消息隊列中間件是分布式系統中重要的組件，主要解決應用耦合，異步消息，流量削鋒等問題 實現高性能，高可用，可伸縮和最終一致性架構 使用較多的消息隊列有ActiveMQ，RabbitMQ，ZeroMQ，Kafka，MetaMQ，RocketMQ # 異步處理 場景說明：用戶注冊后，需要發注冊郵件和注冊短信。 傳統的做法有兩種1.串行的方式；2.并行方式。 （1）串行方式：將注冊信息寫入數據庫成功后，發送注冊郵件，再發送注冊短信。以上三個任務全部完成后，返回給客戶端。  （2）并行方式：將注冊信息寫入數據庫成功后，發送注冊郵件的同時，發送注冊短信。以上三個任務完成后，返回給客戶端。與串行的差別是，并行的方式可以提高處理的時間。  假設三個業務節點每個使用50毫秒鐘，不考慮網絡等其他開銷，則串行方式的時間是150毫秒，并行的時間可能是100毫秒。 因為CPU在單位時間內處理的請求數是一定的，假設CPU1秒內吞吐量是100次。則串行方式1秒內CPU可處理的請求量是7次（1000/150）。并行方式處理的請求量是10次（1000/100）。 小結：如以上案例描述，傳統的方式系統的性能（并發量，吞吐量，響應時間）會有瓶頸。如何解決這個問題呢？ 引入消息隊列，將不是必須的業務邏輯，異步處理。改造后的架構如下：  按照以上約定，用戶的響應時間相當于是注冊信息寫入數據庫的時間，也就是50毫秒。注冊郵件，發送短信寫入消息隊列后，直接返回，因此寫入消息隊列的速度很快，基本可以忽略，因此用戶的響應時間可能是50毫秒。因此架構改變后，系統的吞吐量提高到每秒20 QPS。比串行提高了3倍，比并行提高了兩倍。 # 應用解耦 場景說明：用戶下單后，訂單系統需要通知庫存系統。傳統的做法是，訂單系統調用庫存系統的接口。如下圖  傳統模式的缺點： 1） 假如庫存系統無法訪問，則訂單減庫存將失敗，從而導致訂單失敗； 2） 訂單系統與庫存系統耦合； 如何解決以上問題呢？引入應用消息隊列后的方案，如下圖：  * 訂單系統：用戶下單后，訂單系統完成持久化處理，將消息寫入消息隊列，返回用戶訂單下單成功。 * 庫存系統：訂閱下單的消息，采用拉/推的方式，獲取下單信息，庫存系統根據下單信息，進行庫存操作。 * 假如：在下單時庫存系統不能正常使用。也不影響正常下單，因為下單后，訂單系統寫入消息隊列就不再關心其他的后續操作了。實現訂單系統與庫存系統的應用解耦。 # 流量削鋒 流量削鋒也是消息隊列中的常用場景，一般在秒殺或團搶活動中使用廣泛。 應用場景：秒殺活動，一般會因為流量過大，導致流量暴增，應用掛掉。為解決這個問題，一般需要在應用前端加入消息隊列。 1. 可以控制活動的人數； 2. 可以緩解短時間內高流量壓垮應用；  1. 用戶的請求，服務器接收后，首先寫入消息隊列。假如消息隊列長度超過最大數量，則直接拋棄用戶請求或跳轉到錯誤頁面； 2. 秒殺業務根據消息隊列中的請求信息，再做后續處理。 # 日志處理 日志處理是指將消息隊列用在日志處理中，比如Kafka的應用，解決大量日志傳輸的問題。架構簡化如下  1. 日志采集客戶端，負責日志數據采集，定時寫受寫入Kafka隊列； 2. Kafka消息隊列，負責日志數據的接收，存儲和轉發； 3. 日志處理應用：訂閱并消費kafka隊列中的日志數據；  (1)Kafka：接收用戶日志的消息隊列。 (2)Logstash：做日志解析，統一成JSON輸出給Elasticsearch。 (3)Elasticsearch：實時日志分析服務的核心技術，一個schemaless，實時的數據存儲服務，通過index組織數據，兼具強大的搜索和統計功能。 (4)Kibana：基于Elasticsearch的數據可視化組件，超強的數據可視化能力是眾多公司選擇的重要原因。 # 消息通訊 消息通訊是指，消息隊列一般都內置了高效的通信機制，因此也可以用在純的消息通訊。比如實現點對點消息隊列，或者聊天室等。 點對點通訊：  客戶端A和客戶端B使用同一隊列，進行消息通訊 聊天室通訊：  客戶端A，客戶端B，客戶端N訂閱同一主題，進行消息發布和接收。實現類似聊天室效果。 以上實際是消息隊列的兩種消息模式，點對點或發布訂閱模式。