異步處理
場景：發送手機驗證碼，郵件
傳統古老處理方式如下圖
這個流程，全部在主線程完成，注冊-》入庫-》發送郵件-》發送短信，由于都在主線程，是以要等待每一步完成才能繼續執行。由于每一步的操作時間響應時間不固定，是以主線程的請求耗時可能會非常長，如果請求過多，會導緻IIS站點巨慢，排隊請求，甚至當機，嚴重影響使用者體驗。
現在大多數的處理方式如下圖
這個流程是，主線程依舊處理耗時低的入庫操作，然後把需要處理的消息寫進消息隊列中，這個寫入耗時可以忽略不計，非常快，然後，獨立的發郵件子系統，和獨立的發短信子系統，同時訂閱消息隊列，進行單獨處理。處理好之後，向隊列發送ACK确認，消息隊列整條資料删除。這個流程也是現在各大公司都在用的方式，以SOA服務化各個系統，把耗時操作，單獨交給獨立的業務系統，通過消息隊列作為中間件，達到應用解耦的目的，并且消耗的資源很低，單台伺服器能承受更大的并發請求。
應用解耦
以電商的下訂單為例子，假設中間的流程為下單=》減庫存=》發貨
第一種方式，通過連續操作表，在單一系統中，通過主線程，連續操作。呵呵哒，這種做法，相信很多人剛入門，甚至幾年經驗了，由于項目小，也在繼續使用吧。使用者量少，或者都是内部人使用，必然沒問題，因為不會在意出的問題，這種做法，隻要一個環節出問題，請求直接報錯，導緻使用者懵逼，假設在執行到減庫存操作報錯了，整個流程沒有用事務復原的話，還會造成資料不一緻。
第二種方式，把這三個業務，拆成三個獨立系統，通過JSON方式互相調用請求。這個做法，其實已經很不錯了，起碼獨立出來，各自做各自的事情，一定程度上減小了整個系統的耦合性。但是問題是，就算是通過API形式請求，發送請求的系統一般情況下會等待被請求方的響應，如果響應錯了，整個程式還是會終止，前面的業務系統假如已經做了入庫操作，就必須要混滾了。很麻煩。如果說不等待被請求方響應的話，如果出錯，如果還要保證資料一緻性，就要做更多的操作，去補全資料，比如，下單成功，減庫存失敗，發貨成功，這樣當減庫存系統修複後，就要通過訂單資料，去補庫存表的對應資料。先對麻煩，難處理。
第三種方式，
把消息隊列作為中間件，當訂單系統下完單後，把資料消息寫入消息隊列中，庫存系統和發貨系統同時訂閱這個消息隊列，思想上和純API系統調用類似，但是，消息隊列RabbitMq本身的強大功能，會幫我們做大量的出錯善後處理，還是，假設下單成功，庫存失敗，發貨成功，當我們修複庫存的時候，不需要任何管資料的不一緻性，因為庫存隊列未被處理的消息，會直接發送到庫存系統，庫存系統會進行處理。實作了應用的大幅度解耦。
流量削峰
這個主要用在團購，秒殺活動中
這個主要原理就是，控制隊列長度，當請求來了，往隊列裡寫入，超過隊列的長度，就傳回失敗，給使用者報一個可愛的錯誤頁的等等。
日志處理
這個場景應該都很熟悉，一個系統有大量的業務需要各種日志來保證後續的分析工作，而且實時性要求不高，用隊列處理再好不過了
消息通訊
現在上線的各大社交通訊項目中，實際上是沒有用消息隊列做即時通訊的，但是它确實可以用來做，有興趣的不妨去試試吧
這個是點對點通信，消費者A和B同時訂閱消息隊列，又同時是制造者，就能實作點對點通信
群聊的做法，所有用戶端同時訂閱隊列，又同時是發送，制造者。
差別
上述大緻的5種RabbitMq的應用場景，下面來介紹幾個消息隊列的差別
ActiveMq:這個應用于JAVA中間件較多
ZeroMq:這個是分發效率最高的隊列，是其他隊列的十倍以上，缺點是不能資料持久化。
kafka：這是一種高吞吐量的釋出訂閱消息系統，當每秒達到10W+的分發要求時，可以用這個嘗試，新浪微網誌就是用這個做分發。
RabbitMQ 上的一個 queue 中存放的 message 是否有數量限制？
可以認為是無限制，因為限制取決于機器的記憶體，但是消息過多會導緻處理效率的下降。