1. 简介
MQ（Message Queue）消息队列是一种应用程序对应用程序的通信方法，应用程序通过读（出队）写（入队）队列的消息（针对应用程序的数据）进行通信。
MQ是消费者-生产者模型的典型代表，生产者往消息队列中不断写入消息，而消费者则可以读取或者订阅队列中的消息，并进行消息处理。
消息队列中间件是分布式系统中非常重要的组件，可适用于异步处理、应用解耦、流量削锋、消息通讯、日志处理等场景，实现高性能、高可用、可伸缩和最终一致性架构，是大型分布式系统中不可缺少的中间件。
比较常用的消息队列中间件主要有ActiveMQ、RabbitMQ、Kafka、RocketMQ、ZeroMQ等，甚至可以用Redis来构造消息队列作为轻量级的消息队列服务使用。
2. 使用场景
2.1 异步处理
场景说明：用户注册后，需要发注册邮件和注册短信。
传统的做法有两种：串行方式和并行方式。
- 串行方式：将用户的注册信息写入数据库后，先发送注册邮件，再发送注册短信。三个任务全部完成后，返回给客户端。
- 并行方式：将用户的注册信息写入数据库后，发送注册邮件的同时，发送注册短信。三个任务全部完成后，返回给客户端。Java支持多线程，可实现并行方式。
假设每个业务节点的开销是50毫秒，则串行方式的响应时间为150ms，并行方式的响应时间为100ms。串行方式下CPU单位时间内处理的请求数不到7个，并行方式下CPU单位时间内处理的请求数为10个。
传统的做法，系统的性能（响应时间、吞吐率）容易出现瓶颈，如何解决这个问题？
引入消息队列，将一些无需即时返回且耗时的业务逻辑提取出来进行异步处理。改善后的架构如下：
异步处理： 将用户的注册信息写入数据库后，写入消息队列，返回给客户端；发送邮件和发送短信的业务使用异步进行处理。
由于写入消息队列的速度非常快，基本可以忽略，这样，系统的响应时间基本是50ms，吞吐率为20reqs/s 。和传统的做法相比，系统的性能得到显著提升。
2.2 应用解耦
场景说明：用户下单后，订单系统需要通知库存系统。
传统的做法是，订单系统调用库存系统的接口。
传统做法的缺点：
- 假如库存系统暂时无法访问，则订单减库存将失败，从而导致订单失败。
- 订单系统与库存系统耦合
如何解决这个问题？引入消息队列后的方案：
- 订单系统：用户下单后，订单系统完成持久化处理，将消息写入消息队列，返回用户订单下单成功。
- 库存系统：订阅下单的消息，采用拉/推的方式，获取下单信息，库存系统根据下单信息，进行库存操作。
假如，在下单时库存系统不能正常使用，也不影响正常下单，因为下单后，订单系统写入消息队列就不再关心其他的后续操作了。实现订单系统与库存系统的应用解耦。
2.3 流量削锋
流量削锋也是消息队列中的常用场景，一般在秒杀或团购活动中使用广泛。
场景说明：秒杀活动，一般会因为流量过大，导致流量暴增，应用挂掉。
为解决这个问题，一般需要在应用前端加入消息队列。
- 用户的请求，服务器接收后，首先写入消息队列。假如消息队列长度超过限制，则直接抛弃用户请求或跳转到错误页面。
- 秒杀业务根据消息队列中的请求信息，再做后续处理。
这样，就可以控制活动的人数，缓解短时间内高流量压垮应用。
2.4 消息通讯
消息通讯是指，消息队列一般都内置了高效的通信机制，因此也可以用于纯粹的消息通讯。比如实现点对点消息队列，或者聊天室等。
点对点通讯：客户端A和客户端B使用同一消息队列，进行消息通讯。
聊天室通讯：客户端A、客户端B、客户端N订阅同一主题，进行消息发布和接收，实现类似聊天室效果。
这实际是消息队列的两种消息模式，点对点模式（Point to Point）或发布订阅模式（Publish/Subscribe）。
2.5 日志处理
日志处理是指将消息队列用在日志处理中，比如Kafka的应用，解决大量日志传输的问题。架构简化如下：
- 日志采集客户端，负责日志数据采集，定时写入Kafka消息队列。
- Kafka消息队列，负责日志数据的接收，存储和转发。
- 日志处理应用，负责订阅并消费kafka队列中的日志数据。
3. 消息中间件案例
3.1 电商系统
消息队列采用高可用、可持久化的消息中间件。比如Active MQ、Rabbit MQ、Rocket MQ。
（1）订单系统将主干逻辑处理完成后，写入消息队列。消息发布是否成功可以开启消息的确认模式。（消息队列返回消息接收成功状态后，应用再返回，从而保证消息的完整性）
（2）扩展流程（发短信，配送处理）订阅队列消息。采用推或拉的方式获取消息并处理。
（3）消息队列将应用解耦的同时，带来了数据一致性问题，可以采用最终一致性方式解决。比如主数据写入数据库，扩展应用根据消息队列，并结合数据库方式实现基于消息队列的后续处理。
3.2 日志收集系统
日志收集系统分为Zookeeper注册中心、日志收集客户端、Kafka集群和Storm集群四部分组成。
（1）Zookeeper注册中心，提供负载均衡和地址查找服务。
（2）日志收集客户端，用于采集应用系统的日志，并将数据推送到kafka队列。
