消息队列 策略_20k+面试题之保证消息队列高可用

点击蓝色“IT乾坤”关注我哟

加个“星标”，一起成长

为什么要保证消息队列的高可用

因为消息队列是多个服务之间沟通的桥梁，如果桥梁断了，那么会造成多个系统都出现问题，甚至造成服务直接瘫痪了，现实中确实有这样的例子。

某大厂就是因为消息队列挂了直接损失达到几千万。

所以我们既然引入了消息队列，那么一定要保证消息队列的高可用性。

怎么保证消息队列的高可用

这里通过rabbitMQ和kafka为例子来讲解消息队列的高可用

RabbitMQ保证高可用

rabbitmq有三种模式：单机模式，普通集群模式，镜像集群模式

1)单机模式

就是demo级别的，一般就是你本地启动了玩玩儿的，没人生产用单机模式

2)普通集群模式

意思就是在多台机器上启动多个rabbitmq实例，每个机器启动一个。但是你创建的queue，只会放在一个rabbtimq实例上，然后其他每个实例都同步queue的元数据。完了你消费的时候，实际上如果连接到了另外一个实例，那么那个实例会从queue所在实例上拉取数据过来。

这种方式确实很麻烦，也不怎么好，没做到所谓的分布式，就是个普通集群。因为这导致你要么消费者每次随机连接一个实例然后拉取数据，要么固定连接那个queue所在实例消费数据，前者有数据拉取的开销，后者导致单实例性能瓶颈。

而且如果那个放queue的实例宕机了，会导致接下来其他实例就无法从那个实例拉取，如果你开启了消息持久化，让rabbitmq落地存储消息的话，消息不一定会丢，得等这个实例恢复了，然后才可以继续从这个queue拉取数据。

所以这个事儿就比较尴尬了，这就没有什么所谓的高可用性可言了，这方案主要是提高吞吐量的，就是说让集群中多个节点来服务某个queue的读写操作。

3)镜像集群模式

这种模式，才是所谓的rabbitmq的高可用模式，跟普通集群模式不一样的是，你创建的queue，无论元数据(元数据指rabbitmq的配置数据)还是queue里的消息都会存在于多个实例上，然后每次你写消息到queue的时候，都会自动把消息到多个实例的queue里进行消息同步。

这样的话，好处在于，你任何一个机器宕机了，没事儿，别的机器都可以用。坏处在于，第一，这个性能开销也太大了吧，消息同步所有机器，导致网络带宽压力和消耗很重！第二，这么玩儿，就没有扩展性可言了，如果某个queue负载很重，你加机器，新增的机器也包含了这个queue的所有数据，并没有办法线性扩展你的queue。

那么怎么开启这个镜像集群模式呢？很简单rabbitmq有很好的管理控制台，就是在后台新增一个策略，这个策略是镜像集群模式的策略，指定的时候可以要求数据同步到所有节点的，也可以要求就同步到指定数量的节点，然后你再次创建queue的时候，应用这个策略，就会自动将数据同步到其他的节点上去了。

Kafka保证高可用

kafka一个最基本的架构认识：

1.多个broker组成，每个broker是一个节点；你创建一个topic，这个topic可以划分为多个partition，每个partition可以存在于不同的broker上，每个partition就放一部分数据。这就是天然的分布式消息队列，就是说一个topic的数据，是分散放在多个机器上的，每个机器就放一部分数据。

2.broker进程，就是kafka在每一台机器上启动的自己的进程，每一台机器+borker进程就可以说是一个kafka的一个节点。

kafka怎么保证高可用性

实际上rabbitmq之类的，并不是分布式消息队列，他就是传统的消息队列，只不过提供了一些集群、HA的机制而已，因为无论怎么玩儿，rabbitmq一个queue的数据都是放在一个节点里的，镜像集群下，也是每个节点都放这个queue的完整数据。

但是kafka是一个分布式消息队列，因为它的每一个topic里面的多个partition数据都是在不同节点上面上的，一个节点瘫痪了，还有其他备份节点在发挥作用，它的具体保证高可用性过程如下：

1.在kafka 0.8以前，是没有HA机制的，就是任何一个broker宕机了，那个broker上的partition就废了，没法写也没法读，此时没有什么高可用性可言。

2.但是kafka 0.8以后，提供了HA机制，就是replica副本机制。每个partition的数据都会同步到其他机器上，形成自己的多个replica副本。

比如创建一个topic，然后指定partition为3，那么此时就会在6个节点上面放这三个partition,3个是主，3个是备份，不过实际上在kafka看来3个主的和3个备份的都是副本

此时topic分成三个partition,分别是partition1、partition2、partition3，然后这每一个partition都有两个副本，分别是副本1和副本2 然后往topic里面插入3条数据，那么这三个数据就会分别插入到partition1、partition2、partition3，并且这三条数据还会在partition1、partition2、partition3的备份节点里面插入作为备份数据

3.然后所有replica会选举一个leader出来，那么生产和消费都跟这个leader打交道，然后其他replica就是follower。写的时候，leader会负责把数据同步到所有follower上去，读的时候就直接读leader上数据即可。

此时下面的partition1的副本1、partition2的副本1、partition3的副本1都是leader，然后下面的partition1的副本2、partition2的副本2、partition3的副本2都是follower

3.1为什么只能读写leader？很简单，要是你可以随意读写每个follower，那么就要care数据一致性的问题，系统复杂度太高，很容易出问题。

4.此时就有所谓的高可用性了，因为如果某个broker宕机了，没事儿，那个broker上面的partition在其他机器上都有副本的，如果这上面有某个partition的leader，那么此时会重新从这个partition剩余的follower里面选举一个新的leader出来，大家继续读写那个新的leader即可。

kafka的读写数据过程：

写数据的时候:生产者就写leader，然后leader将数据落地写本地磁盘，接着其他follower自己主动从leader来pull数据。一旦所有follower同步好数据了，就会发送ack给leader，leader收到所有follower的ack之后，就会返回写成功的消息给生产者。(当然，这只是其中一种模式，还可以适当调整这个行为)

读取的时候:只会从leader去读，但是只有一个消息已经被所有follower都同步成功返回ack的时候，这个消息才会被消费者读到。

点个再看少个bug