五分钟学后端技术：如何学习Java工程师必知必会的消息队列

原创声明

本文做者：黄小斜

转载请务必在文章开头注明出处和做者。

什么是消息队列

“RabbitMQ？”“Kafka？”“RocketMQ？”...在平常学习与开发过程当中，咱们经常听到消息队列这个关键词，可能你是熟练使用消息队列的老手，又或者你是不懂消息队列的新手，不论你了不了解消息队列，本文都将带你搞懂消息队列的一些基本理论。若是你是老手，你可能从本文学到你以前未曾注意的一些关于消息队列的重要概念，若是你是新手，相信本文将是你打开消息队列大门的一板砖。

根据百度百科的说法，“消息队列”是在消息的传输过程当中保存消息的容器。消息队列管理器在将消息从它的源中继到它的目标时充当中间人。队列的主要目的是提供路由并保证消息的传递；若是发送消息时接收者不可用，消息队列会保留消息，直到能够成功地传递它。`

为何要使用消息队列

我以为使用消息队列主要有两点好处：

1.经过异步处理提升系统性能（削峰、减小响应所需时间）;

2.下降系统耦合性。若是在面试的时候你被面试官问到这个问题的话，通常状况是你在你的简历上涉及到消息队列这方面的内容，这个时候推荐你结合你本身的项目来回答。

《大型网站技术架构》第四章和第七章均有提到消息队列对应用性能及扩展性的提高。

在我平时的平常工做中，用到消息队列的场景可很多，好比，我有一个定时任务须要在A应用天天7点开始调度，那么定时任务系统如何告诉这个A应用呢，一种办法是直接调用A应用的RPC服务，可是，定时任务系统不可能去记录那么多应用的RPC服务，因此若是换成消息，就大大下降了复杂度。

还有一种常见使用消息队列的场景，那就是把一些不须要及时处理的RPC调用改为消息，好比最典型的电商下单，必定是实时性要求很高的，可是，有一些消息会在用户下单后进行异步的发送，好比用户对商品的评价，用户的退款请求，这些请求不须要被实时地进行处理，彻底能够异步化处理，这个时候使用消息队列就是再好不过的选择了，消息队列会帮你存储这些待处理的消息，而且等应用负载较低的时候再分发给应用处理，或者是等待应用主动向消息队列获取消息。

经常使用的消息队列

咱们能够把消息队列比做是一个存放消息的容器，当咱们须要使用消息的时候能够取出消息供本身使用。消息队列是分布式系统中重要的组件，使用消息队列主要是为了经过异步处理提升系统性能和削峰、下降系统耦合性。目前使用较多的消息队列有ActiveMQ，RabbitMQ，Kafka，RocketMQ。

固然，在咱们公司内部用的大多都是自研的消息队列产品，一方面是由于须要适配金融级分布式场景，另外一方面自研的中间件有专门的的团队维护，出了什么问题才能及时处理和修复。

下面咱们就一块儿来看看这些开源的消息队列是怎么设计的，各有什么优缺点呢。

RabbitMQ

RabbitMQ 2007年发布，是一个在AMQP(高级消息队列协议)基础上完成的，可复用的企业消息系统，是当前最主流的消息中间件之一。

主要特性：

1. 可靠性: 提供了多种技术可让你在性能和可靠性之间进行权衡。这些技术包括持久性机制、投递确认、发布者证明和高可用性机制；
2. 灵活的路由： 消息在到达队列前是经过交换机进行路由的。RabbitMQ为典型的路由逻辑提供了多种内置交换机类型。若是你有更复杂的路由需求，能够将这些交换机组合起来使用，你甚至能够实现本身的交换机类型，而且当作RabbitMQ的插件来使用；
3. 消息集群：在相同局域网中的多个RabbitMQ服务器能够聚合在一块儿，做为一个独立的逻辑代理来使用；
4. 队列高可用：队列能够在集群中的机器上进行镜像，以确保在硬件问题下还保证消息安全；
5. 多种协议的支持：支持多种消息队列协议；
6. 服务器端用Erlang语言编写，支持只要是你能想到的全部编程语言；
7. 管理界面: RabbitMQ有一个易用的用户界面，使得用户能够监控和管理消息Broker的许多方面；
8. 跟踪机制：若是消息异常，RabbitMQ提供消息跟踪机制，使用者能够找出发生了什么；
9. 插件机制：提供了许多插件，来从多方面进行扩展，也能够编写本身的插件；

优势：

1. 因为erlang语言的特性，mq 性能较好，高并发；
2. 健壮、稳定、易用、跨平台、支持多种语言、文档齐全；
3. 有消息确认机制和持久化机制，可靠性高；
4. 高度可定制的路由；
5. 管理界面较丰富，在互联网公司也有较大规模的应用；
6. 社区活跃度高；

缺点：

1. 尽管结合erlang语言自己的并发优点，性能较好，可是不利于作二次开发和维护；
2. 实现了代理架构，意味着消息在发送到客户端以前能够在中央节点上排队。此特性使得RabbitMQ易于使用和部署，可是使得其运行速度较慢，由于中央节点增长了延迟，消息封装后也比较大；
3. 须要学习比较复杂的接口和协议，学习和维护成本较高；

ActiveMQ

ActiveMQ是由Apache出品，ActiveMQ 是一个彻底支持JMS1.1和J2EE 1.4规范的 JMS Provider实现。它很是快速，支持多种语言的客户端和协议，并且能够很是容易的嵌入到企业的应用环境中，并有许多高级功能。

主要特性：

1. 服从JMS 规范：JMS 规范提供了良好的标准和保证，包括：同步或异步的消息分发，一次和仅一次的消息分发，消息接收和订阅等等。听从 JMS 规范的好处在于，不论使用什么 JMS 实现提供者，这些基础特性都是可用的；
2. 链接性：ActiveMQ 提供了普遍的链接选项，支持的协议有：HTTP/S，IP 多播，SSL，STOMP，TCP，UDP，XMPP等等。对众多协议的支持让 ActiveMQ 拥有了很好的灵活性。
3. 支持的协议种类多：OpenWire、STOMP、REST、XMPP、AMQP ；
4. 持久化插件和安全插件：ActiveMQ 提供了多种持久化选择。并且，ActiveMQ 的安全性也能够彻底依据用户需求进行自定义鉴权和受权；
5. 支持的客户端语言种类多：除了 Java 以外，还有：C/C++，.NET，Perl，PHP，Python，Ruby；
6. 代理集群：多个 ActiveMQ 代理能够组成一个集群来提供服务；
7. 异常简单的管理：ActiveMQ 是以开发者思惟被设计的。因此，它并不须要专门的管理员，由于它提供了简单又使用的管理特性。有不少中方法能够监控 ActiveMQ 不一样层面的数据，包括使用在 JConsole 或者 ActiveMQ 的Web Console 中使用 JMX，经过处理 JMX 的告警消息，经过使用命令行脚本，甚至能够经过监控各类类型的日志。

优势：

1. 跨平台(JAVA编写与平台无关有，ActiveMQ几乎能够运行在任何的JVM上)
2. 能够用JDBC：能够将数据持久化到数据库。虽然使用JDBC会下降ActiveMQ的性能，可是数据库一直都是开发人员最熟悉的存储介质。将消息存到数据库，看得见摸得着。并且公司有专门的DBA去对数据库进行调优，主从分离；
3. 支持JMS ：支持JMS的统一接口;
4. 支持自动重连；
5. 有安全机制：支持基于shiro，jaas等多种安全配置机制，能够对Queue/Topic进行认证和受权。
6. 监控完善：拥有完善的监控，包括Web Console，JMX，Shell命令行，Jolokia的REST API；
7. 界面友善：提供的Web Console能够知足大部分状况，还有不少第三方的组件可使用，如hawtio；

缺点：

1. 区活跃度不及RabbitMQ高；
2. 根据其余用户反馈，会出莫名其妙的问题，会丢失消息；
3. 目前重心放到activemq6.0产品-apollo，对5.x的维护较少；
4. 不适合用于上千个队列的应用场景；

RocketMQ

RocketMQ出自 阿里公司的开源产品，用 Java 语言实现，在设计时参考了 Kafka，并作出了本身的一些改进，消息可靠性上比 Kafka 更好。RocketMQ在阿里集团被普遍应用在订单，交易，充值，流计算，消息推送，日志流式处理，binglog分发等场景。

主要特性：

1. 是一个队列模型的消息中间件，具备高性能、高可靠、高实时、分布式特色；
2. Producer、Consumer、队列均可以分布式；
3. Producer向一些队列轮流发送消息，队列集合称为Topic，Consumer若是作广播消费，则一个consumer实例消费这个Topic对应的全部队列，若是作集群消费，则多个Consumer实例平均消费这个topic对应的队列集合；
4. 可以保证严格的消息顺序；
5. 提供丰富的消息拉取模式；
6. 高效的订阅者水平扩展能力；
7. 实时的消息订阅机制；
8. 亿级消息堆积能力；
9. 较少的依赖；

优势：

1. 单机支持 1 万以上持久化队列
2. RocketMQ 的全部消息都是持久化的，先写入系统 PAGECACHE，而后刷盘，能够保证内存与磁盘都有一份数据，

访问时，直接从内存读取。

1. 模型简单，接口易用（JMS 的接口不少场合并不太实用）；
2. 性能很是好，能够大量堆积消息在broker中；
3. 支持多种消费，包括集群消费、广播消费等。
4. 各个环节分布式扩展设计，主从HA；
5. 开发度较活跃，版本更新很快。

缺点：

支持的客户端语言很少，目前是java及c++，其中c++不成熟；

RocketMQ社区关注度及成熟度也不及前二者；

没有web管理界面，提供了一个CLI(命令行界面)管理工具带来查询、管理和诊断各类问题；

没有在 mq 核心中去实现JMS等接口；

Kafka

Apache Kafka是一个分布式消息发布订阅系统。它最初由LinkedIn公司基于独特的设计实现为一个分布式的提交日志系统( a distributed commit log)，，以后成为Apache项目的一部分。Kafka系统快速、可扩展而且可持久化。它的分区特性，可复制和可容错都是其不错的特性。

主要特性：

1. 快速持久化，能够在O(1)的系统开销下进行消息持久化；
2. 高吞吐，在一台普通的服务器上既能够达到10W/s的吞吐速率；
3. .彻底的分布式系统，Broker、Producer、Consumer都原生自动支持分布式，自动实现负载均衡；
4. 支持同步和异步复制两种HA；
5. 支持数据批量发送和拉取；
6. zero-copy：减小IO操做步骤；
7. 数据迁移、扩容对用户透明；
8. 无需停机便可扩展机器；
9. 其余特性：严格的消息顺序、丰富的消息拉取模型、高效订阅者水平扩展、实时的消息订阅、亿级的消息堆积能力、按期删除机制；

优势：

1. 客户端语言丰富，支持java、.net、php、ruby、python、go等多种语言；
2. 性能卓越，单机写入TPS约在百万条/秒，消息大小10个字节；
3. 提供彻底分布式架构, 并有replica机制, 拥有较高的可用性和可靠性, 理论上支持消息无限堆积；
4. 支持批量操做；
5. 消费者采用Pull方式获取消息, 消息有序, 经过控制可以保证全部消息被消费且仅被消费一次;
6. 有优秀的第三方Kafka Web管理界面Kafka-Manager；
7. 在日志领域比较成熟，被多家公司和多个开源项目使用；

缺点：

1. Kafka单机超过64个队列/分区，Load会发生明显的飙高现象，队列越多，load越高，发送消息响应时间变长
2. 使用短轮询方式，实时性取决于轮询间隔时间；
3. 消费失败不支持重试；
4. 支持消息顺序，可是一台代理宕机后，就会产生消息乱序；
5. 社区更新较慢；

消息队列的pull和push

这么多的消息队列，有一个区别很重要，那就是模式，究竟是pull好仍是push好，下面就让咱们来一探究竟吧

Push

Push即服务端主动发送数据给客户端。在服务端收到消息以后当即推送给客户端。

Push模型最大的好处就是实时性。由于服务端能够作到只要有消息就当即推送，因此消息的消费没有“额外”的延迟。

可是Push模式在消息中间件的场景中会面临如下一些问题：

• 在Broker端须要维护Consumer的状态，不利于Broker去支持大量的Consumer的场景
• Consumer的消费速度是不一致的，由Broker进行推送难以处理不一样的Consumer的情况
• Broker难以处理Consumer没法消费消息的状况（Broker没法肯定Consumer的故障是短暂的仍是永久的）
• 大量的推送消息会加剧Consumer的负载或者冲垮Consumer

Pull模式能够很好的应对以上的这些场景。

Pull

Pull模式由Consumer主动从Broker获取消息。

这样带来了一些好处：

• Broker再也不须要维护Consumer的状态（每一次pull都包含了其实偏移量等必要的信息）
• 状态维护在Consumer，因此Consumer能够很容易的根据自身的负载等状态来决定从Broker获取消息的频率

Pull模式还有一个好处是能够聚合消息。

由于Broker没法预测写一条消息产生的时间，因此在收到消息以后只能当即推送给Consumer，因此没法对消息聚合后再推送给Consumer。 而Pull模式由Consumer主动来获取消息，每一次Pull时都尽量多的获取已近在Broker上的消息。

可是，和Push模式正好相反，Pull就面临了实时性的问题。

由于由Consumer主动来Pull消息，因此实时性和Pull的周期相关，这里就产生了“额外”延迟。若是为了下降延迟来提高Pull的执行频率，可能在没有消息的时候产生大量的Pull请求（消息中间件是彻底解耦的，Broker和Consumer没法预测下一条消息在何时产生）；若是频率低了，那延迟天然就大了。

另外，Pull模式状态维护在Consumer，因此多个Consumer之间须要相互协调，这里就须要引入ZK或者本身实现NameServer之类的服务来完成Consumer之间的协调。

有没有一种方式，能结合Push和Pull的优点，同时变各自的缺陷呢？答案是确定的。

Long-Polling

使用long-polling模式，Consumer主动发起请求到Broker，正常状况下Broker响应消息给Consumer；在没有消息或者其余一些特殊场景下，能够将请求阻塞在服务端延迟返回。

long-polling不是一种Push模式，而是Pull的一个变种。

那么：

• 在Broker一直有可读消息的状况下，long-polling就等价于执行间隔为0的pull模式（每次收到Pull结果就发起下一次Pull请求）。
• 在Broker没有可读消息的状况下，请求阻塞在了Broker，在产生下一条消息或者请求“超时以前”响应请求给Consumer。

以上两点避免了多余的Pull请求，同时也解决Pull请求的执行频率致使的“额外”的延迟。

注意上面有一个概念：“超时以前”。每个请求都有超时时间，Pull请求也是。“超时以前”的含义是在Consumer的“Pull”请求超时以前。

基于long-polling的模型，Broker须要保证在请求超时以前返回一个结果给Consumer，不管这个结果是读取到了消息或者没有可读消息。

由于Consumer和Broker之间的时间是有误差的，且请求从Consumer发送到Broker也是须要时间的，因此若是一个请求的超时时间是5秒，而这个请求在Broker端阻塞了5秒才返回，那么Consumer在收到Broker响应以前就会断定请求超时。因此Broker须要保证在Consumer断定请求超时以前返回一个结果。

一般的作法时在Broker端能够阻塞请求的时间老是小于long-polling请求的超时时间。好比long-polling请求的超时时间为30秒，那么Broker在收到请求后最迟在25s以后必定会返回一个结果。中间5s的差值来应对Broker和Consumer的始终存在误差和网络存在延迟的状况。 （可见Long-Polling模式的前提是Broker和Consumer之间的时间误差没有“很大”）

Long-Polling还存在什么问题吗，还能改进吗？

Dynamic Push/Pull

“在Broker一直有可读消息的状况下，long-polling就等价于执行间隔为0的pull模式（每次收到Pull结果就发起下一次Pull请求）。”

这是上面long-polling在服务端一直有可消费消息的处理状况。在这个状况下，一条消息若是在long-polling请求返回时到达服务端，那么它被Consumer消费到的延迟是：

假设Broker和Consumer之间的一次网络开销时间为R毫秒，
那么这条消息须要经历3R才能到达Consumer

第一个R：消息已经到达Broker，可是long-polling请求已经读完数据准备返回Consumer，从Broker到Consumer消耗了R
第二个R：Consumer收到了Broker的响应，发起下一次long-polling，这个请求到达Broker须要一个R
的时间
第三个R：Broker收到请求读取了这条数据，那么返回到Consumer须要一个R的时间

因此总共须要3R（不考虑读取的开销，只考虑网络开销）

另外，在这种状况下Broker和Consumer之间一直在进行请求和响应（long-polling变成了间隔为0的pull）。

考虑这样一种方式，它有long-polling的优点，同时能减小在有消息可读的状况下由Broker主动push消息给Consumer，减小没必要要的请求。

参考文章

http://www.luyixian.cn/news_s...

https://blog.51cto.com/caczjz...

https://www.jianshu.com/p/251...

https://www.jianshu.com/p/36a...