MQ详解及四大MQ对比

消息中间件相关知识

概述： 消息队列已经逐渐成为IT系统内部通信的核心手段，它具备有低耦合，可靠投递，广播，流量控制，最终一致性等一系列功能，成为异步RPC主要手段之一，当前主流的中间件主要是ActiveMQ，RabbbitMQ，kafka,阿里巴巴自主开发RocketMQ等

消息中间件的组成

Broker     消息服务器，作为server提供信息核心服务

Producer 消息生产者，业务的发起方，负责生产信息传输给broker

Consumer 消息消费者，业务的处理方，负责从broker获取消息并进行业务逻辑处理

Topic   主题，发布订阅模式下的消息同一汇集地，不生产者向topic发送信息，由MQ服务器发布到不同的订阅者，实现消息的广播

Queue 队列，PTP模式下，特定生产者向特定queue发送消息，消费者订阅特定的queue完成指定消息的接收

Message 消息体，根据不同通信协议定义的固定格式进行编码的数据包，来封装业务数据，实现消息的传输

消息中间模式分类

PTP(点对点)

消息生产者生产消息发送到queue中,然后消费者从queue中取出并且消费消息。

消息被消费以后，queue不在存储该条消息，即为Consumer不可能消费已消费的消息，queue支持存在多个Consumer，但对一个消息而已，只有一个Consumer可以消费。

Pub/Sub(发布/订阅)

使用topic作为通信载体

Producer发布将消息发布到topic中，同时有多个Consumer订阅该消息,和点对点方式不同，发布到topic的消息会被所有Consumer订阅

Queue实现负载均衡，将Producer生产的消息发送到消息队列中，由多个Consumer消费，但一个消息只能被一个Consumer接收，当没有Consumer可用时，这个消息会被保存直到有一个可用的消费者。

topic实现了发布和订阅，当发布一条消息时，所有订阅这个topic的服务都能得到这个消息，所以所有Consumer都能得到一个消息的拷贝

消息中间件的优势

1： 系统解耦

交互系统之间没有直接的调用关系，只是通过消息传输，系统侵入性不强，耦合度低

2：提高系统响应时间

例如原来的一套逻辑，完成支付可能涉及先修改订单状态，计算会员积分，通知物流配送几个逻辑才能完成；通过MQ架构设计，就可将紧急重要的业务放到该调用方法中，响应要求不高的使用消息队列，放到MQ中，供消费者使用

3：为大数据处理架构提供服务

通过消息作为整合，大数据的背景下，消息队列还与实时处理架构整合，为数据处理提供性能支持

消息中间件应用场景

​ 1 异步通信

有些业务不想也不需要立即处理消息。消息队列提供了异步处理机制，允许用户把一个消息放入队列，但并不立即处理它。想向队列中放入多少消息就放多少，然后在需要的时候再去处理它们。

​ 2 解耦

降低工程间的强依赖程度，针对异构系统进行适配。在项目启动之初来预测将来项目会碰到什么需求，是极其困难的。通过消息系统在处理过程中间插入了一个隐含的、基于数据的接口层，两边的处理过程都要实现这一接口，当应用发生变化时，可以独立的扩展或修改两边的处理过程，只要确保它们遵守同样的接口约束。

​ 3 冗余

有些情况下，处理数据的过程会失败。除非数据被持久化，否则将造成丢失。消息队列把数据进行持久化直到它们已经被完全处理，通过这一方式规避了数据丢失风险。许多消息队列所采用的”插入-获取-删除”范式中，在把一个消息从队列中删除之前，需要你的处理系统明确的指出该消息已经被处理完毕，从而确保你的数据被安全的保存直到你使用完毕。

​4 扩展性

因为消息队列解耦了你的处理过程，所以增大消息入队和处理的频率是很容易的，只要另外增加处理过程即可。不需要改变代码、不需要调节参数。便于分布式扩容。

​ 5 过载保护

在访问量剧增的情况下，应用仍然需要继续发挥作用，但是这样的突发流量无法提取预知；如果以为了能处理这类瞬间峰值访问为标准来投入资源随时待命无疑是巨大的浪费。使用消息队列能够使关键组件顶住突发的访问压力，而不会因为突发的超负荷的请求而完全崩溃。

​ 6 可恢复性

系统的一部分组件失效时，不会影响到整个系统。消息队列降低了进程间的耦合度，所以即使一个处理消息的进程挂掉，加入队列中的消息仍然可以在系统恢复后被处理。

​ 7 顺序保证

在大多使用场景下，数据处理的顺序都很重要。大部分消息队列本来就是排序的，并且能保证数据会按照特定的顺序来处理。

​ 8 缓冲

在任何重要的系统中，都会有需要不同的处理时间的元素。消息队列通过一个缓冲层来帮助任务最高效率的执行，该缓冲有助于控制和优化数据流经过系统的速度。以调节系统响应时间。

​ 9 数据流处理

分布式系统产生的海量数据流，如：业务日志、监控数据、用户行为等，针对这些数据流进行实时或批量采集汇总，然后进行大数据分析是当前互联网的必备技术，通过消息队列完成此类数据收集是最好的选择。

消息中间件对比

 

 备注：redis非关系型数据库也可以作为消息队列

使用C语言开发的一个Key-Value的NoSQL数据库，开发维护很活跃，虽然它是一个Key-Value数据库存储系统，但它本身支持MQ功能，所以完全可以当做一个轻量级的队列服务来使用。对于RabbitMQ和Redis的入队和出队操作，各执行100万次，每10万次记录一次执行时间。测试数据分为128Bytes、512Bytes、1K和10K四个不同大小的数据。实验表明：入队时，当数据比较小时Redis的性能要高于RabbitMQ，而如果数据大小超过了10K，Redis则慢的无法忍受；出队时，无论数据大小，Redis都表现出非常好的性能，而RabbitMQ的出队性能则远低于Redis。

RabbitMQ与Redis作为消息队列的区别

可靠性

redis：没有相应的机制保证消息的消费，当消费者消费失败的时候，需要手动处理

rabbitMQ：具有消息消费确认，即使消费者消费失败，也会自动时消息体返回原队列，同时可全程持久化，保证消息体被正确消费

可靠发布

redis：不需要，需要自行实现

rabbitMQ：具有发布确认功能，保证消息被发布到服务器

高可用

redis：采用主从模式，读写分离，但是故障转移还没有非常完善

rabbitMQ：采用磁盘，内存节点，任意单点故障都不会影响整个队列的操作

持久化

Redis：将整个Redis实例持久化到磁盘
RabbitMQ：队列，消息，都可以选择是否持久化

消费者负载均衡

Redis：不提供，需自行实现
RabbitMQ：根据消费者情况，进行消息的均衡分发

队列监控

Redis：不提供，需自行实现
RabbitMQ：后台可以监控某个队列的所有信息，（内存，磁盘，消费者，生产者，速率等）

流量控制

Redis：不提供，需自行实现
RabbitMQ：服务器过载的情况，对生产者速率会进行限制，保证服务可靠性

出入队性能

对于RabbitMQ和Redis的入队和出队操作，各执行100万次，每10万次记录一次执行时间。
测试数据分为128Bytes、512Bytes、1K和10K四个不同大小的数据。
实验表明：
入队时，当数据比较小时Redis的性能要高于RabbitMQ，而如果数据大小超过了10K，Redis则慢的无法忍受；
出队时，无论数据大小，Redis都表现出非常好的性能，而RabbitMQ的出队性能则远低于Redis。

 

 

转自:https://blog.csdn.net/weixin_40826349/article/details/89187067