消息隊列常見的幾種使用場景介紹！
點擊上方藍色“程序猿DD”，選擇“設(shè)為星標(biāo)”
回復(fù)“資源”獲取獨家整理的學(xué)習(xí)資料！
一、簡介
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(yīng)用耦合，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)。使用較多的消息隊列有ActiveMQ、RabbitMQ、ZeroMQ、Kafka、MetaMQ、RocketMQ。
二、消息隊列應(yīng)用場景
以下介紹消息隊列在實際應(yīng)用中常用的使用場景：異步處理，應(yīng)用解耦，流量削鋒和消息通訊四個場景。
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：串行的方式和并行方式。
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(wù)全部完成后，返回給客戶。
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(wù)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(shè)三個業(yè)務(wù)節(jié)點每個使用50毫秒鐘，不考慮網(wǎng)絡(luò)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(shè)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(yīng)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(wù)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(yīng)時間相當(dāng)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(yīng)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20QPS。比串行提高了3倍，比并行提高了兩倍！
2、應(yīng)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(dǎo)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(yīng)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(guān)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(yīng)用解耦。
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(yīng)用場景：秒殺活動，一般會因為流量過大，導(dǎo)致流量暴增，應(yīng)用掛掉。為解決這個問題，一般需要在應(yīng)用前端加入消息隊列。
可以控制活動的人數(shù)，可以緩解短時間內(nèi)高流量壓垮應(yīng)用。
用戶的請求，服務(wù)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(wù)根據(jù)消息隊列中的請求信息，再做后續(xù)處理。
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(yīng)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(zé)日志數(shù)據(jù)采集，定時寫受寫入Kafka隊列；Kafka消息隊列，負責(zé)日志數(shù)據(jù)的接收，存儲和轉(zhuǎn)發(fā)；日志處理應(yīng)用：訂閱并消費kafka隊列中的日志數(shù)據(jù)。
以下是新浪kafka日志處理應(yīng)用案例：
Kafka：接收用戶日志的消息隊列；
Logstash：做日志解析，統(tǒng)一成JSON輸出給Elasticsearch；
Elasticsearch：實時日志分析服務(wù)的核心技術(shù)，一個schemaless，實時的數(shù)據(jù)存儲服務(wù)，通過index組織數(shù)據(jù)，兼具強大的搜索和統(tǒng)計功能；
Kibana：基于Elasticsearch的數(shù)據(jù)可視化組件，超強的數(shù)據(jù)可視化能力是眾多公司選擇ELK stack的重要原因。
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
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(yīng)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(yīng)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(yīng)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(yīng)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；
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找服務(wù)；
日志收集客戶端，用于采集應(yīng)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)；
往期推薦
歡迎加入我的知識星球，聊技術(shù)、說職場、侃社會。
加入方式：長按下方二維碼噢
我的星球是否適合你？
點擊閱讀原文看看我們都聊過啥？