消息队列概述消息队列中间件是分布式系统中重要的组件主要解决应用耦合异步消息流量削锋等问题。实现高性能高可用可伸缩和最终一致性架构。是大型分布式系统不可缺少的中间件。目前在生产环境使用较多的消息队列有ActiveMQRabbitMQZeroMQKafkaMetaMQRocketMQ等。二、消息队列应用场景以下介绍消息队列在实际应用中常用的使用场景。异步处理应用解耦流量削锋和消息通讯四个场景。2.1异步处理场景说明用户注册后需要发注册邮件和注册短信。传统的做法有两种1.串行的方式2.并行方式。1串行方式将注册信息写入数据库成功后发送注册邮件再发送注册短信。以上三个任务全部完成后返回给客户端。架构KKQ466097527欢迎加入2并行方式将注册信息写入数据库成功后发送注册邮件的同时发送注册短信。以上三个任务完成后返回给客户端。与串行的差别是并行的方式可以提高处理的时间。假设三个业务节点每个使用50毫秒钟不考虑网络等其他开销则串行方式的时间是150毫秒并行的时间可能是100毫秒。因为CPU在单位时间内处理的请求数是一定的假设CPU1秒内吞吐量是100次。则串行方式1秒内CPU可处理的请求量是7次1000/150。并行方式处理的请求量是10次1000/100。小结如以上案例描述传统的方式系统的性能并发量吞吐量响应时间会有瓶颈。如何解决这个问题呢引入消息队列将不是必须的业务逻辑异步处理。改造后的架构如下按照以上约定用户的响应时间相当于是注册信息写入数据库的时间也就是50毫秒。注册邮件发送短信写入消息队列后直接返回因此写入消息队列的速度很快基本可以忽略因此用户的响应时间可能是50毫秒。因此架构改变后系统的吞吐量提高到每秒20 QPS。比串行提高了3倍比并行提高了两倍。2.2应用解耦场景说明用户下单后订单系统需要通知库存系统。传统的做法是订单系统调用库存系统的接口。如下图架构KKQ466097527欢迎加入传统模式的缺点1 假如库存系统无法访问则订单减库存将失败从而导致订单失败2 订单系统与库存系统耦合如何解决以上问题呢引入应用消息队列后的方案如下图订单系统用户下单后订单系统完成持久化处理将消息写入消息队列返回用户订单下单成功。库存系统订阅下单的消息采用拉/推的方式获取下单信息库存系统根据下单信息进行库存操作。假如在下单时库存系统不能正常使用。也不影响正常下单因为下单后订单系统写入消息队列就不再关心其他的后续操作了。实现订单系统与库存系统的应用解耦。2.3流量削锋流量削锋也是消息队列中的常用场景一般在秒杀或团抢活动中使用广泛。应用场景秒杀活动一般会因为流量过大导致流量暴增应用挂掉。为解决这个问题一般需要在应用前端加入消息队列。可以控制活动的人数可以缓解短时间内高流量压垮应用用户的请求服务器接收后首先写入消息队列。假如消息队列长度超过最大数量则直接抛弃用户请求或跳转到错误页面秒杀业务根据消息队列中的请求信息再做后续处理。2.4日志处理日志处理是指将消息队列用在日志处理中比如Kafka的应用解决大量日志传输的问题。架构简化如下架构KKQ466097527欢迎加入日志采集客户端负责日志数据采集定时写受写入Kafka队列Kafka消息队列负责日志数据的接收存储和转发日志处理应用订阅并消费kafka队列中的日志数据以下是新浪kafka日志处理应用案例转自http://cloud.51cto.com/art/201507/484338.htm(1)Kafka接收用户日志的消息队列。(2)Logstash做日志解析统一成JSON输出给Elasticsearch。(3)Elasticsearch实时日志分析服务的核心技术一个schemaless实时的数据存储服务通过index组织数据兼具强大的搜索和统计功能。(4)Kibana基于Elasticsearch的数据可视化组件超强的数据可视化能力是众多公司选择ELK stack的重要原因。2.5消息通讯消息通讯是指消息队列一般都内置了高效的通信机制因此也可以用在纯的消息通讯。比如实现点对点消息队列或者聊天室等。点对点通讯客户端A和客户端B使用同一队列进行消息通讯。聊天室通讯客户端A客户端B客户端N订阅同一主题进行消息发布和接收。实现类似聊天室效果。以上实际是消息队列的两种消息模式点对点或发布订阅模式。模型为示意图供参考。三、消息中间件示例3.1电商系统消息队列采用高可用可持久化的消息中间件。比如Active MQRabbit MQRocket Mq。1应用将主干逻辑处理完成后写入消息队列。消息发送是否成功可以开启消息的确认模式。消息队列返回消息接收成功状态后应用再返回这样保障消息的完整性2扩展流程发短信配送处理订阅队列消息。采用推或拉的方式获取消息并处理。