再谈消息队列技术
上周，我们举办了第二届技术沙龙，我这边主要演讲了消息队列技术的议题，现分享给大家：
在我们团队内部，随着消息应用中心（任务中心）的广泛应用，有时候我们感觉不到消息队列的存在，但这不影响消息队列在高可用、分布式、高并发架构下的核心地位。
消息队列都应用到了哪些实际的应用场景中？
一、再谈消息队列的应用场景
- 异步处理：例如短信通知、终端状态推送、App推送、用户注册等
- 数据同步：业务数据推送同步
- 重试补偿：记账失败重试
- 系统解耦：通讯上下行、终端异常监控、分布式事件中心
- 流量消峰：秒杀场景下的下单处理
- 发布订阅：HSF的服务状态变化通知、分布式事件中心
- 高并发缓冲：日志服务、监控上报
但是，我们对消息队列的底层技术和原理还是不了解，那么我们马上开始吧…
二、消息队列的一些基本概念和简单原理
1. Broker
Broker的概念来自与Apache ActiveMQ，通俗的讲就是MQ的服务器。
2. 消息的生产者、消费者
消息生产者Producer：发送消息到消息队列。
消息消费者Consumer：从消息队列接收消息。
3. 点对点消息队列模型
消息生产者向一个特定的队列发送消息，消息消费者从该队列中接收消息；
消息的生产者和消费者可以不同时处于运行状态。
每一个成功处理的消息都由消息消费者签收确认（Acknowledge）。如图：
4. 发布订阅消息模型-Topic
发布订阅消息模型中，支持向一个特定的主题Topic发布消息，0个或多个订阅者接收来自这个消息主题的消息。在这种模型下，发布者和订阅者彼此不知道对方。实际操作过程中，
发布订阅消息模型中，支持向一个特定的主题Topic发布消息，0个或多个订阅者接收来自这个消息主题的消息。在这种模型下，发布者和订阅者彼此不知道对方。实际操作过程中，
必须先订阅，再发送消息，而后接收订阅的消息，这个顺序必须保证。
5. 消息的顺序性保证
基于Queue消息模型，利用FIFO先进先出的特性，可以保证消息的顺序性。
6. 消息的ACK确认机制
即消息的Ackownledge确认机制，
为了保证消息不丢失，消息队列提供了消息Acknowledge机制，即ACK机制，当Consumer确认消息已经被消费处理，发送一个ACK给消息队列，此时消息队列便可以删除这个消息了。如果Consumer宕机/关闭，没有发送ACK，消息队列将认为这个消息没有被处理，会将这个消息重新发送给其他的Consumer重新消费处理。
7. 消息的持久化
消息的持久化，对于一些关键的核心业务来说是非常重要的，启用消息持久化后，消息队列宕机重启后，消息可以从持久化存储恢复，消息不丢失，可以继续消费处理。
8. 消息的同步和异步收发
同步：消息的收发支持同步收发的方式。
同时还有另一种同步方式：同步收发场景下，消息生产者和消费者双向应答模式，例如：张三写封信送到邮局中转站，然后李四从中转站获得信，然后在写一份回执信，放到中转站，然后张三去取，当然张三写信的时候就得写明回信地址
消息的接收如果以同步的方式(Pull)进行接收，如果队列中为空，此时接收将处于同步阻塞状态，会一直等待，直到消息的到达。
异步：消息的收发同样支持异步方式：异步发送消息，不需要等待消息队列的接收确认；异步接收消息，以Push的方式触发消息消费者接收消息。
9. 消息的事务支持
消息的收发处理支持事务，例如：在任务中心场景中，一次处理可能涉及多个消息的接收、处理，这处于同一个事务范围内，如果一个消息处理失败，事务回滚，消息重新回到队列中。
三、我们对消息队列的实际使用
我们使用了两种消息队列组件：
RabbitMQ：高可用、高可靠消息应用场景，例如记账失败重试、通知服务，消息不允许丢
Kafka：高性能消息应用场景，例如日志、监控，消息允许丢失。
在此之上，我们封装了消息应用中心、日志服务等核心组件和服务。那么，消息应用中心和日志都用到了消息队列什么技术？ 干货来了…
1. 消息应用中心
消息应用中心（任务中心）使用了消息队列的异步处理、数据同步、重试补偿、系统解耦、流量消峰等特性。其中：
消息应用中心（任务中心），支持RabbitMQ和Kafka两种消息通道，支持在任务元数据层面设置
任务：就是一个包含了任务执行上下文的消息，同时代表了异步处理
任务发送者（ITaskSender）发送任务：消息的生产者将任务消息发送的消息队列
任务类型：消息队列名称，例如：HaKeepAcco***Queue，充电补偿记账队列
消息队列：任务的临时存储
任务中心：任务集中处理，消息消费者
任务处理完成：消息Ack确认
任务的多级重试：多个重试消息队列，HaSysTaskStore2Queue
2. 日志组件
日志组件，使用了消息队列的高并发缓冲和发布订阅特性。其中：
日志组件使用Kafka作为消息通道，因为Kafka的性能好，吞吐量大, 可以容忍偶尔的消息数据丢失
日志组件使用发布订阅的消息模型
日志组件包含日志服务SDK和日志HSF服务，二者都是消息的生产者Producer
日志类型：消息的Topic主题
日志处理器：消息的消费者、Topic的订阅、日志数据处理(Hbase\ES\其他)
3. RPC服务状态变化通知
RPC服务状态变化通知，使用了消息队列的发布订阅特性。其中：
RPC服务状态变化通知，使用了RabbitMQ消息队列技术
使用发布订阅的消息模型
Topic：RPCServiceState
RPCService.Proxy：RPC服务状态变化消息的订阅者
RPC服务注册、发布：消息的生产者，发送RPC服务状态变化消息。
四、消息队列使用的最佳实践
1. RabbitMQ的连接，底层都是Socket连接，长连接 or 短连接？
RabbitMQ每个在创建每个连接的同时，会自动创建一个监视线程来定时（默认60s）侦测连接的状态，如果连接断开，触发ConnectionShutdown事件。
用长连接，还是用短连接？？
发送端：建议使用短连接，用完即释放，避免长连接带来的端口占用，因为发送端无处不在，发送操作短而急促。
接收端：建议使用长连接，时刻接收处理消息，因为消息的接收消费比较集中，接收操作久而弥坚。
2. 网络是有抖动的，连接的断开是正常的，如何应对？
发送端：发送失败重试
接收端：注册ConnectionShutdown事件同时捕获消息接收异常，重新建立连接，接收消费消息
3. RabbitMQ Exchange(Topic)模式下带来的消息队列数量激增
只是创建了一个Exchange(Topic)，为什么会增加这么多Queue。
因为，每个Topic的订阅都是绑定一个Queue用作消息的消费。
4. 需求的演变，消息结构的变更，如何平滑过度？
消息是byte[]数组，我们将复杂对象消息二进制序列化。
接收到消息后，我们将二进制数组反序列化为实体类。
当我们的实体类消息体的结构发生变化后，因为受二进制序列化处理的
影响，导致无法反序列化。
解决方案：
消息体预留一些string类型的扩展字段
消息队列版本化，支持多个版本的消息体。
5. Kafka Consumer Group
同一Topic的一条消息只能被同一个Group内的一个Consumer消费
多个Consumer Group可同时消费同一条消息
6. 消息的积压
消息的积压产生的原因：消息接收消费的速率低，发送的速度>接收的速度。
消息积压后的影响：
消息大量积压后，当新的消费者连接上MQ并开始接收消息时，发送速率会大幅降低。
消息队列集群的压力增加，大量的消息要持久化存储和同步。
如何减少消息积压：快速消费消息，同时保持消息体的不要过大。
周国庆
2017/7/3
