快速搞定分布式RabbitMQ-分布式消息队列基础

本篇从基础角度解析分布式消息队列的基础；讲述了MQ的主要应用场景与MQ的性能指标；MQ的技术选型关注点；主流MQ的集群架构与原理解析。一些基础原理性东西会比较多，希望大家能有所收获。

1.MQ应用场景与MQ性能衡量指标

MQ应用场景：服务解耦，削峰填谷，异步化缓冲
**服务解耦：**根据服务的依赖性，是微服务一个技术手段；(强依赖：
对于执行的方式可能是同步的double调用，同步的http做Springcloud，jrpc都可)
弱依赖：采用消息中间件，完成消息的解耦；弱依赖，不一定可以失败；跟可靠性投递相关

**削峰填谷：**将流量的巅峰跟低谷做一个均衡。生产环境中，即时性很高或者流量很大的一些应用场景，类似秒杀或者大促
**异步化缓冲：**需要做到最终一致性即可。

分布式消息队列(MQ)应用思考点：
生产端可靠性投递(保证消息投递成功)；消费端幂等(消费不能消费多次)；
高可用；低延迟；消息的可靠性(replica)；消息的堆积能力；扩展性(扩容)

2.MQ的技术选型关注点

如何进行技术选型：各个MQ的性能，优缺点，相应的业务场景；
**Active MQ:**适合与传统行业，中小型企业，承载能力不优秀
**Rabbit MQ：**镜像队列(主要是满足数据不丢失)，横向扩展能力不太好；
集群架构模式，分布式，可扩展，高可用，可维护性；
综合成本，集群规模，人员成本；
未来方向，规划，思考；

3.ActiveMQ集群架构与原理解析

初识 JMS 与其专业术语
先和大家一起了解一下古老而又神秘的消息中间件"ActiveMQ"。首先，说起ActiveMQ，就必须先聊聊JMS（Java Message Service）规范，也就是Java消息服务，它定义了Java中访问消息中间件的接口的规范。在这里注意哦，JMS只是接口，并没有给予实现，实现JMS接口的消息中间件称为 “JMS Provider”，目前知名的开源 MOM （Message Oriented Middleware，也就是消息中间件）系统包括Apache的ActiveMQ、RocketMQ、Kafka，以及RabbitMQ，可以说他们都 “基本遵循” 或 “参考” JMS规范，都有自己的特点和优势。

专业术语
JMS（Java Message Service）：实现JMS 接口的消息中间件；
Provider（MessageProvider）：消息的生产者；
Consumer（MessageConsumer）：消息的消费者；
PTP（Point to Point）：即点对点的消息模型，这也是非常经典的模型；
Pub / Sub（Publish/Subscribe）：，即发布/订阅的消息模型；
Queue：队列目标，也就是我们常说的消息队列，一般都是会真正的进行物理存储；
Topic：主题目标；
ConnectionFactory：连接工厂，JMS 用它创建连接；
Connection：JMS 客户端到JMS Provider 的连接；
Destination：消息的目的地；
Session：会话，一个发送或接收消息的线程（这里Session可以类比Mybatis的Session）；

JMS 消息格式定义：
StreamMessage 原始值的数据流
MapMessage 一套名称/值对
TextMessage 一个字符串对象
BytesMessage 一个未解释字节的数据流
ObjectMessage 一个序列化的Java对象

了解ActiveMQ
ActiveMQ 是一个完全支持JMS1.1和J2EE 1.4规范的 JMS Provider实现，尽管JMS规范出台已经是很久的事情了，但是JMS在早些年的 “J2EE应用” 时期扮演着特殊的地位，可以说那个年代ActiveMQ在业界应用最广泛，当然如果现在想要有更强大的性能和海量数据处理能力，ActiveMQ还需要不断的升级版本，不断的提升性能和架构设计的重构。

80% 以上的业务我们使用ActiveMQ已经足够满足需求，其丰富的API、多种集群构建模式使得他成为业界老牌消息中间件，在中小型企业中应用广泛！

当然如果你想针对大规模、高并发应用服务做消息中间件技术选型，譬如淘宝、京东这种大型的电商网站，尤其是双11这种特殊时间，ActiveMQ可能就显得力不从心了。

消息投递模式
我们首先要了解JMS规范里最经典的两种消息投递模式，即 “点对点” 与 “发布订阅”。

点对点：生产者向队列投递一条消息，只有一个消费者能够监听得到这条消息（PTP)，下图所示：

**发布订阅：**生产者向队列投递一条消息，所有监听该队列的消费者都能够监听得到这条消息（P/S)，下图所示：

ActiveMQ各项指标
衡量一个MOM，我们主要从三方面考虑即可，即服务性能、存储堆积能力、可扩展性。
服务性能
ActiveMQ的性能一般，在早期传统行业为王的时代还是比较流行的，但现如今面对高并发、大数据的业务场景，往往力不从心！
数据存储
默认采用kahadb存储（索引文件形式存储），也可以使用高性能的google leveldb（内存数据库存储）， 或者可以使用MySql、Oracle进程消息存储（关系型数据库存储）。
集群架构
ActiveMQ 可以与zookeeper进行构建 主备集群模型，并且多套的主备模型直接可以采用Network的方式构建分布式集群。

ActiveMQ集群架构模式
ActiveMQ最经典的两种集群架构模式，Master-Slave 、Network 集群模式！

Master-Slave：

Master-Slave：顾名思义，就是主从方式，当然这里要理解为主备的方式，也就是双机热备机制；Master Slave 背后的想法是，消息被复制到slave broker，因此即使master broker遇到了像硬件故障之类的错误，你也可以立即切换到slave broker而不丢失任何消息。 Master Slave是目前ActiveMQ推荐的高可靠性和容错的解决方案。

技术思考：Master-Slave集群模型的关键点：

上图（Master-Slave）绿色的为主节点，灰色的则为备份节点，这两个节点都是运行状态的。
zookeeper的作用就是为了当绿色的主节点宕机时，进行及时切换到备份的灰色节点上去，使其进行主从角色的互换，用于实现高可用性的方案。
Master-Slave集群模型的缺点也显而易见，就是不能做到分布式的topic、queue，当消息量巨大时，我们的MQ集群压力过大，没办法满足分布式的需求。

Network：

Network：这里可以理解为网络通信方式，也可以说叫Network of brokers。这种方式真正解决了分布式消息存储和故障转移、broker切换的问题。可以理解消息会进行均衡；从ActiveMQ1.1版本起，ActiveMQ支持networks of brokers。它支持分布式的queues和topics。一个broker会相同对待所有的订阅（subscription）：不管他们是来自本地的客户连接，还是来自远程broker，它都会递送有关的消息拷贝到每个订阅。远程broker得到这个消息拷贝后，会依次把它递送到其内部的本地连接上。

技术思考：Network集群模型的关键点：

首先，这种方案需要两套或多套（Master-Slave）的集群模型才可以搞定，部署非常麻烦，需要两套或多套集群直接相互交叉配置，相互间能够感知到彼此的存在。下面我给出一段XML配置，简单来说就是在ActiveMQ的配置文件里要进行多套（Master-Slave）之间的 networkConnector配置工作：

<broker brokerName="receiver" persistent="false" useJmx="false">
 	<transportConnectors>
 		<transportConnector uri="tcp://localhost:62002"/>
 	</transportConnectors>
 	<networkConnectors>
    	<networkConnector 
              uri="static:( tcp://localhost:61616,tcp://remotehost:61616)"/>
 	</networkConnectors>
</broker>

其次，Network虽然解决了分布式消息队列这个难题，但是还有很多潜在的问题，最典型的就是资源浪费问题，并且也可能达不到所预期的效果；通常采用Master-Slave模型是传统型互联网公司的首选，作为互联网公司往往会选择开箱即用的消息中间件，从运维、部署、使用各个方面都要优于ActiveMQ，当然ActiveMQ毕竟是 “老牌传统强Q”，Apache的顶级项目之一。
有兴趣的小伙伴可以关注一下官网，官网地址如下：https://activemq.apache.org/

3.RabbitMQ集群架构模型与原理解析

Rabbit四种集群架构：
主备模式：
Master-Slave:热备份；使用haproxy做主备

配置信息：

远程模式：
早期版本提供的多活的存储；主要是做数据的异地的容灾；
也可提升性能，单个集群处理不过来，可将消息传递到下游节点；
架构简单，配置简单；配置复杂，使用极少。
定义：远距离通信和复制，可以实现双活的一种模式，简称为Shovel
所谓Shovel就是我们可以把消息进行不同数据中的复制工作，可以
跨地域的让两个mq集群互联
配置信息：

Step3：添加配置键rabbitmq.config
Step4:源与目的地服务器使用相同的配置文件(rabbitmq.config)

镜像模式：
个人理解：软件系统的copy，将相同的软件以及数据在
在镜像系统(备份系统)上运行，提高数据的安全性与可靠性；
最经典的是Mirror镜像模式，保证数据100%不丢失
实际工作中用的最多，并且实现集群非常的简单，一般互联网大厂
都会构建这种镜像集群模式
缺点：不能进行横向的扩展(消息易堆积，横向只是多加一个备份，负担)

高可靠；数据同步；奇数几点(集群脑裂或宕机快速选出Master)

多活模型：
异地的容灾，双活，数据的转储功能；
实现异地数据复制的主流模式；因为shove模式配置比较复杂，所以一般来说异地集群都是使用这种双活或者多活模型来实现；
这种模式需要rabbitMQ的federation插件，可以实现持续可靠的AMQP数据通信，多活模式实际配置与应用非常简单

Federation插件是一个不需要构建Cluster，而在Broker之间传输
消息的高性能插件，federation插件可以在Brokers或者在Cluster之间
传输消息，连接的双方可以使用不同的users和virtual hosts,双方也可
以使用版本不同的RabbbitMQ和Erlang.federation插件使用AMQP协议
通讯，可以接受不连续的传输；

4.RocketMQ集群架构与原理解析

RocketMQ是一款分布式，队列模型的消息中间件，由阿里巴巴自主研发
的一款适用于高并发，高可靠性，海量数据场景的消息中间件；
早期开源2.x版本名为MetaQ；15年迭代3.x版本，更名为RocketMQ，16年开始贡献到Apache，经过1年多的孵化，最终成为Apache顶级的开源项目，更新非常频繁，社区活跃度也非常高；
其消息的路由、存储、集群划分都借鉴了Kafka优秀的设计思路，并结合自身的 “双十一” 场景进行了合理的扩展和API丰富。

优秀的能力与支持
接下来我们一起来看一下RocketMQ优秀的能力吧 ~

支持集群模型、负载均衡、水平扩展能力
亿级别的消息堆积能力
采用零拷贝的原理、顺序写盘、随机读（索引文件）
丰富的API使用
代码优秀，底层通信框架采用Netty NIO框架
NameServer 代替 Zookeeper
强调集群无单点，可扩展，任意一点高可用，水平可扩展
消息失败重试机制、消息可查询
开源社区活跃度、是否足够成熟（经过双十一考验）

专业术语

Producer：消息生产者，负责产生消息，一般由业务系统负责产生消息。
Consumer：消息消费者，负责消费消息，一般是后台系统负责异步消费。
Push Consumer：Consumer的一种，需要向Consumer对象注册监听。
Pull Consumer：Consumer的一种，需要主动请求Broker拉取消息。
Producer Group：生产者集合，一般用于发送一类消息。
Consumer Group：消费者集合，一般用于接受一类消息进行消费。
Broker ： MQ消息服务（中转角色，用于消息存储与生产消费转发）。
RocketMQ核心源码包及功能说明

rocketmq-broker 主要的业务逻辑，消息收发，主从同步, pagecache
rocketmq-client 客户端接口，比如生产者和消费者
rocketmq-common 公用数据结构等等
rocketmq-distribution 编译模块，编译输出等
rocketmq-example 示例，比如生产者和消费者
rocketmq-fliter 进行Broker过滤的不感兴趣的消息传输，减小带宽压力
rocketmq-logappender、rocketmq-logging日志相关
rocketmq-namesrv Namesrv服务，用于服务协调
rocketmq-openmessaging 对外提供服务
rocketmq-remoting 远程调用接口，封装Netty底层通信
rocketmq-srvutil 提供一些公用的工具方法，比如解析命令行参数
rocketmq-store 消息存储核心包
rocketmq-test 提供一些测试代码包
rocketmq-tools 管理工具，比如有名的mqadmin工具
集群架构模型
RocketMQ为我们提供了丰富的集群架构模型，包括单点模式、主从模式、双主模式、以及生产上使用最多的双主双从模式（或者说多主多从模式），在这里我们仅介绍一下经典的双主双从集群模型，如下图所示：

Producer集群就是生产者集群（他们在同一个生产者组 Producer Group）
Consumer集群就是消费者集群（他们在同一个消费者组 Consumer Group）
NameServer集群作为超轻量级的配置中心，只做集群元数据存储和心跳工作，不必保障节点间数据强一致性，也就是说NameServer集群是一个多机热备的概念。
对于Broker而言，通常Master与Slave为一组服务，他们互为主从节点，通过NameServer与外部的Client端暴露统一的集群入口。Broker就是消息存储的核心MQ服务了。
集群架构思考
RocketMQ作为国内顶级的消息中间件，其性能主要依赖于天然的分布式Topic/Queue，并且其内存与磁盘都会存储消息数据，借鉴了Kafka的 “空中接力” 概念（这个我们后面学习Kafka的时候会详细的说明），所谓 “空中接力” 就是指数据不一定要落地，RocketMQ提供了同步/异步双写、同步/异步复制的特性。在真正的生产环境中应该选择符合自己业务的配置。下面针对于RocketMQ的高性能及其瓶颈在这里加以说明：

技术思考：
RocketMQ如果在实际生产环境采用8M-8S的集群架构（8主8从）硬件单点Master为32C，96G内存，500G的SSD

**IOPS:**一个用于计算机存储设备，固态硬盘或存储区域网络性能测试的量测方式，可以视为美妙的读写次数

其主要瓶颈最终会落在IOPS上面，当高峰期来临的时候，磁盘读写能力是主要的性能瓶颈，每秒收发消息IOPS达到10W+ 消息，这也是公司内部主要的可靠性消息中间件
在很多时候，业务会有一些非核心的消息投递，后续会进行消息中间件的业务拆分，把不重要的消息（可以允许消息丢失、非可靠性投递的消息）采用Kafka的异步发送机制，借助Kafka强大的吞吐量和消息堆积能力来做业务的分流（当然RocketMQ的性能也足够好）。
为什么瓶颈在IOPS?
根本原因还是因为云环境导致的问题，云环境的SSD物理存储显然和自建机房SSD会有不小的差距，这一点我们无论是从数据库的磁盘性能、还是搜索服务（ElasticSearch）的磁盘性能，都能给出准确的瓶颈点，单机IOPS达到1万左右就是云存储SSD的性能瓶颈，这个也解释了 “木桶短板原理” 的效应，在真正的生产中，CPU的工作主要在等待IO操作，高并发下 CPU资源接近极限，但是IOPS还是达不到我们想要的效果。

5.kafka介绍与高性能原因分析

Kafka介绍：日志收集和传输；适合产生大量数据的互联网服务的数据收集业务

如果你想做消息一条不丢，kafka能够实现，效率会相对低下。

kafka特点：
分布式；跨平台；实时性；伸缩性强
Kafka做日志收集，瓶颈点在ES，ES集群的磁盘满了，导致ES消息限流；
消息都堆积在kafka，数据堆积量可能达到了几十亿；并不影响kafka消息接收能力。

Kafka高性能的原因：
顺序写，PageCache空中接力，高效读写；(顺序写排，可以提高磁盘的利用率)
高性能，高吞吐；
后台异步，主动Flush；
预读策略，IO调度

6.kafka高性能核心pageCache与zeroCopy原理解析

pagecache：
页面缓存，是操作系统实现的一种主要的磁盘缓存的机制，以此来减少对磁盘IO的缓存。
目的就是为了减少磁盘io的操作。
具体来说就是讲磁盘中的数据，缓存到内存中。将对磁盘的访问转到内存上。
现在很多的操作系统为了弥补性能差异，都是将内存当做磁盘来缓存。
当redis抗不住高缓存，高并发场景、可能会借用到内存，存入到Java内存中，也会影响Java的性能

当一个系统准备去读取磁盘上的文件，操作系统首先不是去读取磁盘上的文件
首先检查所读取的数据在pageCache中是否存在，存在即命中，直接返回数据即可，
避免了对物理磁盘的直接操作；如果没有命中，会往磁盘发送IO请求，并且将读取
的数据先添加到缓存页中去做缓存；(数据库多次查询相同的数据时速度明显块，也
是cache的功能，也就是缓存)
对于写操作，检查数据缓存的页是否在缓存页中，不存在就会在缓存页中添加相应
的页，然后把数据添加到相应的页中；(被修改的页就是脏页)，操作系统会在合适
的时机调度实现，将脏页中的数据添加到磁盘里，保证数据的一致性
kafaka不做图上的四次copy

zero copy：
只是将我们磁盘中的文件的数据复制到了页面缓存中一次、然后将页面缓存直接发送到网卡中

7.kafka集群模型讲解

大部分时间都是做的内存级别的replicate副本集.当生产者和消费者速率
相当的时候，不需要去用到磁盘，磁盘就做一个异步的备份而已；
也就是说消费者直接从内存缓存(PageCache)中提取出来即可。
可靠性：并不会保证100%的可靠性，使用replicate。因为多个节点，当某
个节点数据丢失，可以从其他节点PageCache中获取。