軟體示例
1、電商系統
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。
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）；
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；
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；
2、日誌收集系統
zookeeper註冊中心，提出負載均衡和位址查詢服務；
日誌收集客戶端，用於採集應用系統的日誌，並將資料推送到kafka佇列；
kafka集群：接收，路由，儲存，**等訊息處理；
本群提供免費的學習指導 架構資料 以及免費的解答
不懂得問題都可以在本群提出來 之後還會有職業生涯規劃以及面試指導
訊息佇列常見的 5 個應用場景
一 簡介 訊息中介軟體 message queue middleware，簡稱mq 又稱為訊息佇列，是指利用高效可靠的訊息傳遞機制進行與平台無關的資料交流，並基於資料通訊來進行分布式系統的構建。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...
訊息佇列常見的 5 個應用場景
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。使用較多的訊息佇列有activemq rabbitmq zeromq kafka metamq rocketmq。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...
訊息佇列常見的 5 個應用場景
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。使用較多的訊息佇列有activemq rabbitmq zeromq kafka metamq rocketmq。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...