消息隊列中間件是分布式系統中重要的元件，主要解決應用耦合，異步消息，流量削鋒等問題
實作高性能，高可用，可伸縮和最終一緻性架構
使用較多的消息隊列有ActiveMQ，RabbitMQ，ZeroMQ，Kafka，MetaMQ，RocketMQ
消息隊列應用場景
以下介紹消息隊列在實際應用中常用的使用場景。異步處理，應用解耦，流量削鋒和消息通訊四個場景
異步處理
場景說明：使用者注冊後，需要發注冊郵件和注冊短信。傳統的做法有兩種 1.串行的方式；2.并行方式
（1）串行方式：将注冊資訊寫入資料庫成功後，發送注冊郵件，再發送注冊短信。以上三個任務全部完成後，傳回給用戶端
（2）并行方式：将注冊資訊寫入資料庫成功後，發送注
假設三個業務節點每個使用50毫秒鐘，不考慮網絡等其他開銷，則串行方式的時間是150毫秒，并行的時間可能是100毫秒。
因為CPU在機關時間内處理的請求數是一定的，假設CPU1秒内吞吐量是100次。則串行方式1秒内CPU可處理的請 求量是7次（1000/150）。并行方式處理的請求量是10次（1000/100
小結：如以上案例描述，傳統的方式系統的性能（并發量，吞吐量，響應時間）會有瓶頸。如何解決這個問題呢？
引入消息隊列，将不是必須的業務邏輯，異步處理。改造後的架構如下：
按照以上約定，使用者的響應時間相當于是注冊資訊寫入資料庫的時間，也就是50毫秒。注冊郵件，發送短信寫入消息隊列後，直接傳回，是以寫入消息隊列的速度很快，
基本可以忽略，是以使用者的響應時間可能是50毫秒。是以架構改變後，系統的吞吐量提高到每秒20 QPS。比串行提高了3倍，比并行提高了兩倍
應用解耦
場景說明：使用者下單後，訂單系統需要通知庫存系統。傳統的做法是，訂單系統調用庫存系統的接口。如下圖
傳統模式的缺點：
- 假如庫存系統無法通路，則訂單減庫存将失敗，進而導緻訂單失敗
- 訂單系統與庫存系統耦合
如何解決以上問題呢？引入應用消息隊列後的方案，如下圖：
- 訂單系統：使用者下單後，訂單系統完成持久化處理，将消息寫入消息隊列，傳回使用者訂單下單成功
- 庫存系統：訂閱下單的消息，采用拉/推的方式，擷取下單資訊，庫存系統根據下單資訊，進行庫存操作
- 假如：在下單時庫存系統不能正常使用。也不影響正常下單，因為下單後，訂單系統寫入消息隊列就不再關
心其他的後續操作了。實作訂單系統與庫存系統的應用解耦
流量削鋒
流量削鋒也是消息隊列中的常用場景，一般在秒殺或團搶活動中使用廣泛
應用場景：秒殺活動，一般會因為流量過大，導緻流量暴增，應用挂掉。為解決這個問題，一般需要在應用前端加入消息隊列。
- 可以控制活動的人數
- 可以緩解短時間内高流量壓垮應用
- 使用者的請求，伺服器接收後，首先寫入消息隊列。假如消息隊列長度超過最大數量，則直接抛棄使用者請求或跳轉到錯誤頁面
- 秒殺業務根據消息隊列中的請求資訊，再做後續處理
日志處理
日志處理是指将消息隊列用在日志進行中，比如Kafka的應用，解決大量日志傳輸的問題。架構簡化如下
- 日志采集用戶端，負責日志資料采集，定時寫受寫入Kafka隊列
- Kafka消息隊列，負責日志資料的接收，存儲和轉發
- 日志處理應用：訂閱并消費kafka隊列中的日志資料
以下是新浪kafka日志處理應用案例：轉自（http://cloud.51cto.com/art/201507/484338.htm）
(1)Kafka：接收使用者日志的消息隊列
(2)Logstash：做日志解析，統一成JSON輸出給Elasticsearch
(3)Elasticsearch：實時日志分析服務的核心技術，一個schemaless，實時的資料存儲服務，通過index組織資料，兼具強大的搜尋和統計功能
(4)Kibana：基于Elasticsearch的資料可視化元件，超強的資料可視化能力是衆多公司選擇ELK stack的重要原因
消息通訊
消息通訊是指，消息隊列一般都内置了高效的通信機制，是以也可以用在純的消息通訊。比如實作點對點消息隊列，或者聊天室等
點對點通訊：
用戶端A和用戶端B使用同一隊列，進行消息通訊。
聊天室通訊：
用戶端A，用戶端B，用戶端N訂閱同一主題，進行消息釋出和接收。實作類似聊天室效果。
以上實際是消息隊列的兩種消息模式，點對點或釋出訂閱模式。模型為示意圖，供參考。
消息中間件示例
電商系統
消息隊列采用高可用，可持久化的消息中間件。比如Active MQ，Rabbit MQ，Rocket Mq。
（1）應用将主幹邏輯處理完成後，寫入消息隊列。消息發送是否成功可以開啟消息的确認模式。（消息隊列傳回消息接收成功狀态後，應用再傳回，這樣保障消息的完整性）
（2）擴充流程（發短信，配送處理）訂閱隊列消息。采用推或拉的方式擷取消息并處理。
（3）消息将應用解耦的同時，帶來了資料一緻性問題，可以采用最終一緻性方式解決。比如主資料寫入資料庫，
擴充應用根據消息隊列，并結合資料庫方式實作基于消息隊列的後續處理。
日志收集系統
分為Zookeeper注冊中心，日志收集用戶端，Kafka叢集和Storm叢集（OtherApp）四部分組成。
- Zookeeper注冊中心，提出負載均衡和位址查找服務
- 日志收集用戶端，用于采集應用系統的日志，并将資料推送到kafka隊列
- Kafka叢集：接收，路由，存儲，轉發等消息處理
Storm叢集：與OtherApp處于同一級别，采用拉的方式消費隊列中的資料
JMS消息服務
講消息隊列就不得不提JMS 。JMS（JAVA Message Service,java消息服務）API是一個消息服務的标準/規範，允許
應用程式元件基于JavaEE平台建立、發送、接收和讀取消息。它使分布式通信耦合度更低，消息服務更加可靠以及
異步性。
在EJB架構中，有消息bean可以無縫的與JM消息服務內建。在J2EE架構模式中，有消息服務者模式，用于實作消息
與應用直接的解耦。
消息模型
在JMS标準中，有兩種消息模型P2P（Point to Point）,Publish/Subscribe(Pub/Sub)。
P2P模式包含三個角色：消息隊列（Queue），發送者(Sender)，接收者(Receiver)。每個消息都被發送到一個特
定的隊列，接收者從隊列中擷取消息。隊列保留着消息，直到他們被消費或逾時。
P2P的特點
- 每個消息隻有一個消費者（Consumer）(即一旦被消費，消息就不再在消息隊列中)
- 發送者和接收者之間在時間上沒有依賴性，也就是說當發送者發送了消息之後，不管接收者有沒有正在運作，它不會影響到消息被發送到隊列
- 接收者在成功接收消息之後需向隊列應答成功
如果希望發送的每個消息都會被成功處理的話，那麼需要P2P模式。
Pub/sub模式包含三個角色主題（Topic），釋出者（Publisher），訂閱者（Subscriber） 多個釋出者将消息發送
到Topic,系統将這些消息傳遞給多個訂閱者。
Pub/Sub的特點
- 每個消息可以有多個消費者
- 釋出者和訂閱者之間有時間上的依賴性。針對某個主題（Topic）的訂閱者，它必須建立一個訂閱者之後，才能消費釋出者的消息
- 為了消費消息，訂閱者必須保持運作的狀态
為了緩和這樣嚴格的時間相關性，JMS允許訂閱者建立一個可持久化的訂閱。這樣，即使訂閱者沒有被激活（運
行），它也能接收到釋出者的消息。
如果希望發送的消息可以不被做任何處理、或者隻被一個消息者處理、或者可以被多個消費者處理的話，那麼可以
采用Pub/Sub模型。
消息消費
在JMS中，消息的産生和消費都是異步的。對于消費來說，JMS的消息者可以通過兩種方式來消費消息。
（1）同步
訂閱者或接收者通過receive方法來接收消息，receive方法在接收到消息之前（或逾時之前）将一直阻塞；
（2）異步
訂閱者或接收者可以注冊為一個消息監聽器。當消息到達之後，系統自動調用監聽器的onMessage方法。
防止消息丢失
由于網絡問題，我們很難保證生産者發送的消息能100%到達消息隊列伺服器，也就是說有消息丢失的可能性，因
此，生産者就必須具有消息丢失檢測和重發機制，也就是我們常說的消息隊列的事物機制
不能把可靠性的保證全部交給TCP，TCP隻保證了傳輸層的可靠傳輸，但是無法保證與應用層的互動是否出錯
TCP無法給應用層任何回報，是以必須在應用層處理差錯
同步的事務——停止等待
所謂停止等待協定就是沒發送完一組資料後，等待對方确認并且收到确認後，再發送下一組資料。
同步的事務——連續ARQ
類似于TCP的滑動視窗模型
異步的事務——回調機制
生産者在發送消息的時候，注冊一個回調函數，這樣生産者便不用停下來等待确認了，而是可以一直持續發送消
息，當消息到達消息隊列伺服器的時候，伺服器便會調用生産者注冊的回調函數，告知生産者消息發送成功了還是
失敗了，進而做進一步的處理，進而提高了并發量。
消息的幂等處理
由于網絡原因，生産者可能會重複發送消息，是以消費者方必須做消息的幂等處理，常用的解決方案有：
1. 查詢操作：查詢一次和查詢多次，在資料不變的情況下，查詢結果是一樣的。select是天然的幂等操作；
2. 删除操作：删除操作也是幂等的，删除一次和多次删除都是把資料删除。(注意可能傳回結果不一樣，删除的資料不存在，傳回0，删除的資料多條，傳回結果多個) ；
3. 唯一索引，防止新增髒資料。比如：支付寶的資金賬戶，支付寶也有使用者賬戶，每個使用者隻能有一個資金賬戶，怎麼防止給使用者建立資金賬戶多個，那麼給資金賬戶表中的使用者ID加唯一索引，是以一個使用者新增成功
一個資金賬戶記錄。要點：唯一索引或唯一組合索引來防止新增資料存在髒資料（當表存在唯一索引，并發時新增報錯時，再查詢一次就可以了，資料應該已經存在了，傳回結果即可）；
4. token機制，防止頁面重複送出。業務要求： 頁面的資料隻能被點選送出一次；發生原因： 由于重複點選或者網絡重發，或者nginx重發等情況會導緻資料被重複送出；解決辦法： 叢集環境采用token加redis(redis單
線程的，處理需要排隊)；單JVM環境：采用token加redis或token加jvm記憶體。
處理流程：
1. 資料送出前要向服務的申請token，token放到redis或jvm記憶體，token有效時間；
2. 送出後背景校驗token，同時删除token，生成新的token傳回。token特點：要申請，一次有效性，可以限流。注意：redis要用删除操作來判斷token，删除成功代表token校驗通過，如果用select+delete來校驗token，存在并發問題，不建議使用；
5. 悲觀鎖——擷取資料的時候加鎖擷取。select * from table_xxx where id='xxx' for update; 注意：id字段一定是主鍵或者唯一索引，不然是鎖表，會死人的悲觀鎖使用時一般伴随事務一起使用，資料鎖定時間可能會很長，根據實際情況選用；
6. 樂觀鎖——樂觀鎖隻是在更新資料那一刻鎖表，其他時間不鎖表，是以相對于悲觀鎖，效率更高。樂觀鎖的實作方式多種多樣可以通過version或者其他狀态條件：
1. 通過版本号實作
update table_xxx set name=#name#,version=version+1 where version=#version#如下圖(來自網上)；
2. 通過條件限制
update table_xxx set avai_amount=avai_amount-#subAmount# where avai_amount-#subAmount# >= 0 要求：quality-#subQuality# >=，這個情景适合不用版本号，隻更新是做資料安全校驗，适合庫存模型，扣份額和復原份額，性能更高；
7.分布式鎖——還是拿插入資料的例子，如果是分布是系統，建構全局唯一索引比較困難，例如唯一性的字段沒法确定，這時候可以引入分布式鎖，通過第三方的系統(redis或zookeeper)，在業務系統插入資料或者更新資料，擷取分布式鎖，然後做操作，之後釋放鎖，
這樣其實是把多線程并發的鎖的思路，引入多多個系統，也就是分布式系統中得解決思路。要點：某個長流程處理過程要求不能并發執行，可以在流程執行之前根據某個标志(使用者ID+字尾等)擷取分布式鎖，其他流程執行時擷取鎖就會失敗，也就是同一時間該流程隻能有一個能執行成功，執行
後，釋放分布式鎖(分布式鎖要第三方系統提供)；
8.select + insert——并發不高的背景系統，或者一些任務JOB，為了支援幂等，支援重複執行，簡單的處理方法是，先查詢下一些關鍵資料，判斷是否已經執行過，在進行業務處理，就可以了。注意：核心高并發流程不要用這種方法；
消息的按序處理
同上，消息的按序也不能完全依靠于TCP
在說到消息中間件的時候，我們通常都會談到一個特性：消息的順序消費問題。這個問題看起來很簡單：
Producer發送消息1, 2, 3。。。 Consumer按1, 2, 3。。。順序消費。
但實際情況卻是：無論RocketMQ，還是Kafka，預設都不保證消息的嚴格有序消費！
這個特性看起來很簡單，但為什麼預設他們都不保證呢？
“嚴格的順序消費”有多麼困難
下面就從3個方面來分析一下，對于一個消息中間件來說，”嚴格的順序消費”有多麼困難，或者說不可能。
發送端
發送端不能異步發送，異步發送在發送失敗的情況下，就沒辦法保證消息順序。比如你連續發了1，2，3。 過了一會，傳回結果1失敗，2, 3成功。你把1再重新發送1遍，這個時候順序就亂掉了。
存儲端
對于存儲端，要保證消息順序，會有以下幾個問題：
（1）消息不能分區。也就是1個topic，隻能有1個隊列。在Kafka中，它叫做partition；在RocketMQ中，它叫做queue。 如果你有多個隊列，那同1個topic的消息，會分散到多個分區裡面，自然不能保證順序。
（2）即使隻有1個隊列的情況下，會有第2個問題。該機器挂了之後，能否切換到其他機器？也就是高可用問題。比如你目前的機器挂了，上面還有消息沒有消費完。此時切換到其他機器，可用性保證了。但消息順序就亂掉了。要想保證，一方面要同步複制，不能異步複制；另1方面得保證，切機器之前，挂掉的機器上面，所有消息必須消費完了，不能有殘留。很明顯，這個很難！！！
接收端
對于接收端，不能并行消費，也即不能開多線程或者多個用戶端消費同1個隊列。
總結
從上面的分析可以看出，要保證消息的嚴格有序，有多麼困難！
發送端和接收端的問題，還好解決一點，限制異步發送，限制并行消費。但對于存儲端，機器挂了之後，切換的問題，就很難解決了。
你切換了，可能消息就會亂；你不切換，那就暫時不可用。這2者之間，就需要權衡了。