前言

接下来我在写一些技术类科普的文章，大致会以who(它是谁)、why(为什么)、how(怎么做)的写作方向来向大家介绍说明，因为我认为这样子介绍说明思路会比较明确，也能够更快学会一项新技能，个人拙见，写得不好、不对的地方，还望大家赐教。

Who|什么是消息队列（MQ）

在计算机科学中，消息队列（英语：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，软件的贮列用来处理一系列的输入，通常是来自用户。消息队列提供了异步的通信协议，每一个贮列中的纪录包含详细说明的资料，包含发生的时间，输入设备的种类，以及特定的输入参数，也就是说：消息的发送者和接收者不需要同时与消息队列交互。消息会保存在队列中，直到接收者取回它。[1]

一个 WIMP 环境像是 Microsoft Windows，借由优先的某些形式（通常是事件的时间或是重要性的顺序）来存储用户产生的事件到一个 事件贮列 中。系统把每个事件从事件贮列中传递给目标的应用程序。

​ —*

MQ（Message Queue）消息队列，是基础数据结构中“先进先出”的一种数据结构。指把要传输的数据（消息）放在队列中，用队列机制来实现消息传递——生产者产生消息并把消息放入队列，然后由消费者去处理。消费者可以到指定队列拉取消息，或者订阅相应的队列，由MQ服务端给其推送消息。

​ —百度百科

简单来说，就是排队的意思，先进先出。

Why|为什么用MQ

查个题外话，我认为使用一项新技术的时候，我们要综合考虑该技术的利弊性、维护性、成本性，而不是盲目跟随主流，自己的业务产品不管三七二十一都使用最新的技术，也得根据项目的实际情况来最终决定。

回归主题，存在即合理，它的主要的三大应用场景：应用解耦、异步消息、流量削峰，除此之外，还有延迟通知、分布式事务、顺序消息、流式处理等等。下面我主要细说下它的三大应用场景。

应用解耦

一个业务需要多个模块共同实现，或者一条消息有多个系统需要对应处理，只需要主业务完成以后，发送一条MQ，其余模块消费MQ消息，即可实现业务，降低模块之间的耦合。

举个例子，有个业务场景，我有三个系统，分别是A、B、C系统，大致业务是，A系统操作完具体业务，会分别调用B跟C的接口。

传统做法

正常情况，我们会直接在A系统的代码里面写上对B、C系统的接口请求。如下图

可能存在问题：

1、假设其中一个系统因为不确定因素导致宕机了，这时候是不是整个业务都走不下去了

2、假设业务突然又需要增加调用一个D系统，或者去除C系统的调用，那是不是代码又要重新改一次

3、改任何一个系统的代码，都要小心翼翼的

因此根据以上几点，我们可以明显看出应用系统之间的耦合度很高，没有很独立的思想，所以就需要引用MQ来作为中间件来降低它们之间的耦合度。

MQ做法

A系统就产生一条数据发送到MQ，这时候BCD系统哪个需要这个数据就自行去消费即可，如果又新增或减少好几个应用系统，只需要在去消费或者取消消费。

由此可见，这样子A系统是不是很独立了，压根就不需要管BCD系统会出现什么异常情况，A系统的代码也不再需要重新维护。

异步处理

主业务执行结束后从属业务通过MQ，异步执行，减低业务的响应时间，提高用户体验。

举个例子，有个预约挂号的业务，病人挂号成功后，需要发送短信通知跟微信通知

传统做法

假设都正常执行，用户挂号操作调用挂号系统接口耗时200ms，然后在调用短信接口200ms，再调用微信通知接口200ms，那这样子加起来一共就要600ms，这是正常情况，假如出现某个接口很耗时，那这样子就很影响用户体验了

MQ做法

挂号系统接口是必须的，还是200ms，然后挂号系统在产生消息到MQ花费3ms，短信接口跟微信系统到时候在自行消费，那响应速度一下子变成快了近2倍

流量削峰

高并发情况下，业务异步处理，提供高峰期业务处理能力，避免系统瘫痪。

举个例子，A系统每天都风平浪静的，每秒平均的并发量也才50个，但是有一天，在某个时间段，突然每秒的并发请求量激增到6K+，假如该系统的数据库是用mysql，每秒执行6K+条的SQL。正常的mysql数据库能够抗住每秒2k条的执行语句，一下子到6k+，会直接导致数据库崩溃，从而导致系统也崩溃了。

传统做法

MQ做法

引用 MQ，直接将全部的请求（每秒 6k+） 个请求写入 MQ，因为我们的A系统最大的承载量是每秒2k个请求，所以每次从MQ中慢慢拉取，一次就拉取2k请求，不超过自己系统的最大请求量就行了。这样子，即使在高峰的请求量，也不用在怕A系统会崩溃。虽然在高峰期的时候，这些请求可能堆积在MQ中有几十万甚至几百万条，但是只要一过高峰期，从MQ每秒2k条的拉取执行，很快也会被消化完毕的。

MQ有什么优缺点

东西都是有两面性的。优点就不用说了吧，就是上面说的那些，下面我们来说说有哪些缺点跟需要考虑的问题

• 系统可⽤性降低

系统引⼊的外部依赖越多，越容易挂掉。本来 A 系统调⽤ BCD 三个系统的接⼝就好了，没啥问题，但偏偏加个 MQ 进来，万⼀ MQ 挂了咋整，MQ ⼀挂，不仅整套系统崩溃的，你也就崩溃？所以要保证消息队列的⾼可⽤。

• 系统复杂度提⾼

硬⽣⽣加个 MQ 进来，你怎么保证消息没有重复消费？怎么处理消息丢失的情况？怎么保证消息传递的顺序性？

• ⼀致性问题

A 系统处理完了直接返回成功了，都以为这个请求就成功了；但是问题是，要是 BCD三个系统中，BD 两个系统写库成功了，结果 C 系统写库失败了，咋整？这时候数据就不⼀致了。

总结一下:

• 如何保证消息的高可用

• 如何保证消息消费的幂等性

• 如何处理消息丢失问题

• 如何保证消息的顺序性

• 如何解决消息积压

• 如何保持数据一致性

How|怎么用MQ

目前市场常见的消息队列产品主要有ActiveMQ、RabbitMQ、RocketMQ、Kafka等。

那么怎么选择一款符合自己产品的MQ就很关键了。下面有个对比分享做参考。

特性	ActiveMQ	RabbitMQ	RocketMQ	Kafka
开发语言	Java	Erlang	Java	Scala&Java
客户端支持语言	Java、C、C++、Python、PHP、Pert、.net等	几乎支持所有常用语言	Java、C++	官方支持Java，但是开源社区有常用语言版本
单机吞吐量	万级，比 RocketMQ、Kafka 低一个数量级	同 ActiveMQ	10 万级，支撑高吞吐	10 万级，高吞吐，一般配合大数据类的系统来进行实时数据计算、日志采集等场景
topic 数量对吞吐量的影响			topic 可以达到几百/几千的级别，吞吐量会有较小幅度的下降，这是 RocketMQ 的一大优势，在同等机器下，可以支撑大量的 topic	topic 从几十到几百个时候，吞吐量会大幅度下降，在同等机器下，Kafka 尽量保证 topic 数量不要过多，如果要支撑大规模的 topic，需要增加更多的机器资源
时效性	ms 级	微秒级，这是 RabbitMQ 的一大特点，延迟最低	ms 级	延迟在 ms 级以内
可用性	高，基于主从架构实现高可用	同 ActiveMQ	非常高，分布式架构	非常高，分布式，一个数据多个副本，少数机器宕机，不会丢失数据，不会导致不可用
消息可靠性	有较低的概率丢失数据	基本不丢	经过参数优化配置，可以做到 0 丢失	同 RocketMQ
功能支持	MQ 领域的功能极其完备	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	功能较为简单，主要支持简单的 MQ 功能，在大数据领域的实时计算以及日志采集被大规模使用

综上，各种对比之后，有如下建议：

• ActiveMQ最为老牌MQ，现在用的人不多，社区也不太活跃，所有不推荐
• 中小企业，并发量不是很大的，追求稳定，RabbitMQ是首选
• Java首选RocketMQ，毕竟阿里出品，向大厂看齐
• 大数据领域的用 Kafka 是业内标准的，社区活跃度很高