RabbitMq

一、什么是MQ

1.1.1. 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。

1.1.2. 为什么要用MQ【业务场景】

1、异步

如： 用户注册发送，注册邮件、注册短信

传统做法 ：

1、串行 （先发送邮件、再发短信）。问题：持续时间长

2、并行（将注册信息写入数据库后，同时发送邮件、短信），速度快、但不能满足高 吞吐需求

消息队列做法 ：

将数据写入数据库、同时发送消息给发送邮件和注册，异步处理

2、应用解耦

如：双十一购物节，用户下单后、订单系统通知库存系统。

传统做法 :

订单系统调用库存系统接口。问题：库存接口故障，订单就会失败，而损失大量订单

消息队列做法

订单系统：下单，订单系统完成持久化，将消息写入队列，返回下单成功给用户 库存系统：订阅下单的消息，获取下单消息，进行库操作，就算库存系统故障，消息队 列也能保证消息可靠投递，不会导致消息丢失。

3、流量削峰

如：秒杀活动、一般会因为流量过大，导致应用挂掉，一般在应用前端加入消息队列。 作用： 1、可以控制活动人数，超过一定阈值，订单直接丢弃 2、可以缓解短时间的高流量压垮应用（应用程序按自己的最大处理能力获取订单）

1.1.3. MQ的分类

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， 消息可靠性较高，概率丢失数据低

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. 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 KafkaManager；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. 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. 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

缺点：商业版需要收费，学习成本较高

1.1.4. MQ 的选择

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. 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. 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RabbitMQ。

1.2. RabbitMQ

1.1.1. 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。

1.1.2. 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。

1.1.3. RabbitMQ 核心部分

Hello Wold 简单模式

Work queues 工作队列模式

Publish/Subscribe 发布订阅模式

Routing 路由模式

Topics 主题模式

Publisher Confirms 发布确认模式

1.1.4 RabbitMQ工作原理

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) and 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