MQ如何保证高可用

向右看齐 2023-07-22 14:25 4阅读 0赞

上一篇我们通过介绍MQ的基本功能简单的分析了项目中MQ的选型，那么当我们项目中真正使用MQ的时候，必然会涉及到如何保证MQ的高可用，毕竟如果MQ宕机，可能会造成整个调用链路的失败，因此接下来我们简单聊聊MQ的高可用问题。

那么如何保证消息队列的高可用呢？

由于MQ中间件的类型比较多，因此我们依次对常用的RabbitMq和Kafka进行高可用的剖析。

**（1）RabbitMQ的高可用性**

RabbitMQ是比较有代表性的，因为是基于主从做高可用性的。

rabbitmq有三种模式：单机模式，普通集群模式，镜像集群模式

**1）单机模式**

就是本地级别的，一般就是测试环境用用，生产环境一般不会用到。

**2）普通集群模式**

意思就是在多台机器上启动多个rabbitmq实例，每个机器启动一个。但是**你创建的queue，只会放在一个rabbtimq实例上**，但是每个实例都同步queue的元数据。完了你消费的时候，实际上如果连接到了另外一个实例，那么那个实例会从queue所在实例上拉取数据过来。

这种方式比较麻烦，不怎么好，并不是所谓的分布式，就是个普通集群。因为这导致你要么消费者每次随机连接一个实例然后拉取数据，要么固定连接那个queue所在实例消费数据，前者有数据拉取的开销，后者导致单实例性能瓶颈。

而且如果那个放queue的实例宕机了，会导致接下来其他实例就无法从那个实例拉取，如果你开启了消息持久化，让rabbitmq落地存储消息的话，消息不一定会丢，得等这个实例恢复了，然后才可以继续从这个queue拉取数据。

所以严格从理论上来说，这种模式并没有实现所谓的高可用，仅仅是提高吞吐量的，就是说让集群中多个节点来服务某个queue的读写操作。

**3）镜像集群模式**

这种模式，才算得上是rabbitmq的高可用模式，跟普通集群模式不一样的是，你创建的queue，无论元数据还是queue里的消息都会存在于多个实例上，然后每次你写消息到queue的时候，都会自动把消息到多个实例的queue里进行消息同步。

这样的话，好处在于，你任何一个机器宕机了，没事儿，别的机器都可以用。坏处在于，第一，这个性能开销也太大了，消息同步所有机器，导致网络带宽压力和消耗很重！第二，这样的话，就没有扩展性可言了，因为这并不是所谓的分布式架构，如果某个queue负载很重，你加机器，新增的机器也包含了这个queue的所有数据，并没有办法线性扩展你的queue。

至于怎么开启这个镜像集群模式呢？我这里简单说一下，就是在rabbitmq的管理控制台，新增一个策略，这个策略是镜像集群模式的策略，指定的时候可以要求数据同步到所有节点的，也可以要求就同步到指定数量的节点，然后你再次创建queue的时候，应用这个策略，就会自动将数据同步到其他的节点上去了。

![图片.png][.png]

**（2）kafka的高可用性**

kafka一个最基本的架构认识：多个broker组成，每个broker是一个节点；你创建一个topic，这个topic可以划分为多个partition，每个partition可以存在于不同的broker上，每个partition就放一部分数据。

**这就是天然的分布式消息队列**，就是说一个topic的数据，是分散放在多个机器上的，每个机器就放一部分数据。

**实际上rabbitmq之类的，并不是分布式消息队列**，他就是传统的消息队列，只不过提供了一些集群、HA的机制而已，因为无论怎么玩儿，rabbitmq一个queue的数据都是放在一个节点里的，镜像集群下，也是每个节点都放这个queue的完整数据。

kafka 0.8以前，是没有HA机制的，就是任何一个broker宕机了，那个broker上的partition就废了，没法写也没法读，没有什么高可用性可言。

kafka 0.8以后，提供了HA机制，就是replica副本机制。每个partition的数据都会同步到其他机器上，形成自己的多个replica副本。然后所有replica会选举一个leader出来，那么生产和消费都跟这个leader打交道，然后其他replica就是follower。写的时候，leader会负责把数据同步到所有follower上去，读的时候就直接读leader上数据即可。只能读写leader？很简单，要是你可以随意读写每个follower，那么就要care数据一致性的问题，系统复杂度太高，很容易出问题。kafka会均匀的将一个partition的所有replica分布在不同的机器上，这样才可以提高容错性。

这么搞，就有所谓的高可用性了，因为如果某个broker宕机了，没事儿，那个broker上面的partition在其他机器上都有副本的，如果这上面有某个partition的leader，那么此时会重新选举一个新的leader出来，大家继续读写那个新的leader即可。这就有所谓的高可用性了。

写数据的时候，生产者就写leader，然后leader将数据落地写本地磁盘，接着其他follower自己主动从leader来pull数据。一旦所有follower同步好数据了，就会发送ack给leader，leader收到所有follower的ack之后，就会返回写成功的消息给生产者。（当然，这只是其中一种模式，还可以适当调整这个行为）

**消费的时候，只会从leader去读，但是只有一个消息已经被所有follower都同步成功返回ack的时候，这个消息才会被消费者读到。**

以上就是kafka保证高可用的机制了。

**tips：**

最后简单提一点关于kafka高性能的原因：

1.磁盘顺序写(写磁盘为顺序追加写，consumer通过offset消费)

2.零拷贝(减少用户中间层缓存)

3.分区partition，并行处理

4.批量发送消息

5.数据压缩（gzip）

**更细节的原因后续会整理成文章发出，请持续关注公众号“虾米聊吧”**

参考：石杉笔记

**关注微信公众号“****虾米聊吧****”，后续持续放送“****技术架构****”干货！！！**

<table style="width:422px;"> 
 <tbody> 
  <tr> 
   <td style="width:419px;"> <p>&nbsp; &nbsp;一个热衷于分享技术和生活的程序猿，让我们一起交流吧~&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</p> <p>&nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;<img alt="" src="https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9ublkwNGdUaWFEVmlicjdOZFdHQ01sTG4yeWh0em5QTjF5dXVtTGE4a0d5V1JuOTNyYTJXbldXR2FJREdoQ2ZZdGRRa2N2S25HMTA5TEd2d2NCSmdOSllRLzY0MA?x-oss-process=image/format,png">&nbsp; &nbsp; &nbsp;</p> <p>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; 微信扫描二维码，关注我的公众号</p> </td> 
  </tr> 
 </tbody> 
</table>

[.png]: /images/20230528/13ff65aa816b4f98abbba42b0a98c123.png