MQ

1.消息队列作用

1.1.流量消峰

举个例子，如果订单系统最多能处理一万次订单， 这个处理能力应付正常时段的 下单时绰绰有余，正常时段我们下单1秒后就能返回结果。
但是在高峰期，如果有两万次下单操作系统是处理不了的，只能限制订单超过一万后不允许用户下单。
使用消息队列做缓冲，我们可以取消这个限制，把1秒内下的订单分散成一段时间来处理,这时有些用户可能在下单十几秒后才能收到下单成功的操作,但是比不能下单的体验要好。

1.2.应用解耦

以电商应用为例，应用中有订单系统、库存系统、物流系统、支付系统。
用户创建订单后，如果耦合调用库存系统、物流系统、支付系统，任何一个子系统出了故障，都会造成下单操作异常。
当转变成基于消息队列的方式后，系统间调用的问题会减少很多，比如物流系统因为发生故障,需要几分钟来修复。
在这几分钟的时间里，物流系统要处理的内存被缓存在消息队列中，用户的下单操作可以正常完成。
当物流系统恢复后，继续处理订单信息即可，中单用户感受不到物流系统的故障，提升系统的可用性。

1.3.异步处理

有些服务间调用是异步的，例如A调用B, B需要花费很长时间执行，但是A需要知道B什么时候可
以执行完，一般有两种方式, A过一段时间去调用B的查询api查询。或者A提供一个callback api,B执行完之后调用api通知A服务。
这两种方式都不是很优雅，使用消息总线，可以很方便解决这个问题,
A调用B服务后,只需要监听B处理完成的消息，当B处理完成后，会发送一条消息给 MQ, MQ会将此消息转发给A服务。
这样A服务既不用循环调用B的查询api,也不用提供callback api。同样B服务也不用做这些操作。A服务还能及时的得到异步处理成功的消息。

2.类型

2.1.ActiveMQ

优点:单机吞吐量万级，时效性ms级,可用性高，基于主从架构实现高可用性，消息可靠性较低的概率丢失数据
缺点:官方社区现在对ActiveMQ 5.x维护越来越少,高吞吐量场景较少使用。

2.2. Kafka

大数据的杀手锏，谈到大数据领域内的消息传输，则绕不开Kafka,这款为大数据而生的消息中间件,
以其百万级TPS的吞吐量名声大噪，迅速成为大数据领域的宠儿，在数据采集、传输、存储的过程中发挥
着举足轻重的作用。目前已经被LinkedIn, Uber, Twitter, Netflix 等大公司所采纳。
优点:性能卓越，单机写入TPS约在百万条秒,最大的优点，就是吞吐量高。时效性ms级可用性非常高，kafka 是分布式的，1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
消费者采用Pull方式获取消息,消息有序,通过控制能够保证所有消息被消费且仅被消费1次;
有优秀的第三方Kafka Web管理界面Kafka-Manager;
在日志领域比较成熟,被多家公司和多个开源项目使用;功能支持:
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
缺点: Kafka 单机超过64个队列/分区，Load会发生明显的飙高现象，队列越多，load 越高
发送消息响应时间变长，使用短轮询方式，实时性取决于轮询间隔时间，消费失败不支持重试;
支持消息顶序，但是一台代理宕机后，就会产生消息乱序，社区更新较慢;

2.3.RocketMQ

RocketMQ出自阿里巴巴的开源产品，用Java语言实现，在设计时参考了Kafka, 并做出了自己的一些改进。
被阿里巴巴应用在订单,交易,充值,流计算，消息推送，日志流式处理, binglog 分发等场景。
优点:单机吞吐量十万级,可用性非常高，分布式架构,消息可以做到0丢失,MQ功能较为完善，还是分布式的，扩展性好，支持10亿级别的消息堆积，不会因为堆积导致性能下降
源码是java我们可以自己阅读源码，定制自己公司的MQ
缺点:支持的客户端语言不多，目前是java及C++,其中C++不成熟;
社区活跃度一般,核心中去实现JMS等接口，有些系统要迁移需要修改大量代码

2.4. RabbitMQ

2007年发布，是一个在AMQP(高级消息队列协议)基础上完成的，可复用的企业消息系统，是当前最主流的消息中间件之1。
优点:由于erlang语言的高井发特性，性能较好;吞吐量到万级，MQ功能比较完备,健壮、稳定、易用、跨平台、支持多种语言如: Python. Ruby. .NET、 Java. JMS、 C. PHP、 ActionSaript.
等,支持AJAX文档齐全;开源提供的管理界面非常棒,用起来很好用,社区活跃度高;更新频率相当高
缺点:商业版需要收费,学习成本较高

3.MQ的选择

3.1.Kafka

Kafka主要特点是基于Pull的模式来处理消息消费，追求高吞吐量，一开始的目的就是用于日志收集和传输，适合产生大量数据的互联网服务的数据收集业务。
大型公司建议可以选用,如果有日志采集功能,肯定是首选kafka了。

3.2. RocketMQ

天生为金融互联网领域而生，对于可靠性要求很高的场景，尤其是电商里面的订单扣款,以及业务削峰,在大量交易涌入时，后端可能无法及时处理的情况。
RoketMQ 在稳定性上可能更值得信赖，这些业务场景在阿里双11已经经历了多次考验，如果你的业务有上述并发场景，建议可以选择RocketMQ.

3.3.RabbitMQ

结合erlang语言本身的并发优势，性能好时效性微秒级，社区活跃度也比较高,管理界面用起来十分方便，如果你的数据量没有那么大，中小型公司优先选择功能比较完备的RabbitMQ。

4.MQ缺点

• 系统可用性降低
  系统引入的外部依赖越多，越容易挂掉。
  要如何保证消息队列的高可用
• 系统复杂度提高
  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，人都以为你这个请求就成功了；但是问题是，要是 BCD 三个
  系统那里，BD 两个系统写库成功了，结果 C 系统写库失败了，咋整？你这数据就不一致了。