RabbitMQ

RabbitMQ使用场景

服务解耦

假设有这样一个场景，服务A产生数据，而服务B,C,D需要这些数据，那么我们可以在A服务中直接调用B,C,D服务，把数据传递到下游服务即可

但是随着我们的应用规模不断扩大，会有更多的服务需要A的数据，比如有几十个甚至上百个下游服务，而且会不断变更，再加上要考虑下游服务出错的情况，那么A服务中调用代码的维护会极为困难

这是由于服务之间的耦合度过于紧密

 

再来考虑用RabbitMQ解耦的情况

A服务只需要向消息服务器发送消息，而不用考虑谁需要这些数据，下游服务如果需要数据，自行从消息服务器订阅消息，不再需要数据时则取消订阅即可

 

流量削峰

假设我们有一个应用，平时访问量是每秒300请求，我们用一台服务器即可轻松应对

 

在高峰期，访问量瞬间翻了10倍，达到每秒3000次请求，那么单台服务器肯定无法应对，这时我们可以考虑增加到10台服务器，来分散访问压力

但如果这种瞬间高峰的情况每天只出现一次，每次只有半个小时，那么我们10台服务器在多数时间都只分担每秒几十次请求，这样就有点浪费资源了

 

这种情况，我们就可以使用RabbitMQ来进行流量削峰，高峰情况下，瞬间出现的大量请求数据，先发送到消息队列服务器，排队等待被处理，而我们的应用，可以慢慢的从消息队列接收请求数据进行处理，这样把数据处理时间拉长，以减轻瞬间压力。

这是消息队列服务器非常典型的应用场景

 

 

 

异步调用

考虑定外卖支付成功的情况

支付后要发送支付成功的通知，在寻找外卖小哥来进行配送，而寻找外卖小哥的过程非常耗时，尤其是高峰期，可能要等待几十秒甚至更长

这样就造成整条调用链路响应非常缓慢

而如果我们引入RabbitMQ消息队列，订单数据可以发送到消息队列服务器，那么调用链路也就可以到此结束，订单系统则可以立即得到响应，整条链路的响应时间只有200毫秒左右

寻找外卖小哥的应用可以以异步的方式从消息队列接收订单消息，在执行耗时的寻找操作