RabbitMQ——消息队列的作用（面试）

消息队列（MQ）

队列（Queue）

是一种“先进先出”数据机构，开发人员最早接触的队列，应该是LinkedList，LinkedList除了是List，也是一个Queue（实际上还是一个stack）。队列的作用，就像生活中买东西，需要排队，先排的人先买消费。

（先后顺序，并不一定是排队的先后，可以由其它权值判断，比如：要求长得高的人先消费。详细可以搜索词条“优先队列”）

消息队列（Message Queue）

简称是MQ，是message queue的缩写，直译就是消息队列（日常沟通可能直接称之为Q）。

Message Queue 在 Queue 的基础功能上，增加了很多新的特性：

1、观察者模式（生产者消费者经典案例，上课老师会教的那个）：A负责生产数据，B负责消费数据。利用这个特性，可以实现很多功能，例如：应用解耦，数据总线。

2、异步

3、数据缓存：队列本身属于数据存储结构，对于无法立即处理的消息，可以暂存在队列中，利用这种特征，可以用于实现 “流量消峰填谷”的功能。

 

常见的应用场景

应用解耦、消息分发

（观察者模式的应用）
对于一些大型项目，项目可能由很多个公司共同参与，某些数据一旦产生，可能会有无数个下游系统关注这些数据，主系统不可能给所有的子系统推送消息，子系统应当主动地选择数据进行订阅。
案例：订单数据，商品一旦下单，小程序、报表统计等等，都需要获取这些数据。

数据总线

如果用过EventBus的话，会更容易理解。和第一点的说法非常像，不过是属于更小的应用，就比如微服务，详见spring-boot-starter-amqp。

案例：A同事开发一个项目，B同事开发另一个项目，A和B业务上发生耦合了，使用消息队列的情况下，双方只要协商好数据格式即可，一个人只要负责往队列发送数据，另一个人只要负责消费。

（微服务中有专门的实现工具可以直接使用，本质上看与前一个案例相同。）

流量消峰填谷

（缓存的作用，需要程序员对队列有非常深刻的理解，机器故障时，数据恢复过程是非常棘手的问题）
在短时间内，可能会产生大量的数据，服务器无法及时消化这些数据，这时候，先暂时缓存这些数据，等到服务器资源闲置时，再处理这些数据。

异步

严格上说，这并不算优点，优缺点并存，优点是如果无需关注数据是如何消费的，消息推送之后可以及时释放资源，而缺点，就是处理业务时，需要时刻关注状态的变化。

案例：以文件解压缩为例，A 线程发现文件，将文件信息推送到队列中，等待压缩，B 线程也发现这个文件，并且执行相同的操作，
这时候就容易出现问题，可能会把文件解压 2 次，文件从 “发现” 到 “解压成功” 的时间里，文件处于将要处理而未处理的特殊状态，“异步”需要我们时时刻刻关注这种状态的变化。