消息队列中间件——应用场景

1. 消息中间件的应用场景
    * 异步处理
    * 应用解耦
    * 流量削峰
    * 消息通信

用处：

1.应用解耦

场景说明：用户下单后，订单系统需要通知库存系统。传统的做法是订单系统调用库存系统的接口，如下图：

传统模式的特点：

1.加入库存系统无法访问，则订单减库存就会失败，从而导致订单失败

2.订单系统与库存系统耦合。

如何解决以上问题呢？引入消息队列中间件后的方案，如下图：

订单系统：用户下单后，订单系统完成持久化处理，将消息写入消息队列，返回用户下单成功

库存系统：订阅下单的消息采用发布/订阅的方式，获取下单信息，，库存系统根据下单信息，进行库存操作。

计入：在下单时库存系统不能正常使用了。也不影响正常下单，因为下单后，订单系统写入消息队列就不再关心其它的后续操作了。实现订单系统与库存系统的应用解耦。

2.流量消峰

流量消峰也是消息队列中的常用场景，一般在秒杀或者团抢的活动中使用广泛，

应用场景：秒杀活动，一般会因为流量过大，导致嘹亮暴增，应用挂掉，为了解决这个问题，一般呀在应用前端加入消息队列。

可以控制活动人数，可以缓解短时间内高流量压垮应用。

用户的请求，服务器接收后，首先写入消息队列。加入消息队列长度超过最大数量，则直接抛弃用户请求或者跳转到错误页面、

秒杀业务根据消息队列中的请求再做后续的处理

3.日志处理

日志处理是将消息队列用在日志处理中，比如kafka的应用，解决大量日志传输的问题。架构简化如下：

日志采集客户端，负责日志数据采集，定时写入kafka队列

kafka队列，负责日志数据的接收，存储和转发。

日志处理应用：订阅并消费kafka队列中的日志数据

kafka：接收日志的消息队列

logstash：做日志解析，统一成json输出给Elasticsearch

Elasticsearch：实时日志分析服务的核心技术，一个schemaless，实时的数据存储服务，通过index组织数据，兼具强大的搜索和统计功能。

kibana：基于Elasticsearch的数据可视化组件，超强的数据可视化能力是众多公司选择elk stack的重要原因

4.消息通讯

消息通讯是指，消息队列一般都内置了搞笑的通信机制，因此也可以用在纯的消息通讯。比如实现点对点消息队列，或者聊天室

点对点通讯：

客户端A和客户端B使用同一队列，进行消息通讯。

聊天室通讯：

客户端A，客户端B，客户端N订阅同一主题，进行消息发布和接收。实现类似聊天室效果。

5.异步处理

场景说明：用户注册后，需要发注册邮件和注册短信。传统的做法有两种：

1.串行的方式，2.并行的方式

（1）串行的方式：将注册信息写入数据库成功后，发送注册邮件，再发送注册短信。以上三个人物全部完成后返回给客户端

（2）并行的方式：将注册信息写入数据库后，发送注册邮件的同时，发送注册短信。以上三个人物完成后，返回给客户端，与串行的差别是，并行的方式可以提高处理的时间。

假设三个业务节点每个使用50秒，不考虑网络等其它开销，则串行方式的时间是150毫秒，并行的时间可能是100毫秒。

因为CPU在单位时间内处理的请求数是一定的，假设CPU在1秒内吞吐量是100次，则串行方式1秒内CPU可处理的请求量是7此（1000/150）。并行方式处理的请求量是10次（1000/100）

小结：如以上案例描述，传统的方式系统的性能（并发量，吞吐量，响应时间）会有瓶颈，如何解决这个问题呢？

引入消息队列，将不是必须的业务逻辑，一部处理，改造后的框架如下：

按照以上约定，用户的响应事假相当于是注册信息写入数据库的时间，也就是50毫秒。注册邮件，发送短信写入消息队列后，直接返回，因此写入消息队列的速度很快，基本可以忽略，因此用户的响应时间可能是50毫秒，因此架构改变后，系统的吞吐量提高到每秒20QPS，比串行提高了3倍，比并行调高了2倍。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ke