分布式开发之消息队列
本文围绕如下几点进行阐述:
- 为什么使用消息队列？
- 使用消息队列有什么缺点?
- 消息队列如何选型?
- 如何保证消息队列是高可用的？
- 如何保证消息不被重复消费?
- 如何保证消费的可靠性传输?
- 如何保证消息的顺序性？
1. 为什么使用消息队列？
解耦，异步，限流
1.1 解耦
1.1.1 传统模式
传统模式的缺点：
- 系统间耦合性太强，如上图所示，系统A在代码中直接调用系统B和系统C的代码，如果将来D系统接入，系统A还需要修改代码，增加维护难度
1.1.2 中间件模式
中间件模式的的优点：
- 将消息写入消息队列，需要消息的系统自己从消息队列中订阅，从而系统A不需要做任何修改。
1.2 异步
1.2.1 传统模式
传统模式的缺点：
- 一些非必要的业务逻辑以同步的方式运行，太耗费时间。
1.2.2 MQ中间件模式
中间件模式的的优点：
- 将消息写入消息队列，非必要的业务逻辑以异步的方式运行，加快响应速度
1.3 限流
1.3.1 传统模式
传统模式的缺点：
- 并发量大的时候，所有的请求直接怼到数据库，造成数据库连接异常
1.3.2 中间件模式
中间件模式的的优点：
- 系统A慢慢的按照数据库能处理的并发量，从消息队列中慢慢拉取消息。在生产中，这个短暂的高峰期积压是允许的。
2. 使用消息队列有什么缺点?
导致系统可用性降低，若MQ发生故障会影响系统可用性。系统复杂性增加，引入MQ会引入新的关注点，比如需要考虑消息可靠性投递，消息重复消费等问题。
3. 消息队列如何选型?
1. 看MQ更新频率
2. 看MQ性能
3. 比较MQ各自特点，比如Kafka适合大数据场景如日志采集
4. 如何保证消息队列是高可用的？
以RcoketMQ为例，他的集群就有多master 模式、多master多slave异步复制模式、多 master多slave同步双写模式。多master多slave模式部署架构图：
Rocket的高可用架构和kafka很像，只是NameServer集群，在kafka中是用zookeeper代替，都是用来保存和发现master和slave用的。通信过程如下:
Producer 与 NameServer集群中的其中一个节点（随机选择）建立长连接，定期从 NameServer 获取 Topic 路由信息，并向提供 Topic 服务的 Broker Master 建立长连接，且定时向 Broker 发送心跳。Producer 只能将消息发送到 Broker master，但是 Consumer 则不一样，它同时和提供 Topic 服务的 Master 和 Slave建立长连接，既可以从 Broker Master 订阅消息，也可以从 Broker Slave 订阅消息。
kafka：
如上图所示，一个典型的Kafka集群中包含若干Producer（可以是web前端产生的Page View，或者是服务器日志，系统CPU、Memory等），若干broker（Kafka支持水平扩展，一般broker数量越多，集群吞吐率越高），若干Consumer Group，以及一个Zookeeper集群。Kafka通过Zookeeper管理集群配置，选举leader，以及在Consumer Group发生变化时进行rebalance。Producer使用push模式将消息发布到broker，Consumer使用pull模式从broker订阅并消费消息。
5. 如何保证消息不被重复消费?
其实无论是那种消息队列，造成重复消费原因其实都是类似的。正常情况下，消费者在消费消息时候，消费完毕后，会发送一个确认信息给消息队列，消息队列就知道该消息被消费了，就会将该消息从消息 队列中删除。只是不同的消息队列发送的确认信息形式不同,例如RabbitMQ是发送一个ACK确认消息，RocketMQ是返回一个CONSUME_SUCCESS成功标志，kafka实际上有个offset的概念，简单说一下(如果还不懂，出门找一个kafka入门到精通教程),就是每一个消息都有一个offset，kafka消费过消息后，需要提交offset，让消息队列知道自己已经消费过了。那造成重复消费的原因?，就是因为网络传输等等故障，确认信息没有传送到消息队列，导致消息队列不知道自己已经消费过该消息了，再次将该消息分发给其他的消费者。
1. 利用数据库主键唯一性:全局唯一ID + 指纹码。当唯一ID插入数据库时会因为主键约束而失败，这样就能保障消息不会被重复消费。
2. 利用redis的原子性。但也有需要考虑的问题。如何消息落地。
6.如何保障消费的可靠性传输？
可靠性传输要从三个角度来分析:生产者弄丢数据、消息队列弄丢数据、消费者弄丢数据
6.1 生产端的可靠性投递
保障消息的成功发出，保障MQ节点的成功接收，发送端收到MQ节点确认应答。完善的消息进行补偿机制。
6.1.1 解决方案
6.1.1.1 消息落库，对消息状态进行打标。
- 写入数据库，可能涉及多个库，业务库，消息库
- 发送消息
- 消息确认
- 更新数据库消息状态
- 定时任务获取数据库消息状态
- 重试发送
- 重试数量大于 3 次，修改状态，停止重试
6.1.1.2 消息的延迟投递，做二次确认，回调检查。
如果再高并发的情况下，消息就不要入库了，延迟投递，可以不保证首次100%的成功，但是一定要保证性能。
- 首次发送，一定等到业务数据入库之后再发送消息，Upstream serivce上游服务
- 延迟发送刚发送消息 的 检查消息
- 当消费者消费消息
- 消息消费成功之后，发送一个确认消费消息
- CallBack服务收到消费者的确认消息，消费成功之后，做消息的持久化存储
-
CallBack服务检查，处理第二步发送的检查消息，检查数据库是否有处理成功，如果处理成功了，那么就不用处理任何事情，如果处理失败了，Callback服务再通知Upstream服务再次发送消息。
6.2 MQ消息队列丢数据
处理消息队列丢数据的情况，一般是开启持久化磁盘的配置。这个持久化配置可以和confirm机制配合使用，你可以在消息持久化磁盘后，再给生产者发送一个Ack信号。这样，如果消息持久化磁盘之前，rabbitMQ阵亡了，那么生产者收不到Ack信号，生产者会自动重发。
那么如何持久化呢，这里顺便说一下吧，其实也很容易，就下面两步
1、将queue的持久化标识durable设置为true,则代表是一个持久的队列
2、发送消息的时候将deliveryMode=2
这样设置以后，rabbitMQ就算挂了，重启后也能恢复数据
6.3 消费者丢数据
消费者丢数据一般是因为采用了自动确认消息模式。这种模式下，消费者会自动确认收到信息。这时RabbitMQ会立即将消息删除，这种情况下如果消费者出现异常而没能处理该消息，就会丢失该消息。
至于解决方案，采用手动确认消息即可。
7.如何保证消息的顺序性？
1. 发送的顺序消息，必须保障消息投递到同一个队列，且这个消费者只能有一个。
2. 然后需要统一提交（可能合并成一个大消息，也可能是拆分为多个消息），并且所有消息的会话ID一致。
3. 添加消息属性： 顺序标记的序号，和本次顺序消息的size属性，进行落库操作。
4. 并行进行发送给自身的延迟消息（注意带上关键属性：会话ID，Size）进行后续处理消费。
5. 当收到延迟消息后，根据会话ID，size抽取数据库数据进行处理即可。
6. 定时轮询补偿机制，对于异常情况。
