- 为什么使用消息队列？
- 消息队列的优缺点？
- ActiveMQ、Kafka、RabbitMQ、RocketMQ 都有什么区别，以及适合哪些场景？
为什么使用消息队列？
答案：解耦、异步、削峰。
1）解耦
背景：A系统触发一个动作需要将数据发送到BCD系统中，如果E系统也要接入，或者C系统不想介入。A系统就需要修改相应的代码，贼烦！！！还要考虑各个系统的调用是否成功，失败超时等情况
应用：客服系统会维护工单信息，许多其他系统需要根据工单的信息进行相应的业务处理，这个时候就可以通过监听工单变化产生的MQ消息进行业务逻辑处理。
方案：利用 MQ的发布订阅模型，A 系统就跟其它系统彻底解耦了。
2）异步
背景：A系统收到一个保存请求，除了自己的内部处理逻辑还需要调用BC系统。假设ABC处理时长都是200ms，一个请求就是600ms，太长了
方案：A系统将消息发送到MQ队列中，可能只需要5ms，那么整体处理逻辑舒畅就是200+5=205ms。贼快~。BC系统在进行消息消费慢慢处理
3）削峰
背景：1）很多系统的情况都是白天请求很多，晚上没有请求，浪费资源
2）一个mysql通常可以抗住2k个请求，如果线上有3k个请求过来会直接压垮数据库。
方案：将3k个请求放入消息队列中，系统每秒从MQ中获取2k个请求进行处理，等请求高峰过去就OK啦。这个时候系统就不会因为mysql性能崩溃，无压力~
消息队列优缺点
优点：
解耦、异步、削峰。
缺点：
-
系统高可用降低
引入的组件，外部系统越多，可用性就越低。需要考虑其他系统性不好，挂掉，升级等情况。 -
系统复杂度提高
1）考虑消息丢失
2）考虑消息重复消费
3）考虑消息顺序消费
4）考虑消息堆积 -
数据一致性
分布式系统一致性等问题。A系统发送完消息，BCD进行消费。如果BC消费成功，D消费失败了怎么搞？？？
MQ技术选型
| 特性 | ActiveMQ | RabbitMQ | RocketMQ | Kafka |
|---|---|---|---|---|
| 单机吞吐量 | 万级，比 RocketMQ、Kafka 低一个数量级 | 同 ActiveMQ | 10 万级，支撑高吞吐 | 10 万级，高吞吐，一般配合大数据类的系统来进行实时数据计算、日志采集等场景 |
| topic 数量对吞吐量的影响 | topic 可以达到几百/几千的级别，吞吐量会有较小幅度的下降，这是 RocketMQ 的一大优势，在同等机器下，可以支撑大量的 topic | topic 从几十到几百个时候，吞吐量会大幅度下降，在同等机器下，Kafka 尽量保证 topic 数量不要过多，如果要支撑大规模的 topic，需要增加更多的机器资源 | ||
| 时效性 | ms 级 | 微秒级，这是 RabbitMQ 的一大特点，延迟最低 | ms 级 | 延迟在 ms 级以内 |
| 可用性 | 高，基于主从架构实现高可用 | 同 ActiveMQ | 非常高，分布式架构 | 非常高，分布式，一个数据多个副本，少数机器宕机，不会丢失数据，不会导致不可用 |
| 消息可靠性 | 有较低的概率丢失数据 | 基本不丢 | 经过参数优化配置，可以做到 0 丢失 | 同 RocketMQ |
| 功能支持 | MQ 领域的功能极其完备 | 基于 erlang 开发，并发能力很强，性能极好，延时很低 | MQ 功能较为完善，还是分布式的，扩展性好 | 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 |
总结
1）ActiveMQ大家接触的最早，也使用的最久。不过已经过时，社区不活跃，也没有互联网公司在大规模吞吐场景中使用过。建议放弃！！
2）RabbitMQ社区活跃，应用范围广，功能健全，还不错。但是erlang语言导致别人很难去研究它，对于公司来说如果出问题不可控。适合中小型公司，创业团队
3）阿里开源的RabbitMQ社区活用，应用范围越来越广，建议多用用，看看源码。未来之星~
4）在大数据领域的实时计算，日志采集是行业标准！社区活跃度极高，且scala语言对java开发还算友好