消息队列（Kafka、RocketMQ）

消息模型：

RocketMQ消息模型：

Kafka：RocketMQ中的队列（queue）对应Kafka中的分区（Partition），其他两者的消息模型一致

事务消息（提交事务失败处理方案）：

Kafka：抛出异常，重试
RocketMQ：通过接口反查事务状态

保证消息可靠性：

生产阶段：消息从producer端生产出来发送到broker端。采用请求确认机制，正确处理返回值或捕获异常
存储阶段：消息在broker端存储。数据写入磁盘成功再相应，如果是集群的话，节点刷盘成功数过半通过
消费阶段：消息从broker端到consumer端。采用请求确认机制，业务逻辑完成后再发送消费确认

重复消息处理：

1、利用数据库的唯一索引
2、给更新的数据设置前置条件
3、记录并检查

消息堆积处理：

1、发送变快：
	增加消费端的实例，系统降级关闭一些不重要的业务
2、消费变慢：
	排查变慢原因，消费失败导致一条消息反复消费的情况变多，消费线程是不是阻塞住了

保证消息有序性：

主题层面是没法保证消息有序性的，只有在分区（队列）上才能保证有序性
如果是全局有序性，可以配置成一个队列一个生产者一个消费者
如果是局部有序性，可以取一个key，用一致性哈希算法计算出队列编号，保证相同的key发送到同一个队列上

高性能的网络传输：

通过NIO，多路复用实现高吞吐

序列化和反序列化：

将结构化数据转换成字节流的过程就称为序列化，反过来转换称为反序列化
选择序列化需要衡量的几个因素：
	序列化后的数据最后是易于阅读的
	实现的复杂度是否足够低
	序列化和反序列化的速度越快越好
	序列化后的信息密度越大越好，也就是序列化后占用的存储空间越小越好
JSON -- Kryo -- 专用的序列化

Kafka如何实现高性能IO

1、producer发送消息的时候，kafka不会马上将消息发送出去，而是会在内存缓存起来，等合适的时机再将缓存中的消息组成一批发送给broker，
	在写入磁盘、读取消息、集群复制到副本这些操作中不会将“批消息”解开，而是作为一条“批消息”进行处理的。
2、顺序读写
3、PageCache 加速消息读写
4、ZeroCopy 零拷贝