使用消息中间件的场景及缺点

使用场景

1. 解耦
   模块A处于系统交互的中心，需求不断变更，与模块A交互的模块交替变换需求，如果不用消息中间件，模块A需要频繁变更耦合性强。如果采用消息中间件后，模块A只需把信息交付给消息中间件，其他模块需要改信息的时候只需要从消息中间件中取出消息就可，如果不需要和模块A交互时，只需要不从消息中间件中取出消息即可。
2. 异步
   如果某一个模块A调用其他模块，只是需要其他模块处理这个请求并且其他模块处理比较耗时，这是模块A的响应比较慢。采用消息中间件后模块A可以把该请求放入到消息中间件中，直接返回。与模块A交互的只需要从消息中间件中取出消息进行耗时操作。这样提升了系统的响应速度。
3. 消峰
   在某一时段系统的访问量会剧烈增长，如果不采用限流措施，会导致系统瘫痪（如数据库的每秒访问量等）。采用消息中间件可以限制取出消息的频率，从而到达让系统在高峰时段保持自己高饱和运作而不是超负荷运转从而避免系统瘫痪

带来的缺点

1. 系统可用性降低
   在模块之间因为引入到mq后，如果mq挂掉后会影响系统运行。
2. 系统复杂性提高
   在模块之间引入mq后，需要考虑消息的顺序，重复消费，丢失等问题
3. 系统数据一致性
   在模块之间如果模块A返回成功，模块B，C执行后有一个没有运行成功，会导致数据不一致现象

各个中间件的优缺点

特性	ActiveMQ	RabbitMQ	RocketMQ	Kafka
单机吞吐量	万级	万级	十万级	十万级这是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	无topic	无topic	topic可以达到几百，几千个的级别，吞吐量会有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，需要增加更多的机器资源
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级以内
可用行	高，基于主从架构实现可用性	高，基于主从架构实现可用性	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，可以达到0丢失率	经过参数化配置可以达到0丢失率
功能支持	mq领域的功能及其完备	基于erlang开发，所以并发能力强，性能极好，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，主要支撑简单的mq功能，在大数据领域的实时计算及日志采集被大规模的使用
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 5.x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，性能极其好，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分；在国内一些互联网公司近几年用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