分布式进阶（一）——分布式框架之高性能：消息队列

作者简介：大家好，我是smart哥，前中兴通讯、美团架构师，现某互联网公司CTO

联系qq：184480602，加我进群，大家一起学习，一起进步，一起对抗互联网寒冬

学习必须往深处挖，挖的越深，基础越扎实！

阶段1、深入多线程

阶段2、深入多线程设计模式

阶段3、深入juc源码解析

阶段4、深入jdk其余源码解析

阶段5、深入jvm源码解析

 

码哥源码部分

码哥讲源码-原理源码篇【2024年最新大厂关于线程池使用的场景题】

码哥讲源码【炸雷啦！炸雷啦！黄光头他终于跑路啦！】

码哥讲源码-【jvm课程前置知识及c/c++调试环境搭建】

 

​​​​​​码哥讲源码-原理源码篇【揭秘join方法的唤醒本质上决定于jvm的底层析构函数】

码哥源码-原理源码篇【Doug Lea为什么要将成员变量赋值给局部变量后再操作？】

码哥讲源码【你水不是你的错,但是你胡说八道就是你不对了！】

码哥讲源码【谁再说Spring不支持多线程事务，你给我抽他！】

终结B站没人能讲清楚红黑树的历史，不服等你来踢馆！

打脸系列【020-3小时讲解MESI协议和volatile之间的关系，那些将x86下的验证结果当作最终结果的水货们请闭嘴】

 

一、简介

消息队列大家应该不陌生，没接触过的可以先看下我的另一个专栏分布式基础系列。目前常见的开源分布式消息队列主要有下面几种：

特性	ActiveMQ	RabbitMQ	RocketMQ	Kafka
单机吞吐量	万级	万级	10万级	10万级以上
topic数量	/	/	topic达到千级时，吞吐量会小幅下降	topic达到百级时，吞吐量会大幅下降
时效性	毫秒级	微秒级	毫秒级	毫秒级
可用性	高，主从架构	高，主从架构	非常高，数据分散集群架构	极高，数据分散集群架构
消息可靠性	有较低的概率丢失数据	有较低的概率丢失数据	经过参数配置，可以做到0丢失	经过参数配置，可以做到0丢失
框架开发语言	Java	erlang	Java	Java
优劣势	优势：非常成熟，功能完备，在业内大量的公司以及项目中都有应用；劣势：社区不活跃，版本迭代很慢，不适合大规模并发场景。	优势：自带管理界面非常好用，社区活跃，版本迭代快；劣势：吞吐量一般，erlang不利于研究源码。	优势：吞吐量非常高，适合大规模高并发应用，功能丰富，社区活跃；劣势：依赖阿里，一旦被抛弃，后续维护有风险	优势：吞吐量极高，可用性极高，社区活跃适合大规模高并发应用，社区活跃，适合大数据实时计算以及日志收集劣势：功能较单一

我们后续会针对RabbitMQ、RocketMQ、Kalfka这三种主流MQ作讲解，本章我们先来看下为什么要在我们的系统中引入分布式消息队列？

我们在自己的系统中引入消息队列，无非就是三个目的： 解耦 、 异步 、 削峰 。本文我们就通过三个示例来讲解下消息队列的这三项基本功能。

二、解耦

在分布式系统中，解耦的目的就是降低服务之间的直接依赖。我们来看下面这个系统。

2.1 解耦前

服务A是一个供数系统，会产生一些比较关键的数据，然后通过接口调用的方式把数据给服务B和服务C，最开始服务B和服务C所需的数据是相同的，所以一切都没什么问题：

一段时间后，服务C要求服务A做一些更改，原来送的数据有些地方需要做变更，所以服务A要重新调用一个服务C的专用接口：

又过了一段时间，来了服务D和服务E，也要求服务A针对它们需要的数据调用定制接口，同时服务B告诉服务A，以前那个通用接口不用了，因为服务B要下线了：

这种直连的方式导致服务A跟各种各种乱七八糟的服务紧耦合在一起，同时还要考虑超时问题、是不是要做重试机制，维护服务A的童鞋估计要崩溃。

2.2 解耦后

我们来看下如何通过消息中间件解耦：

上图中，在服务A和各个服务之间加入MQ，服务A产生的数据全量仍到MQ，并约定好格式，哪个服务需要数据就自己去MQ消费，然后自己处理。服务A也不用考虑什么接口调用超时、重试之类的问题了。

三、异步

消息队列的另一个重要功能就是异步化接口调用，我们考虑这样一种场景：用户通过浏览器发起一个请求，后台服务针对请求做处理，但事实上用户并不需要立刻得到该请求的响应，因为页面有其它地方可以让用户稍后查询请求的结果。这是一种典型的异步请求场景，我们现在看下同步的情况。

3.1 同步请求

下图中，服务A本地执行一些逻辑耗时20ms，然后依次同步调用服务B、服务C、服务D的接口，由于各个依赖服务本地执行的逻辑各不相同，在加上网络开销，一个请求的耗时接近1s。

一般来说，对于互联网应用，如果是涉及与用户直接交互的，基本都要在200ms内完成，所以显然这种同步调用方式在当前业务场景下是不可取的。

3.2 异步请求

我们再来看下如何通过消息中间件将请求异步化：

上图中，假设服务A发送3个消息耗时5ms，加上自身执行逻辑耗时20ms，那么25ms就可以将结果响应给用户。至于服务B、服务C、服务D，都是异步从消息队列中获取消息然后执行本地逻辑，从而大大减小了请求耗时，提升了用户体验。

四、削峰

消息队列最后一种常用的场景，就是在高峰时间进行削峰。

4.1 削峰前

一般的应用可能是下图这样的，在非高峰期时期，系统几乎没什么压力，但是一旦遇到高峰流量，请求都直接打到数据库，MySQL一般扛个每秒2000请求差不多快到极限了，再高就可能崩溃：

4.2 削峰

峰值流量持续的时间不会很久，一般最多1小时就差不多了，我们完全可以利用MQ存储高峰期的请求，然后系统A依然以自身最大能力去消费MQ（假设每秒消费2000个请求），这样即使在高峰期，系统也不会挂掉：

因为非峰值时期的流量一般是很低的，所以对于积压的消息，会在高峰期过后被慢慢消费掉。举个例子，假设每秒MQ积压3000条消息，那么1小时积压1000万条消息，这1000万条消息基本上1个小时就可以被系统A处理完。

五、总结

引入分布式消息队列后，会给系统带来很多好处，最主要的就是性能方面，但同时也会使系统的复杂性变高。一方面，MQ自身需要做到高可用，另一方面，多个系统通过MQ进行交互，如何保证数据一致性？（比如3.2中的系统A处理完后直接返回成功，系统B、C、D中的BC写库成功，但是D失败了，这时候数据就不一致了）我们后续章节，会针对使用消息队列过程中的一些核心问题进行分析讲解。