中间件RabbitMQ消息队列介绍

Love The Way You Lie 2024-03-23 20:03 87阅读 0赞

### 1. `MQ`的相关概念 ###

#### 1.1 什么是`MQ` ####

`MQ`（`message queue`），从字面意思上看，本质是个队列，`FIFO`先入先出，只不过队列中存放的内容是`message`而已，还是一种跨进程的通信机制，用于上下游传递消息。在互联网架构中，`MQ`是一种非常常 见的上下游**逻辑解耦+物理解耦**的消息通信服务。使用了`MQ`之后， 消息发送上游只需要依赖`MQ`，不 用依赖其他服务。

#### 1.2 为什么要用`MQ` ####

##### 1.2.1. 流量消峰 #####

举个例子，如果订单系统最多能处理一万次订单，这个处理能力应付正常时段的下单时绰绰有余，正常时段我们下单一秒后就能返回结果。但是在高峰期，如果有两万次下单操作系统是处理不了的，只能限制订单超过一万后不允许用户下单。使用消息队列做缓冲，我们可以取消这个限制，把一秒内下的订单分散成一段时间来处理，这时有些用户可能在下单十几秒后才能收到下单成功的操作，但是比不能下单的体验要好。

##### 1.2.2. 应用解耦 #####

以电商应用为例，应用中有订单系统、库存系统、物流系统、支付系统。用户创建订单后，如果耦合调用库存系统、物流系统、支付系统，任何一个子系统出了故障，都会造成下单操作异常。当转变成基于消息队列的方式后，系统间调用的问题会减少很多，比如物流系统因为发生故障，需要几分钟来修复。在这几分钟的时间里，物流系统要处理的内存被缓存在消息队列中，用户的下单操作可以正常完成。当物流系统恢复后，继续处理订单信息即可，中单用户感受不到物流系统的故障，提升系统的可用性。

![在这里插入图片描述][f8c7b2d12d0d4115a83ba2267e6a0a22.png_pic_center]

##### 1.2.3. 异步处理 #####

有些服务间调用是异步的，例如`A`调用`B`，`B`需要花费很长时间执行，但是`A`需要知道`B`什么时候可以执行完，以前一般有两种方式，`A`过一段时间去调用`B`的查询`api`查询。或者`A`提供一个`callback api`，`B`执行完之后调用`api`通知`A`服务。这两种方式都不是很优雅，使用消息总线，可以很方便解决这个问题，`A`调用`B`服务后，只需要监听`B`处理完成的消息，当`B`处理完成后，会发送一条消息给`MQ`，`MQ` 会将此消息转发给`A`服务。这样`A`服务既不用循环调用`B`的查询`api`，也不用提供`callback api`。同样`B`服务也不用做这些操作。`A`服务还能及时的得到异步处理成功的消息。

![在这里插入图片描述][dff68e1711df40babef6ebfbbaebfa54.png_pic_center]

#### 1.3 `MQ` 的分类 ####

##### 1.3.1. `ActiveMQ` #####

优点：单机吞吐量万级，时效性`ms`级，可用性高，基于主从架构实现高可用性，消息可靠性较低的概率丢失数据。

缺点：官方社区现在对`ActiveMQ 5.x` **维护越来越少，高吞吐量场景较少使用**。

##### 1.3.2. `Kafka` #####

大数据的杀手锏，谈到大数据领域内的消息传输，则绕不开`Kafka`，这款为**大数据而生**的消息中间件，以其**百万级`TPS`** 的吞吐量名声大噪，迅速成为大数据领域的宠儿，在数据采集、传输、存储的过程中发挥着举足轻重的作用。目前已经被`LinkedIn`，`Uber`， `Twitter`，`Netflix`等大公司所采纳。

优点：性能卓越，单机写入`TPS`约在百万条/秒，最大的优点，就是吞**吐量高**。时效性`ms`级可用性非常高，`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，消费者采用`Pull`方式获取消息，消息有序，通过控制能够保证所有消息被消费且仅被消费一次；有优秀的第三方`Kafka Web`、管理界面`Kafka-Manager`；在日志领域比较成熟，被多家公司和多个开源项目使用；功能支持：功能较为简单，主要支持简单的 `MQ`功能，在大数据领域的实时计算以及**日志采集**被大规模使用。

缺点：`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，使用短轮询方式，实时性取决于轮询间隔时间，消费失败不支持重试；支持消息顺序，但是一台代理宕机后，就会产生消息乱序，**社区更新较慢**；

##### 1.3.3. `RocketMQ` #####

`RocketMQ`出自阿里巴巴的开源产品，用`Java`语言实现，在设计时参考了`Kafka`，并做出了自己的一些改进。被阿里巴巴广泛应用在订单，交易，充值，流计算，消息推送，日志流式处理，`binglog`分发等场景。

优点：**单机吞吐量十万级**,可用性非常高，分布式架构，**消息可以做到 0丢失** ，`MQ`功能较为完善，还是分布式的，扩展性好，**支持10亿级别的消息堆积**，不会因为堆积导致性能下降,源码是`java`我们可以自己阅读源码，定制自己公司的`MQ`。

缺点：**支持的客户端语言不多**，目前是`java`及`c++`，其中`c++`不成熟；社区活跃度一般，没有在`MQ`核心中去实现`JMS`等接口，有些系统要迁移需要修改大量代码。

##### 1.3.4. `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**。

优点：由于`erlang`语言的**高并发特性**，性能较好；**吞吐量到万级**，`MQ`功能比较完备,健壮、稳定、易用、跨平台、**支持多种语言** 如：`Python`、`Ruby`、`.NET`、`Java`、`JMS`、`C`、`PHP`、`ActionScript`、`XMPP`、`STOMP`等，支持`AJAX`文档齐全；开源提供的管理界面非常棒，用起来很好用，**社区活跃度高**；更新频率相当高[https://www.rabbitmq.com/news.html][https_www.rabbitmq.com_news.html]。

缺点：商业版需要收费，学习成本较高。

#### 1.4 `MQ`的选择 ####

##### 1.4.1. `Kafka` #####

`Kafka`主要特点是基于`Pull`的模式来处理消息消费，追求高吞吐量，一开始的目的就是用于日志收集和传输，适合产生**大量数据**的互联网服务的数据收集业务。**大型公司**建议可以选用，如果有**日志采集**功能，肯定是首选`kafka`了。

##### 1.4.2. `RocketMQ` #####

天生为**金融互联网**领域而生，对于可靠性要求很高的场景，尤其是电商里面的订单扣款，以及业务削峰，在大量交易涌入时，后端可能无法及时处理的情况。`RoketMQ`在稳定性上可能更值得信赖，这些业务场景在阿里双11已经经历了多次考验，如果你的业务有上述并发场景，建议可以选择`RocketMQ`。

##### 1.4.3. `RabbitMQ` #####

结合`erlang`语言本身的并发优势，性能好**时效性微秒级**，**社区活跃度也比较高**，管理界面用起来十分方便，如果你的**数据量没有那么大**，中小型公司优先选择功能比较完备的`RabbitMQ`。

### 2. `RabbitMQ` ###

#### 2.1 `RabbitMQ`的概念 ####

`RabbitMQ`是一个消息中间件：它接受并转发消息。你可以把它当做一个快递站点，当你要发送一个包裹时，你把你的包裹放到快递站，快递员最终会把你的快递送到收件人那里，按照这种逻辑`RabbitMQ`是一个快递站，一个快递员帮你传递快件。`RabbitMQ`与快递站的主要区别在于，它不处理快件而是接收，存储和转发消息数据。

#### 2.2 四大核心概念 ####

*  生产者

产生数据发送消息的程序是生产者。

*  交换机

交换机是`RabbitMQ`非常重要的一个部件，一方面它接收来自生产者的消息，另一方面它将消息推送到队列中。交换机必须确切知道如何处理它接收到的消息，是将这些消息推送到特定队列还是推送到多个队列，亦或者是把消息丢弃，这个得有交换机类型决定。

*  队列

队列是`RabbitMQ`内部使用的一种数据结构，尽管消息流经`RabbitMQ`和应用程序，但它们只能存储在队列中。队列仅受主机的内存和磁盘限制的约束，本质上是一个大的消息缓冲区。许多生产者可以将消息发送到一个队列，许多消费者可以尝试从一个队列接收数据。这就是我们使用队列的方式。

*  消费者

消费与接收具有相似的含义。消费者大多时候是一个等待接收消息的程序。请注意生产者，消费者和消息中间件很多时候并不在同一机器上。同一个应用程序既可以是生产者又是可以是消费者。

#### 2.3 `RabbitMQ`核心部分 ####

![在这里插入图片描述][d830a44f927243c9acc4f7fc7500b9b6.png_pic_center]

#### 2.4 各个名词介绍 ####

![在这里插入图片描述][a4e82e82da8345d6842bd323f33218a4.png_pic_center]

*  **`Broker`**：接收和分发消息的应用，`RabbitMQ Server`就是`Message Broker`。
 *  **`Virtual host`**：出于多租户和安全因素设计的，把`AMQP`的基本组件划分到一个虚拟的分组中，类似于网络中的`namespace`概念。当多个不同的用户使用同一个`RabbitMQ server`提供的服务时，可以划分出多个`vhost`，每个用户在自己的`vhost`创建`exchange／queue`等。
 *  **`Connection`**：`publisher／consumer`和`broker`之间的`TCP`连接。
 *  **`Channel`**：如果每一次访问`RabbitMQ`都建立一个`Connection`，在消息量大的时候建立`TCP Connection`的开销将是巨大的，效率也较低。`Channel`是在`connection`内部建立的逻辑连接，如果应用程序支持多线程，通常每个 `thread`创建单独的`channel`进行通讯，`AMQP method`包含了`channel id`帮助客户端和`message broker`识别`channel`，所以`channel`之间是完全隔离的。**`Channel`作为轻量级的`Connection`极大减少了操作系统建立 `TCP connection`的开销**。
 *  **`Exchange`**：`message`到达`broker`的第一站，根据分发规则，匹配查询表中的`routing key`，分发消息到 `queue`中去。常用的类型有：`direct (point-to-point)`、 `topic (publish-subscribe)`、 `fanout (multicast)`。
 *  **`Queue`**：消息最终被送到这里等待`consumer`取走。
 *  **`Binding`**：`exchange`和`queue`之间的虚拟连接，`binding`中可以包含`routing key`，`Binding`信息被保存到 `exchange`中的查询表中，用于`message`的分发依据。

[f8c7b2d12d0d4115a83ba2267e6a0a22.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/6ad072053d9d45cca3088098d27167ee.png
[dff68e1711df40babef6ebfbbaebfa54.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/b64b37b6964f4b259d5b740327dcaaf6.png
[https_www.rabbitmq.com_news.html]: https://www.rabbitmq.com/news.html
[d830a44f927243c9acc4f7fc7500b9b6.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/4641358a75634dadbda000f5767236da.png
[a4e82e82da8345d6842bd323f33218a4.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/c5ed0e1558c1439d929803a3e0fe1318.png