消息队列的优点
削峰:
比如：在一天中2点的访问量突然爆发，没用MQ的话系统，根本承受不住这种压力，数据库直接down掉，有了MQ会把突增的请求放入,慢慢消费掉。
解耦：
比如说有两个服务A和B,A把消息放到MQ中，B来进行消费。A只需要把消息放到MQ中，不用关心否有人进行消费。B只需要有消息就从MQ中取来消费，不用关心A的情况。
异步:
请求放到MQ中，请求就算结束了，可以立刻返回响应给客户端，用户体验极好，消费者异步去消费消息。
消息队列的缺点
系统可用性降低
系统外部依赖越多，越容易挂掉。万一MQ挂了，那系统流程就断了。
系统复杂度提高产生的问题
怎么保证消息有没有重复消费(幂等性)?
怎么保证消息不丢失?
怎么保证消息传递的时序性?
一致性问题
A放到MQ就返回成功了，B写库成功，C写库失败，数据就不一致了。
常见消息队列对比
| 特性 | ActiveMQ | RabbitMQ | RocketMQ | Kafka |
|---|---|---|---|---|
| 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，在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 | 微妙级，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，少数机器挂掉，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 | 基本不丢失 | 经过参数优化配置，可以做到0丢失 | 同RocketMQ |
| 功能支持 | MQ领域的功能及其完备 | 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，拓展性好 | 功能较为简单，主要支持简单地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：
一般的业务系统要引入 MQ，最早大家都用 ActiveMQ，但是现在确实大家用的不多了，没经过大规模吞吐量场景的验证，社区也不是很活跃，不推荐用这个了；
后来大家开始用 RabbitMQ，但是确实 erlang 语言阻止了大量的 Java 工程师去深入研究和掌控它，对公司而言，几乎处于不可控的状态，但是确实人家是开源的，比较稳定的支持，活跃度也高；
不过现在确实越来越多的公司会去用 RocketMQ，确实很不错，毕竟是阿里出品，但社区可能有突然黄掉的风险（目前 RocketMQ 已捐给 Apache，但 GitHub 上的活跃度其实不算高）对自己公司技术实力有绝对自信的，推荐用 RocketMQ，否则回去老老实实用 RabbitMQ 吧，人家有活跃的开源社区，绝对不会黄。
所以中小型公司，技术实力较为一般，技术挑战不是特别高，用 RabbitMQ 是不错的选择；大型公司，基础架构研发实力较强，用 RocketMQ 是很好的选择。
如果是大数据领域的实时计算、日志采集等场景，用 Kafka 是业内标准的，绝对没问题，社区活跃度很高，绝对不会黄，何况几乎是全世界这个领域的事实性规范。
