如何进行消息队列的技术选型？

网络整理的一些消息队列方面的面试套路。

为什么使用消息队列啊？消息队列有什么优点和缺点啊？kafka、activemq、rabbitmq、rocketmq都有什么区别以及适合哪些场景？

     顾名思义，消息队列是消息的传输过程中保存消息的容器。

为什么使用消息队列？

其实就是问问你消息队列都有哪些使用场景，然后你项目里具体是什么场景，说说你在这个场景里用消息队列是什么？

面试官问你这个问题期待的一个答案是说，你们公司有个什么业务场景，这个业务场景有个什么技术挑战，如果不用MQ可能会很麻烦，但是你现在用了MQ之后带给了你很多的好处。

先说一下消息队列的常见使用场景，比较核心的有3个：解耦，异步，削峰。

解耦：现场画个图来说明：A系统发送这个数据到BCD三个系统，接口调用发送，那如果E系统也要这个数据呢？那如果C系统现在不需要了呢？现在A系统又要发送第二种数据了呢？A系统要时时刻刻考虑BCDE四个系统如果挂了怎么办。这就出现了问题。这个时候我们就可以使用MQ实现解耦。

异步：现场画个图来说明，A系统接收一个请求，需要在自己本地写库，还需要在BCD三个系统中写库，最终请求的总延时是四个库写入的耗时总和。

削峰：比如我们的系统最大的处理能力是每秒处理一千的请求，平常时间每秒的请求峰值是一百，但是每天中午十一点到下午一点的请求峰值达到了一万条，那系统不就死了。

以上是使用MQ可以解决的问题，也是MQ的优点，下面是MQ的缺点：

系统可用性降低：系统引入的外部依赖越多，越容易挂掉，本来我们就A系统调用BCD三个系统的接口就好了，没啥问题，但是加个MQ进来，万一MQ挂了整，MQ挂了，整套系统崩溃了，不就完蛋了。

系统复杂性提高：硬生生加个MQ进来，你怎么保证消息没有重复消费？怎么处理消息丢失的情况？怎么保证消息传递的顺序性。

一致性问题：A系统处理完了直接返回成功了，人都以为你这个请求就成功了，但是问题是，要是BCD三个系统那里，BD两个系统写库成功了，结果C系统写库失败了，咋整？你这个数据节不一致了。

所以消息队列实际是一种非常复杂的架构，引入它有很多好处，但是也得针对它带来的坏处做各种额外的技术方案和架构来规避掉，最好之后，你会发现，系统复杂度提升了一个数量级，但是关键时刻，还是得用。

下面是一个表格详细介绍常见的几种MQ的优缺点。

特性	ActiveMQ	RabbitMQ	RocketMQ	Kafka
单击吞吐量	万级，吞吐量比RocketMQ和Kafka要第一个数量级	万级，吞吐量比RocketMQ和Kafka要第一个数量级	10万级，RocketMQ也是可以支撑高吞吐的一种MQ	10万级别，这是Kafka最大的优点，就是吞吐量高。一般配合大数据类的系统来进行实时数据计算，日志采集等场景。
topic数量对吞吐量的影响			topic可以达到几百，几千个的级别，吞吐量会较小幅度的下降，这是RocketMQ的一大优势，在同等机器下，可以支撑大量的topic。	topic从几十个到几百个的时候，吞吐量会大幅度下降。所以在同等机器下，Kafka尽量保证topic数量不要过多。如果要支撑大规模topic，需要增加更多机器资源。
时效性	ms级	微妙级，这是rabbitMq的一大特点，延迟是最低的	ms级	延迟在ms以内
可用性	高，基于主从框架实现高可用性	高，基于主从架构实现高可用性	非常高，分布式架构	非常高，kafka是分布式的，一个数据多个副本，少数机器宕机，不会丢失数据，不会导致不可用
消息可靠性	有较低的概率丢失数据		经过参数优化配置可以做到0丢失	经过参数优化配置，消息可以做到0丢失
功能支持	MQ领域的功能及其完备	基于erlang开发，所以并发能力很强，性能及其好，延时很低	MQ功能较为完善，还是分布式的，扩展性好	功能较为简单，主要支持简单的MQ功能，在大数据领域的实时计算以及日志采集被大规模使用，是事实上的标准
优劣势总结	非常成熟，功能强大，在业内大量的公司以及项目中都有应用。 偶尔会有较低概率的丢失消息。 而且现在社区以及国内应用都越来越少，官方社区现在对ActiveMQ维护越来越少，几个月才发布一个版本。 而且确实主要是基于解耦和异步来用的，较少在大规模吞吐的场景中使用。	erlang语言开发，性能及其好，延时很低：吞吐量到万级，MQ功能比较完备，而且开源提供的管理界面非常棒，用起来很好用。社区相对比较活跃，几乎每个月都发布几个版本。在国内公司用 rabbitmq也比较多一些   但是问题也是显而易见的，RabbitMQ确实吞吐量会低一些，这是因为他做的实现机制比较重。   而且erlang开发，国内有几个公司有实力做erlang源码级别的研究和定制？如果说你没这个实力的话，确实偶尔会有一些问题，你很难去看懂源码，你公司对这个东西的掌控很弱，基本职能依赖于开源社区的快速维护和修复bug。   而且rabbitmq集群动态扩展会很麻烦，不过这个我觉得还好。其实主要是erlang语言本身带来的问题。很难读源码，很难定制和掌控。	接口简单易用，而且毕竟在阿里大规模应用过，有阿里品牌保障   日处理消息上百亿之多，可以做到大规模吞吐，性能也非常好，分布式扩展也很方便，社区维护还可以，可靠性和可用性都是ok的，还可以支撑大规模的topic数量，支持复杂MQ业务场景   而且一个很大的优势在于，阿里出品都是java系的，我们可以自己阅读源码，定制自己公司的MQ，可以掌控   社区活跃度相对较为一般，不过也还可以，文档相对来说简单一些，然后接口这块不是按照标准JMS规范走的有些系统要迁移需要修改大量代码   还有就是阿里出台的技术，你得做好这个技术万一被抛弃，社区黄掉的风险，那如果你们公司有技术实力我觉得用RocketMQ挺好的	kafka的特点其实很明显，就是仅仅提供较少的核心功能，但是提供超高的吞吐量，ms级的延迟，极高的可用性以及可靠性，而且分布式可以任意扩展   同时kafka最好是支撑较少的topic数量即可，保证其超高吞吐量   而且kafka唯一的一点劣势是有可能消息重复消费，那么对数据准确性会造成极其轻微的影响，在大数据领域中以及日志采集中，这点轻微影响可以忽略   这个特性天然适合大数据实时计算以及日志收集

所以中小型公司，技术实力较为一般，技术挑战不是特别高，用RabbitMQ是不错的选择，大型公司，基础架构研发实力较强，用RocketMQ是很好的选择。

如果是大数据领域的实时计算，日志采集等场景，用Kafka是业内标砖，绝对没问题，社区活跃度高，几乎是全世界这个领域的实施性规范。