为什么要使用MQ?

news2025/1/19 22:22:38

我们在学习一个新的技术栈的时候，一定要多思考，为什么要用这个东西，这个东西帮助我们解决了什么问题，他的好处是什么，这样有利于我们加深对这个东西的理解。

下面开始今天的正文，我们为什么要使用Mq呢？他到底是一个什么东西呢？

一、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。

二、他帮我们解决了什么问题：

1、同步变异步

　　在客户下订单过程中，涉及客户的短信推送，E-mail发送，app消息推送等等...。若这些操作都是同步操作，这样用户等待的时间会非常长，体验不好。由于短信系统，E-mail系统，app推送仅仅是辅助订单系统，异步操作并不影响用户下订单。因此，可以利用RabbitMQ先将需要推送消息的订单放入队列，在进行异步处理。这样用户在下订单时速度更快，服务器压力更小，体验更佳。

2、高内聚低耦合

　　当需要在用户下订单整个流程中新增微信推送服务时，此时不需要修改订单服务系统，只需新增微信推送服务系统去订阅订单服务系统在RabbitMQ上发布的信息，并完成微信推送服务。

3、流量削峰

　　当大量用户请求服务系统时，若不对用户请求进行数量控制，可能导致服务器崩溃，因此在中间新增一个RabbitMQ消息队列，当请求数量到达规定值时，直接拒绝后续请求。然后将队列中请求依次发送到秒杀服务系统进行业务处理。

三、MQ分为哪几种呢

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：维护越来越少，高吞吐量场景较少使用

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;

3、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

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
缺点
商业版需要收费,学习成本较高