1.なぜ、メッセージキューを使用できますか？
分析：なぜ少しぎこちない男性とメッセージキュー、私は知りません。モンゴルを依頼することは容易であるが、これを確認し、[ナンセンスを始めませんでした。
デカップリング、非同期、クリッピング：回答：以下の6つの言葉があること、この質問は、彼が唯一の三つの主要なシナリオに答え（他否定できないがあるが、唯一の答えは三つの主要な）
（1）デカップリング
従来のモデル：
欠点の伝統的なモデル：
- Cコードで直接コードシステムAとシステムBを呼び出し、上記のシステムに示すように、将来のアクセスシステムD場合、システムは、コードAを変更する必要があり、あまりにもシステム間を結合する、あまりにも面倒！
ミドルウェアモード：
ミドルウェア利点モード：
- メッセージキューにメッセージを書き込みそのままシステムAれるように、システムは、メッセージ・キューから、独自のサブスクリプション・メッセージが必要です。
（2）非同期
従来のモデル：
欠点の伝統的なモデル：
- 同期して実行されているいくつかの非本質的なビジネス・ロジック、時間がかかりすぎます。
ミドルウェアモード：
ミドルウェア利点モード：
- メッセージキューにメッセージを書き込み、非必須のビジネス・ロジックは、レスポンスを高速化するために、非同期で動作します
（3）クリップ
従来のモデル
欠点の伝統的なモデル：
- 異常なデータベース接続をもたらす時間の同時大量、直接データベースへのすべての憎悪の要求、
ミドルウェアモード：
ミドルウェア利点モード：
- ゆっくりと並行データベースの量に応じてシステムが処理し、ゆっくりとメッセージキューからメッセージを引くことができます。生産では、バックログのこの短いピークが許可されます。
2、メッセージキューを使用すると、任意の欠点を持っていますか？
分析：MQプロジェクトの使用は、問題を考慮しない場合であっても、被写体までのMQの導入を入れて、リスクを予測自分自身を与えます。
私たちは、より良い予防するために、この技術の欠点を完全に理解しておくことが技術を紹介します。同社は掘り与えていない、覚えておいてください！
回答：答えは二つの角度から答えるためにも非常に簡単です。
- システムの可用性を削減：
- 次に、あなたのシステムが正常である、ああ、他のシステムはちょうど適切に実行しているだろう、と思います。
- 今、あなたがメッセージキューを与える必要があり、そのメッセージキューは、あなたのシステムがああではない、ハングアップ。このため、システムの可用性を削減
- システムの複雑さが増加：
- このようなメッセージは、信頼性の高い伝送を確保するために、メッセージを確実にするためにどのように、消費電力を繰り返さないことを確実にするためにどのように一貫性、など多くの問題にもっと配慮します。
- したがって、何かがより多く、システムの複雑さの増加を検討する必要があります。
しかし、我々は、使用したり、使用したいです。
3、どのようにメッセージキューの選択？
私はブロガー答えを与える他にどのようなMQと理解する他のZeroMQなし、したがって、これらのみ4つのMQに基づくことができる唯一のActiveMQ、RabbitMQの、RocketMQ、カフカ、についてお話しましょう。
分析:既然在项目中用了MQ，肯定事先要对业界流行的MQ进行调研，如果连每种MQ的优缺点都没了解清楚，就拍脑袋依据喜好，用了某种MQ，还是给项目挖坑。
如果面试官问:"你为什么用这种MQ？。"你直接回答"领导决定的。"这种回答就很LOW了。
还是那句话，不要给公司挖坑。
我们可以看出，RabbitMQ版本发布比ActiveMq频繁很多。至于RocketMQ和kafka就不带大家看了，总之也比ActiveMQ活跃的多。详情，可自行查阅。
再来一个性能对比表
综合上面的材料得出以下两点:
(1)中小型软件公司，建议选RabbitMQ.
一方面，erlang语言天生具备高并发的特性，而且他的管理界面用起来十分方便。
正所谓，成也萧何，败也萧何！他的弊端也在这里，虽然RabbitMQ是开源的，然而国内有几个能定制化开发erlang的程序员呢？
所幸，RabbitMQ的社区十分活跃，可以解决开发过程中遇到的bug，这点对于中小型公司来说十分重要。
不考虑rocketmq和kafka的原因是，一方面中小型软件公司不如互联网公司，数据量没那么大，选消息中间件，应首选功能比较完备的，所以kafka排除。
不考虑rocketmq的原因是，rocketmq是阿里出品，如果阿里放弃维护rocketmq，中小型公司一般抽不出人来进行rocketmq的定制化开发，因此不推荐。
(2)大型软件公司，根据具体使用在rocketMq和kafka之间二选一
一方面，大型软件公司，具备足够的资金搭建分布式环境，也具备足够大的数据量。
针对rocketMQ,大型软件公司也可以抽出人手对rocketMQ进行定制化开发，毕竟国内有能力改JAVA源码的人，还是相当多的。
至于kafka，根据业务场景选择，如果有日志采集功能，肯定是首选kafka了。具体该选哪个，看使用场景。
4、如何保证消息队列是高可用的？
分析:在第二点说过了，引入消息队列后，系统的可用性下降。在生产中，没人使用单机模式的消息队列。
因此，作为一个合格的程序员，应该对消息队列的高可用有很深刻的了解。
如果面试的时候，面试官问，你们的消息中间件如何保证高可用的？
如果你的回答只是表明自己只会订阅和发布消息，面试官就会怀疑你是不是只是自己搭着玩，压根没在生产用过。
因此，请做一个爱思考，会思考，懂思考的程序员。
回答:这问题，其实要对消息队列的集群模式要有深刻了解，才好回答。
以rcoketMQ为例，他的集群就有多master 模式、多master多slave异步复制模式、多 master多slave同步双写模式。
多master多slave模式部署架构图(网上找的,偷个懒，懒得画):
其实博主第一眼看到这个图，就觉得和kafka好像，只是NameServer集群，在kafka中是用zookeeper代替，都是用来保存和发现master和slave用的。
通信过程如下:
Producer 与 NameServer集群中的其中一个节点（随机选择）建立长连接，定期从 NameServer 获取 Topic 路由信息，并向提供 Topic 服务的 Broker Master 建立长连接，且定时向 Broker 发送心跳。
Producer 只能将消息发送到 Broker master，但是 Consumer 则不一样，它同时和提供 Topic 服务的 Master 和 Slave建立长连接，既可以从 Broker Master 订阅消息，也可以从 Broker Slave 订阅消息。
那么kafka呢,为了对比说明直接上kafka的拓补架构图(也是找的，懒得画)
如上图所示，一个典型的Kafka集群中包含若干Producer（可以是web前端产生的Page View，或者是服务器日志，系统CPU、Memory等），若干broker（Kafka支持水平扩展，一般broker数量越多，集群吞吐率越高），若干Consumer Group，以及一个Zookeeper集群。
Kafka通过Zookeeper管理集群配置，选举leader，以及在Consumer Group发生变化时进行rebalance。
Producer使用push模式将消息发布到broker，Consumer使用pull模式从broker订阅并消费消息。
至于rabbitMQ,也有普通集群和镜像集群模式，自行去了解，比较简单，两小时即懂。
要求，在回答高可用的问题时，应该能逻辑清晰的画出自己的MQ集群架构或清晰的叙述出来。
5、如何保证消息不被重复消费？
分析:这个问题其实换一种问法就是，如何保证消息队列的幂等性?
这个问题可以认为是消息队列领域的基本问题。换句话来说，是在考察你的设计能力，这个问题的回答可以根据具体的业务场景来答，没有固定的答案。
回答:先来说一下为什么会造成重复消费?
其实无论是那种消息队列，造成重复消费原因其实都是类似的。
正常情况下，消费者在消费消息时候，消费完毕后，会发送一个确认信息给消息队列，消息队列就知道该消息被消费了，就会将该消息从消息队列中删除。只是不同的消息队列发送的确认信息形式不同
例如RabbitMQ是发送一个ACK确认消息，RocketMQ是返回一个CONSUME_SUCCESS成功标志，kafka实际上有个offset的概念
简单说一下(如果还不懂，可以关注我的公众号：Java技术zhai，里面有讲解),就是每一个消息都有一个offset，kafka消费过消息后，需要提交offset，让消息队列知道自己已经消费过了。
那造成重复消费的原因?
就是因为网络传输等等故障，确认信息没有传送到消息队列，导致消息队列不知道自己已经消费过该消息了，再次将该消息分发给其他的消费者。
如何解决?这个问题针对业务场景来答分以下几点
(1)比如，你拿到这个消息做数据库的insert操作。
那就容易了，给这个消息做一个唯一主键，那么就算出现重复消费的情况，就会导致主键冲突，避免数据库出现脏数据。
(2)再比如，你拿到这个消息做redis的set的操作
那就容易了，不用解决。因为你无论set几次结果都是一样的，set操作本来就算幂等操作。
(3)如果上面两种情况还不行，上大招。
准备一个第三方介质,来做消费记录。以redis为例，给消息分配一个全局id，只要消费过该消息，将以K-V形式写入redis。那消费者开始消费前，先去redis中查询有没消费记录即可。
6、如何保证消费的可靠性传输?
分析:我们在使用消息队列的过程中，应该做到消息不能多消费，也不能少消费。如果无法做到可靠性传输，可能给公司带来千万级别的财产损失。
同样的，如果可靠性传输在使用过程中，没有考虑到，这不是给公司挖坑么，你可以拍拍屁股走了，公司损失的钱，谁承担。
还是那句话，认真对待每一个项目，不要给公司挖坑
回答:其实这个可靠性传输，每种MQ都要从三个角度来分析:生产者弄丢数据、消息队列弄丢数据、消费者弄丢数据
RabbitMQ
(1)生产者丢数据
从生产者弄丢数据这个角度来看，RabbitMQ提供transaction和confirm模式来确保生产者不丢消息。
transaction机制就是说，发送消息前，开启事物(channel.txSelect())，然后发送消息，如果发送过程中出现什么异常，事物就会回滚(channel.txRollback())，如果发送成功则提交事物(channel.txCommit())。
然而缺点就是吞吐量下降了。因此，按照博主的经验，生产上用confirm模式的居多。
一旦channel进入confirm模式，所有在该信道上面发布的消息都将会被指派一个唯一的ID(从1开始)
一旦消息被投递到所有匹配的队列之后，rabbitMQ就会发送一个Ack给生产者(包含消息的唯一ID)
这就使得生产者知道消息已经正确到达目的队列了.如果rabiitMQ没能处理该消息，则会发送一个Nack消息给你，你可以进行重试操作。
处理Ack和Nack的代码如下所示（说好不上代码的，偷偷上了）:
channel.addConfirmListener(new ConfirmListener() { @Override public void handleNack(long deliveryTag, boolean multiple) throws IOException { System.out.println("nack: deliveryTag = "+deliveryTag+" multiple: "+multiple); } @Override public void handleAck(long deliveryTag, boolean multiple) throws IOException { System.out.println("ack: deliveryTag = "+deliveryTag+" multiple: "+multiple); } });
(2)消息队列丢数据
处理消息队列丢数据的情况，一般是开启持久化磁盘的配置。
这个持久化配置可以和confirm机制配合使用，你可以在消息持久化磁盘后，再给生产者发送一个Ack信号。
这样，如果消息持久化磁盘之前，rabbitMQ阵亡了，那么生产者收不到Ack信号，生产者会自动重发。
那么如何持久化呢，这里顺便说一下吧，其实也很容易，就下面两步
1、将queue的持久化标识durable设置为true,则代表是一个持久的队列
2、发送消息的时候将deliveryMode=2
这样设置以后，rabbitMQ就算挂了，重启后也能恢复数据
(3)消费者丢数据
消费者丢数据一般是因为采用了自动确认消息模式。
这种模式下，消费者会自动确认收到信息。这时rahbitMQ会立即将消息删除，这种情况下如果消费者出现异常而没能处理该消息，就会丢失该消息。
至于解决方案，采用手动确认消息即可。
kafka
Producer在发布消息到某个Partition时，先通过ZooKeeper找到该Partition的Leader
然后无论该Topic的Replication Factor为多少（也即该Partition有多少个Replica），Producer只将该消息发送到该Partition的Leader。
Leader会将该消息写入其本地Log。每个Follower都从Leader中pull数据。
针对上述情况，得出如下分析
(1)生产者丢数据
在kafka生产中，基本都有一个leader和多个follwer。follwer会去同步leader的信息。
因此，为了避免生产者丢数据，做如下两点配置
- 第一个配置要在producer端设置acks=all。这个配置保证了，follwer同步完成后，才认为消息发送成功。
- 在producer端设置retries=MAX，一旦写入失败，这无限重试
(2)消息队列丢数据
针对消息队列丢数据的情况，无外乎就是，数据还没同步，leader就挂了，这时zookpeer会将其他的follwer切换为leader,那数据就丢失了。
针对这种情况，应该做两个配置。
- replication.factor参数，这个值必须大于1，即要求每个partition必须有至少2个副本
- min.insync.replicas参数，这个值必须大于1，这个是要求一个leader至少感知到有至少一个follower还跟自己保持联系
这两个配置加上上面生产者的配置联合起来用，基本可确保kafka不丢数据
(3)消费者丢数据
这种情况一般是自动提交了offset，然后你处理程序过程中挂了。kafka以为你处理好了。
再强调一次offset是干嘛的
offset：指的是kafka的topic中的每个消费组消费的下标。
简单的来说就是一条消息对应一个offset下标，每次消费数据的时候如果提交offset，那么下次消费就会从提交的offset加一那里开始消费。
比如一个topic中有100条数据，我消费了50条并且提交了，那么此时的kafka服务端记录提交的offset就是49(offset从0开始)，那么下次消费的时候offset就从50开始消费。
解决方案也很简单，改成手动提交即可。
ActiveMQ和RocketMQ
大家自行查阅吧，如果想偷懒，也可以关注我的公众号：Java技术zhai，里面有讲解过这一块的内容。
7、如何保证消息的顺序性？
分析:其实并非所有的公司都有这种业务需求，但是还是对这个问题要有所复习。
回答:针对这个问题，通过某种算法，将需要保持先后顺序的消息放到同一个消息队列中(kafka中就是partition,rabbitMq中就是queue)。然后只用一个消费者去消费该队列。
有的人会问:那如果为了吞吐量，有多个消费者去消费怎么办？
这个问题，没有固定回答的套路。比如我们有一个微博的操作，发微博、写评论、删除微博，这三个异步操作。如果是这样一个业务场景，那只要重试就行。
比如你一个消费者先执行了写评论的操作，但是这时候，微博都还没发，写评论一定是失败的，等一段时间。等另一个消费者，先执行写评论的操作后，再执行，就可以成功。
要するに、この質問のために、私の見解では、消費者へのチームのオーダー後に自身が決まったルーチンがないことを確認するために、ライン上のチームに秩序を確保することです。
概要
私は、メッセージキューの知識のほとんどをカバーすることができ、一般的には、深い調製後、私はこれらの質問の読者は、紙によって提起を願って、あなたに書き込みます。
インタビュアーは、簡単な操作を行うためにどのようにこれらの質問をしていない場合は、総合的なハイライトに、自分自身が明確に自分の次の考慮をいくつかの質問を置きます。
最後に、実際には、私はこの襲撃のレビューを提唱していない、私たちは基本的なスキルを築くために願って、プログラマはのことを考え、思考を理解するために、考えるのが大好き。