架构决策之消息中间件MQ系列二-ActiveMQ

柔情只为你懂 2023-02-25 11:26 11阅读 0赞

# 一、前言 #

ActiveMQ是"老牌"的MQ，在开源MQ匮乏的年代，是很多公司的必选利器。ActiveMQ是基于JMS1.1标准实现，它设计的目标旨在提供标准的、面向消息的、多语言的应用集成消息通信中间件，实现高效、可扩展、稳定、安全的企业级消息通信。也许是太"古老"了，5.x系列后迭代了下一代产品-Artemis，希望能换发青春。

# 二、架构 #

ActiveMq是JSM标准实现，其架构也与其保持一致。生产者创建和发送消息，MQ进行消息持久化和保存，消费者连接MQ，获取消息并处理。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70][]

**客户端**，负责消息的发送和接受，包括生产者和消费者。

**生产者**，Producer，创建和发送消息的客户端应用。

**中间件Broker**，ActiveMQ的实例，负责消息的接受，持久化和转发。

**消费者**，Consumer，连接MQ，获取消息并处理。

**消息模式**，包括点对点，发布/订阅两种。点对点模式消息，只能被一个消费者接受并处理；发布/订阅模式，消息被所有订阅的客户端接收和处理。

# 三、生产消息 #

## 1、消息组成 ##

消息包括消息头，属性，载荷三部分。

消息头可设置消息的元数据，主要有：

JMSDestination，对应的Destination。

JMSDeliveryMode,设置消息的持久化模式，包括持久化和非持久化两种模式。

JMSExpiration，设置消息的超时时间。

JMSMessageID，消息ID，唯一标识，以"ID:"开头，用于消息传输和存储。

JMSPriority，优先级，0表示最低，9表示最高。优先级越高，会优先被处理。

JMSTimestamp，消息发送的时间戳。

JMSCorrelationID，用来关联当前消息和之前消息。

JMSReplyTo，通常用于request/reply,后面介绍。

JMSType，用于语义上标识消息类型。

JMSRedelivered，消息已发送，并未确认。

属性是附加给客户端消息的可选字段，我们可以自定义的。

负载是消息的主体，包括TextMessage、StreamMessage、ObjectMessage、MapMessage、BytesMessage、BlobMessage几种类型。

## 2、消息发送 ##

我们看下在生产端消息发送的流程。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 1][]

(1)创建一个连接工厂并与broker建立连接，ActiveMQ支持以下几种连接协议。

<table style="width:542px;"> 
 <tbody> 
  <tr> 
   <td style="width:106px;">协议</td> 
   <td style="width:433px;">描述</td> 
  </tr> 
  <tr> 
   <td style="width:106px;">TCP</td> 
   <td style="width:433px;">默认的通信协议</td> 
  </tr> 
  <tr> 
   <td style="width:106px;">NIO</td> 
   <td style="width:433px;">基于TCP协议，进行了扩展和优化，具有更好的扩展性</td> 
  </tr> 
  <tr> 
   <td style="width:106px;">UDP</td> 
   <td style="width:433px;">性能比TCP高，但是不具有可靠性</td> 
  </tr> 
  <tr> 
   <td style="width:106px;">SSL</td> 
   <td style="width:433px;">安全链接</td> 
  </tr> 
  <tr> 
   <td style="width:106px;">HTTP</td> 
   <td style="width:433px;">基于HTTP</td> 
  </tr> 
  <tr> 
   <td style="width:106px;">VM</td> 
   <td style="width:433px;">当客户端和broker位于同一个Java虚拟机时，通过该方式直接通信</td> 
  </tr> 
 </tbody> 
</table>

(2)创建session，需要指定两个参数，第一个参数是是否支持事务，第二个参数是设置签收模式。事务模式，我们在可靠性章节介绍，签收模式对于生产者区别不是很大，主要是针对消费者的，后面章节我们重点介绍。

(3) 创建生产者。

(4)创建目的地，即创建队列（点对点模式）或者主题(发布/订阅模式)。

(5)生产者发布消息到目的地。

## 3、发送模式 ##

ActiveMQ包含三种发送模式，分别是同步模式，异步模式，单向模式。

**同步模式**，指消息发送方发出数据后，会在收到接收方发回响应之后才发下一个数据包的通讯方式。这种模式的可靠性高，但是会影响吞吐量，是ActiveMQ的默认模式。

**异步模式**，指发送方发出数据后，不等接收方发回响应，接着发送下个数据包的通讯方式，结果会通过回调接口异步返回。这种模式可靠性比同步模式较差，但是吞吐量会大大提升。

在异步模式下，可以设置ProducerWindowSize，控制待确认的消息的大小，即producer每发送一个消息，都会统计一下发送的字节数，当字节数达到ProducerWindowSize值时，需要等待broker的确认，确认当前剩余的空间是否做够接收新消息(大小)，然后才能继续发送。

**单向模式**，只管发送，不关心返回结果，当然也就不关注是否发送成功了。这种模式的延迟小，吞吐量大，但是可靠性差。一般用于用于允许丢失部分数据的场景，比如日志，用户行为等。

# 四、消息存储 #

消息转发到broker后，根据消息类型(前面所介绍的JMSDeliveryMode)，分为持久化，和非持久化消息两种。

持久化消息，无论消费者是否在线，确保消息会被消费，当确认被消费后，才会被删除。

非持久化消息，消息及时转发给消费者，并不保存，所以可靠性并不是必须条件。

## 1、消息模式 ##

前面介绍消息发送的模式包含点对点模式(消息仅能被一个消息者消费)，发布/订阅模式(消息广播给所有订阅的消费者进行消费)。持久化消息对于这两种模式的消息分别是以队列和主题的方式存储。

## (1)队列 ##

以先进先出(FIFO)的队栈模型存储，接受到消息后，不断的加载到Queue中。一个消息仅能分发到一个消费者，当消费者接受处理并ACK消息后，该消息将被删除。

![20200726085555570.png][]

## (2)主题 ##

当接受到消息，保存到对应主题中，发布消息到所有的持久化订阅者。由于每个订阅者消息的进度是不一样的，所以订阅者会维护保存下次消息的指针。当所有的消费者都消费完该条消息后，即可被删除。

![20200726091107860.png][]

## 2、存储方式 ##

队列和主题是消息的逻辑存储模式，具体的物理存储模式主要有以下4种方式：

### (1)AMQ ###

AMQ是早期版本的默认消息存储方式，它被设计成一种基于文件存储，高性能的消息存储系统。下面是其内部结构图

![20200725142921997.png][]

*  **Data logs**：消息日志包含了消息日志。
 *  **Cache**：用于消息的快速检索。
 *  **Reference store indexes**：用于引用 datalogs 中的消息，通过 message ID 关联。

采用日志文件保存消息，并且是以追加的方式，所以写入的速度非常高(顺序写入磁盘的速度要大于随机写入内存的速度)，当文件的大小达到阀值(设置maxFileLength)，会重新建立一个文件，当所有的消息消费完成，会删除或者归档这个文件。为了提升读取性能，创建消息主键索引，并且提供缓存机制。

对于队列以及持久化订阅模式，会每一个 Destination 创建一个索引,如果使用了大量的 Queue，索引文件的大小会占用很多磁盘空间，而且由于索引巨大，一旦 Broker 崩溃，重建索引的速度会非常慢。

保存的文件结构目录：

![20200725145539529.png][]

*  **Lock**：保证同一时间只有一个 borker 访问文件目录(后面主从架构会介绍）。
 *  **temp-storag**：用于存储非持久化消息（当不在被存储在内存中），如等待慢消费者处理消息。
 *  **Kr-store**：用于存储引用消息日志数据。
 *  **journal directory**：包含了消息文件、消息日志和消息控制信息。
 *  **Archive**：归档的数据日志。

### (2)KahaDB ###

在5.4版本后，KahaDB是ActiveMQ默认存储方式，其结构与AMQ非常类似。上面讲到在AMQ中，会为每一个Destination(队列或者主题)创建索引文件，这样限制了Destination量不能太多。在KahaDB中，优化了索引的存储，所有的索引保存在一个文件中。

![20200725151506447.png][]

可以看到，其索引文件是以B树的结构保存在内存中，并定期刷新到Redo log文件中，当Broker的Destination的大小超过500，我们建议使用KahaDB方式存储。

保存的文件目录：

![20200725171011628.png][]

*  **Db log files**：用于存储消息（默认大小32M），当 log 日志满了，会创建一个新的，当 log 日志中的消息都被删除，该日志文件会被删除或者归档。
 *  **Archive directory**：当 datalog 不在被 kahadb 需要，会被归档（通过 archiveDataLogs 属性控制）。
 *  **Db.data**：存放 Btree indexs。
 *  **Db.redo**：存放 redo file，用于恢复 Btree indexs。

### (3)JDBC ###

ActiveMQ支持JDBC将消息存储到关系型数据库中，包括Apache Derby、MySQL、PostgreSQL、Oracle、SQLServer、Sybase、Informix、MaxDB等。

主要包含三张表：

ACTIVEMQ\_MSGS，用于存储消息，Queue 和 Topic 都存储在这个表中。

ACTIVEMQ\_ACKS，用于存储订阅关系。如果是持久化Topic，订阅者和服务器的订阅关系在这个表保存。

ACTIVEMQ\_LOCK，消息锁，保证同一时间只能有一个broker访问这些表结构(与AMQ类似，主从架构下会用到)。

JDBC模式由于性能的问题，用的不多，一般用在吞吐量不大，一致性要求高的场景。

一般情况下，JDBC会与ActiveMq Jounal联合使用，消息数据先写入Jounal的缓存中，然后延迟刷新到数据库中，**需要注意的是，在主从模式的数据库中，不建议使用，会导致丢数据。**

### (4)内存 ###

将持久化消息保存到内存中，严格意义上，这不是持久化，因为一旦进程关闭，或者服务器宕机，这些内存消息都会被清空。受限于内存大小，保存消息量也不能太多。

但是这种方式，写入和读取速度都很快，适合于性能要求高，但是可靠性一般的应用场景。

## 3、消息删除 ##

当消息被消费后(对于发布订阅模式，需要所有消费者都消费)，消息会被删除或者归档。

消息被设置过期时间(JMSExpiration)，一旦达到过期时间，无论消费是否被消息，也会被删除。

# 五、消息消费 #

## 1、消费者创建 ##

消费者创建的过程与生产者创建过程流程是类似的。

![20200726150452898.png][]

需要注意的是以下两点：

**(1)创建Session**，需要指定两个参数，一个是是否启动事务，一个签收的模式。其中签收模式，对于消费者来说非常重要，当消费者处理完消息后，需要向broker进行确认，告诉broker我已收到，那么broker就可以发送下一个消息。

签收的模式有三种类型：

Session.AUTO\_ACKNOWLEDGE，消费者成功receive消息并返回时，会自动确认。

Session.CLIENT\_ACKNOWLEDGE，由消费者显性的调用确认，一旦确认某条消息后，该消息前面所有的消息都会被确认。适用于批量确认的场景。

Session.DUPS\_ACKNOWLEDGE， 延迟批量确认消息的提交。

**(2)创建Consumer**，对于发布/订阅模式，可以创建非持久订阅以及持久订阅。

非持久订阅，当消费者下线或者宕机后，Broker不会为其保存消息，上线后，从最新的消息开始消费。

持久化订阅，当消费者下线或者宕机后，Broker为其保存消息，上线后，重新发送所有缺失的消息。

## 2、消息接受 ##

创建消费者后，通过同步(recevie)或者异步设置监听(setMessageListener())方式，从broker获取消息。broker根据消息模式采用不同的策略分发。

### (1)点对点模式 ###

如下图所示：

![20200726155639759.png][]

点对点模式，Brokek端采用轮询的模式，将消息发送给消费者，保证消息的负载，并且确保消息仅被一个消费者消费。

### (2)发布订阅模式 ###

如下图所示:

![20200726160445229.png][]

发布订阅模式，将消息发送给所有的订阅者。对于持久化订阅，当订阅者下线或者宕机后重新，需要补发所有未消费的消息。

# 六、可靠性 #

我们从生产，存储，消费三个阶段探讨下ActiveMQ的可靠性。

## 1、生产阶段 ##

在生产消息章节，我们提到了三种发送模式，对于可靠性来说，同步模式>异步模式>单向模式。对于同步和异步模式，会返回发送结果，根据结果的状态，决定是否需要重发，确保在发送阶段消息不丢失。除此之外，我们看下哪些可靠性措施。

### (1)事务消息 ###

ActiveMQ在生产阶段和消费阶段都是支持事务的。采用二阶段提交的模式，一般会先预提交消息，然后本地处理逻辑，依据处理的结果，决定提交或者回滚消息。比如在淘宝购物的场景中，下单的同时，发送短信或邮件消息，当下单成功后，提交确认消息，如果失败，则回滚消息。

那事务消息如何创建呢，在前面我们介绍session创建时，第一个参数为是否创建事务性的session，如果true，表示该session创建的为事务消息。

在支持事务的session中，producer发送message时，在message中带有transactionID。broker收到message后判断是否有transactionID，如果有就把message保存在transaction store中，等待commit或者rollback消息。无论最后是否commit，broker都会收到message。当事务commit后，broker将消息发送到正常的queue或者topic中，消费者进行消息；如果rollback，就会从transaction store中删除。

## 2、存储阶段 ##

当消息发送到broker进行保存和转发，在broker宕机的情况下，如何保证容错性呢？

### (1)共享存储主从模式（M-S） ###

类似于mysql，ActiveMQ提供共享存储的主从模式。存储的模式不同，又可以分为共享文件系统(Shared File System Master Slave),数据库（JDBC Master Slave）。这两种的原理类似，我们以database为例，架构如下:

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 2][]

Broker为一主多从(对于从的数量，没有限制)，主从共享存储。broker启动时，谁启动的快，谁就能拿到存储层的独占锁，成为Master(比如Broker1)，那么其他的就是Slave，客户端连接Master节点进行读写，Slave不连接客户端。

![20200731230554789.png][]

一旦Master节点宕机或者进程挂死，独占锁就会释放，剩下的Slave节点就会开始强占，谁抢到谁就成为新的Master（如Broker2）。由于共享存储，所以无需数据复制。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 3][]

当老的Master节点恢复后，因为已经有了新主，所以就变成了从。

这里有个疑问，在主从切换时，client端如何感知？有以下几种实现方法

1、配置failover，客户端支持failover配置，将主从的broker地址都写上，当主节点宕机后，会自动故障转移。

如:failover:(tcp://192.168.1.100:61616,tcp://192.168.1.101:61616,tcp://192.168.1.102:61616)

2、使用负载均衡软件，比如Keepalived，LVS等，客户端的连接地址是唯一的，故障转移可以使用这些软件来实现。

3、应用程序自行实现，维护一个Broker的服务列表，当Broker不可用时，尝试连接其他的Broker服务。这种方式需要有缓存机制，不要每次都去尝试。

数据库不适合高并发，高吞吐的场景，所以ActiveMQ还提供了了基于文件共享的主从模式，支持KahaDB，以及AMQ作为文件存储。

### (2)非共享型主从模式 ###

主从都有自己的的消息存储，如下图所示:

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 4][]

客户端通过连接Master进行读写消息，Master与Slave间建立连接，实现数据的拷贝(包括消息，确认状态，消费组，事务等)。

Master节点需要先启动，在接受生产者发送的持久化消息，需要同步给Slave节点，Slave节点保存并返回后，Master节点向生产者确认该条消息。所以此模式下，Slave节点个数是有限制的，否则影响消息生产的吞吐量。

如果Master宕机，Slave无法自动提升为主，需要手动切换。Client端通过配置failover，实现自动探测和切换。

可以看到，这种模式下，主从切换需要人工干预，缺少仲裁者，消息可靠性是无法得到有效保障，除非容忍failover期间SLA水平降级。

### (3)Replicated LevelDB Store方式 ###

这种集群方式是ActiveMQ5.9版本以后新增的特性，LevelDB 是 Google开发的一套用于持久化数据的高性能KV数据库，ActiveMQ利用该数据库进行数据的存储。该模式使用ZooKeeper从一组Broker中协调选择一个Broker作为Master主，其他broker作为Slave从的模式，所有Slave从节点通过复制Master主节点的消息来实现消息同步。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 5][]

与上面两种模式一样，只有Master 接受客户端连接，提供读写，Slave不接受客户端连接，Master的所有存储操作都将被复制到slaves。

Zookeeper作为协调者，当Master节点宕机，Zookeeper选取符合条件的其中最新状态的Slave作为Master，当老的Master节点恢复后，作为Slave接入。

Master节点在同步数据时，要求半数以上的节点确认，才返回success。所以副本数(主从节点数)需要为奇数，一般推荐3副本。

## 3、消费阶段 ##

前面介绍了生产阶段的事务机制，在消费者阶段也是可以配置事务的，其原理与生产阶段是一致的，当commit后，确认消费成功；如处理失败，则rollback回滚消息。

除了事务模式，消费阶段有三种确认模式，前面介绍了下三种模式的基本使用，本节重点分析下确认机制的设置对可靠性的影响。

###   (1)确认机制 ###

消息的确认机制，就是consumer告诉broker，消息我已经收到了，不要给我重发了；如果没有确认，broker会重复发送，直到确认，达到累计发送阀值(默认为6)时候，就停止发送。

**AUTO\_ACKNOWLEDGE，**自动确认。consumer同步或者异步接受消息并返回时，自动发送确认。自动确认机制下，可能会导致消息的丢失。比如consumer接受到消息后，同步返回并自动确认，并启用异步线程，处理消息并入库。在异步处理阶段发生某种异常，导致消息没有正确入库。由于已经自动确认，broker认为消息已正确消费，不会重发，那么就会导致该条消息的丢失。

**CLIENT\_ACKNOWLEDGE，**手动确认**。**consumer同步或者异步接受消息，可以根据处理结果，"择机"手动确认，这样就避免了自动确认的导致的问题。需要注意的，手动确认可以批量一次性确认多条消息，比如确认消息A后，那么消息A之前的所有消息都将被确认。虽然手动确认模式，能防止数据丢失的问题，但是也可能导致消息的重复发送。比如消息被确认处理后，还没来得及确认，消费端宕机，那么该条消息就会被重发，此时会产生重复消费，要求消费端做好幂等性保护。

**DUPS\_OK\_ACKNOWLEDGE，**批量自动确认。与AUTO\_ACKNOWLEDGE机制类似，只不过是批量进行确认，具有"延迟性",但性能会更高。这种模式也会存在重复消费的场景，问题的原因与CLIENT\_ACKNOWLEDGE类似。

综上所述，CLIENT\_ACKNOWLEDGE的模式可靠性是最高的，但是没有哪种模式能满足"仅此一次"的场景。

### (2)消息重发和死信队列(Dead Letter Queue) ###

以下情况下，消息会重发到客户端

*  使用事务的时候，调用了session的rollback的方法
 *  使用事务的时候，在会话关闭后commit
 *  使用CLIENT\_ACKNOWLEDGE消息确认机制的时候，调用session的recover方法。
 *  客户端连接或确认超时。

当重发次数达到一定的阀值(maximumRedeliveries设置，默认为6)，将不再发送，相关消息移除到死信队列。

死信队列其性质与普通队列是一样的，只不过名称为ActiveMQ.DLQ。通过对死信队列的监控，可以及时处理这些消息。

# 七、高吞吐 #

"削峰"作为MQ的重要的应用场景，决定了其高并发，高吞吐的特性。我们也从生产，存储，消费三个阶段分析ActiveMq的架构设计。

## 1、生产阶段 ##

高吞吐和可靠性在大部分情况下是一对矛盾体，鱼和熊掌不可兼得。同步和事务模式，可靠性高，但是对性能的影响也比较大，对于高吞吐，且可靠性要求不高的场景，比如日志，用户行为收集等，使用异步或者单向模式。

Producer与Broker的协议配置为NIO协议，也能提升性能。

## 2、存储阶段 ##

消息发送时，可以设置消息的发送模式，包括持久消息和非持久化消息。对于非持久化消息，broker会立即转发给消费者，不需要存储，吞吐性能会更高。

无论单机模式还是主从模式，消息的读写都集中在一台broker上，由于单机的性能限制，影响吞吐。有两种方式提升性能，一种是纵向扩容，即增加机器的规格，这没啥好说的；一种是横向扩容，即集群模式，我们重点看下。

### (1)集群模式 ###

集群模式是通过网络桥接实现。我们先来看下什么是网络桥接(network bridge)。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 6][]

网络桥接可以实现Broker间消息的互转，有双向桥接(设置duplex为true)和单向桥接。比如上图中的Broker1与Broker2为双向桥接，Broker1接受到的生产消息转发给Broker3，同样Broker3接受到的生产消息也会转发给Broker1，Producer发送给各自broker消息，都可以转发到对方的Broker上消息进行消费。Broker1与Broker2之间是单向桥接，Broker1接受到的消息会转发给Broker2，但是Broker2的消息不会转发Broker1，也就是说，Producer发送给Broker1的消息即可以在Broker上消费，也可以在Broker2上消费，反过来则不行。

网络桥接可以设置为静态和动态两种。静态需要指定桥接的Broker地址，动态则默认自动发现所有的Broker。

可以看到，利用网络桥接实现的集群模式，通过Broker之间的互联和消息转发，将之前仅在单台broker完成的读写，可以分布到多台broker上完成，实现性能的提升。

## 3、消费阶段 ##

在消费阶段，提高吞吐量最直接的方法就是增加消费端，但是也不能无限制增加，需要考虑到成本。我们来看下还有哪些方式。

## (1)批量获取和确认 ##

这点其实很好理解，消息端一次性获取多条消息，一定会比一次获取一条的速度进行处理的效率要高很多。对于100条消息，批量传输消耗1个RTT(三层网络传输延迟)，但是单个获取，需要消耗100个RTT，特别是对于类似跨机房，RTT比较大的场景下，这个性能提升还是很可观的。

批量获取要对应批量确认才有意义，批量确认需要开启optimizeAcknowledge，与prefetchSize 进行配合。为了减少消费端的"等待延迟",达到0.65 \* prefetchSize 个消息后进行确认，broker又可以批量发送。当然也可以使用DUPS\_OK\_ACKNOWLEDGE模式，它会在0.5\*prefetchSize 个消息后进行确认。

是不是prefethSize越大越好呢，当时也不是，如果消息端的处理能力跟不上，会导致消息的大量积压，最终导致整体性能下降。

持久化和非持久化队列，prefetchSize默认值为1000。

持久化Topic，prefetchSize默认值为100。

非持久化Topic，prefetchSize默认值为32766。

# 八、总结 #

本文首先从生产，存储，消费三个阶段介绍了ActiveMQ的基本架构。

**在生产阶段**，消息由消息头，载荷，以及消息体三部分组成；客户端通过连接创建session会话，实现与broker的消息发送，支持6种传输协议。发送的模式包括同步，异步和单向三种模式。

**在存储阶段**，Broker通过session与客户端连接，并监听其发送的消息；消息的模式包括点对点(queue)，订阅主题(Topic)两种模式；传输模式又分为持久化和非持久化两种；对于持久化消息，需要进行持久化保存，存储方式包括AMQ，KahaDB，JDBC，以及内存四种方式。

**在消费阶段**，与生产者类似，也是通过创建session与broker进行会话，可以同步或者异步消费；消费完成后，需要ACK broker进行确认，其中确认包括三种模式。

接下来，我们又分析了ActiveMq的可靠性设计，包括事务消息，主从模式，以及消息的确认机制，死信队列等。

最后，我们分析了高并发，高吞吐，提升性能的措施，包括集群模式，批量获取和确认消息。

ActiveMQ作为老牌的MQ，其功能非常丰富，性能调优也设计到方方面面，本文仅对核心功能和架构做了分析，希望能抛砖引玉。

附录:

[架构决策之消息中间件MQ系列一-开篇][MQ_-]

[架构决策之消息中间件MQ系列二-ActiveMQ][MQ_-ActiveMQ]

[架构决策之消息中间件MQ系列三-RabbitMQ][MQ_-RabbitMQ]

[架构决策之消息中间件MQ系列四-Kafka][MQ_-Kafka]

[架构决策之消息中间件MQ系列五-RocketMQ][MQ_-RocketMQ]

[架构决策之消息中间件MQ系列六-Pulsar][MQ_-Pulsar]

[架构决策之消息中间件MQ系列七-总结][MQ_- 1]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70]: /images/20230209/5445634b38154133b9cc1a0b82bf542b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 1]: /images/20230209/fada1db797c645bd83856a9dd399a366.png
[20200726085555570.png]: /images/20230209/cdbef9a5516b4b5ab82813057525e883.png
[20200726091107860.png]: /images/20230209/f0bbe86e6164458f8433e8c82a065e50.png
[20200725142921997.png]: /images/20230209/3bf049416def45db9d567bd2eefbfca4.png
[20200725145539529.png]: /images/20230209/ef5836de2b1f49f78c3ff1d15e55b8b2.png
[20200725151506447.png]: /images/20230209/990dd0b56e014b3fa6227ac07c2ed421.png
[20200725171011628.png]: /images/20230209/0d3d427aee62478d9a1d5e691e4a66e7.png
[20200726150452898.png]: /images/20230209/e34c0c4491254e658bd38f822d58182c.png
[20200726155639759.png]: /images/20230209/ea4ba347ee344377b918892a0e5fafa4.png
[20200726160445229.png]: /images/20230209/4d09fd518b164ea6b9e0d356a6bd1a04.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 2]: /images/20230209/b1557a2a835a4d9992230975e7c75b78.png
[20200731230554789.png]: /images/20230209/b32c0901278a49ecae77ff4989d498bb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 3]: /images/20230209/79c0a3ee25fe4cd0aaccfa75397f9108.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 4]: /images/20230209/8e43b881b18546b3b67e3f83e93f9c05.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 5]: /images/20230209/0299a01051f24f65b74d1d5fd8ac4bf5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RjeTgz_size_16_color_FFFFFF_t_70 6]: /images/20230209/707bf3747e3249d18678d6e697ca2a5a.png
[MQ_-]: https://blog.csdn.net/tcy83/article/details/107899399
[MQ_-ActiveMQ]: https://blog.csdn.net/tcy83/article/details/107306096
[MQ_-RabbitMQ]: https://blog.csdn.net/tcy83/article/details/105977528
[MQ_-Kafka]: https://blog.csdn.net/tcy83/article/details/105619023
[MQ_-RocketMQ]: https://blog.csdn.net/tcy83/article/details/106311310
[MQ_-Pulsar]: https://blog.csdn.net/tcy83/article/details/106731392
[MQ_- 1]: https://blog.csdn.net/tcy83/article/details/108019907