初识中间件之消息队列--提高服务性能

初识中间件之消息队列

1 消息队列概述

消息队列是分布式系统中的重要组件，主要解决应用耦合，异步消息，流量削锋等问题，以实现高性能，高可用，可伸缩和最终一致性架构，是大型分布式系统中不可缺少的中间件。

目前使用较多的消息队列有ActiveMQ，RabbitMQ，ZeroMQ，Kafka，MetaMQ，RocketMQ等，比如我之前用过的RabbitMQ以及kafka。

2 消息队列应用场景

在实际应用中，消息队列常用于异步处理、应用解耦、流量削锋和消息通讯这四个场景。

2.1 异步处理

用户注册后，需要发注册邮件和注册短信。传统的做法有两种：1.串行；2.并行。

串行：将注册信息写入数据库成功后，发送注册邮件，再发送注册短信。以上三个任务全部完成后，再返回结果给客户端，如图所示：

并行：将注册信息写入数据库成功后，发送注册邮件的同时，发送注册短信。以上三个任务完成后，返回给客户端。与串行的差别是，并行的方式可以提高处理的时间，如图所示：

假设三个业务节点，每个使用50ms，不考虑网络等其他开销，则串行方式的时间是150ms，并行的时间可能是100ms。

因为CPU在单位时间内处理的请求数是一定的，假设CPU1秒内吞吐量是1次，则串行方式1秒内CPU可处理的请求量是7次（1000/150），并行方式处理的请求量是10次（1000/100）。

小结：如以上案例描述，传统方式系统的性能（并发量，吞吐量，响应时间）会有瓶颈。如何解决这个问题呢？

引入消息队列，将不是必须的业务逻辑进行异步处理。改造后的架构如下：

注册邮件和发送短信写入消息队列后，直接返回，因此写入消息队列的速度很快，基本可以忽略，预估为5ms，再加上注册信息写入数据库的时间50ms，总体响应时间就只有55ms。可见架构改变后，系统的TPS提高到了20（1000/55），比串行提高了3倍，比并行提高了2倍。

2.2 应用解耦

用户下单后，订单系统需要通知库存系统。传统的做法是，订单系统调用库存系统的接口

传统模式的缺点：

假如库存系统无法访问，则订单减库存将失败，从而导致下单失败；
订单系统与库存系统耦合。

如何解决以上问题呢？引入消息队列后的方案如下图所示：

订单系统：用户下单后，订单系统完成持久化处理，将消息写入消息队列，返回用户订单下单成功；
库存系统：订阅下单的消息，采用拉/推的方式，获取下单信息，库存系统根据下单信息，进行库存操作；
假如在下单时库存系统不能正常使用，也不影响正常下单，因为下单后，订单系统写入消息队列就不再关心其他的后续操作了。实现订单系统与库存系统的应用解耦。

2.3 流量削锋

流量削锋也是消息队列中的常用场景，一般在秒杀或团抢活动中使用广泛。

秒杀活动，可能会因为流量暴增而导致应用挂掉。为了解决这个问题，一般需要在应用前端加入消息队列，这样做的用处有：

可以控制参加活动的人数；
可以缓解短时间内流量增长的速度，避免压垮应用；
服务器接收用户的请求后，首先写入消息队列。假如消息队列长度超过最大数量，则直接抛弃用户请求或跳转到错误页面；
秒杀业务根据消息队列中的请求信息，再做后续处理。

2.4 日志处理

日志处理是指将消息队列用在日志处理中，比如Kafka的应用，解决大量日志传输的问题。架构简化如下：

日志采集客户端：负责日志数据采集，定时写入Kafka队列；
Kafka消息队列：负责日志数据的接收、存储和转发；
日志处理业务：订阅并消费Kafka队列中的日志数据。

以下是新浪的Kafka日志处理应用案例：

Kafka：接收用户日志的消息队列；
Logstash：做日志解析，统一成JSON输出给Elasticsearch；
Elasticsearch：实时日志分析服务的核心技术，由Schemaless提供实时的数据存储服务，通过index组织数据，兼具强大的搜索和统计功能；
Kibana：基于Elasticsearch的数据可视化组件，超强的数据可视化能力是众多公司选择ELK stack的重要原因。

2.5 消息通讯

消息队列一般都内置了高效的通信机制，因此也可以用于单纯的消息通讯，比如实现点对点消息队列或者聊天室等。

点对点通讯：

客户端A和客户端B使用同一队列，进行消息通讯。

聊天室通讯：

客户端A，客户端B，客户端N订阅同一主题，进行消息发布和接收，即可实现类似聊天室的效果。

3 消息中间件示例

3.1 电商系统

消息队列采用高可用，可持久化的消息中间件，比如Active MQ，Rabbit MQ以及Rocket Mq。

应用将主干逻辑处理完成后，写入消息队列。消息发送是否成功可以开启消息的确认模式。（消息队列返回消息接收成功状态后，应用再返回，这样保障消息的完整性）；
扩展流程（发短信，进销存处理）订阅队列消息，采用推或拉的方式获取消息并处理；
消息将应用解耦的同时，带来了数据一致性问题，可以采用最终一致性方式解决。比如主数据写入数据库，扩展应用根据消息队列，并结合数据库方式实现基于消息队列的后续处理。

3.2日志收集系统

分为Zookeeper注册中心、日志收集客户端、Kafka集群和Storm集群（OtherApp）四部分组成。

Zookeeper注册中心，提出负载均衡和地址查×××；
日志收集客户端，用于采集应用系统的日志，并将数据推送到kafka队列；
Kafka集群：接收，路由，存储，转发等消息处理；
Storm集群：与OtherApp处于同一级别，采用拉的方式消费队列中的数据。

4 JMS消息服务

讲消息队列就不得不提JMS 。JMS（JAVA Message Service,Java消息服务）API是一个消息服务的标准/规范，允许应用程序组件基于JavaEE平台创建、发送、接收和读取消息。它使分布式通信耦合度更低，消息服务更加可靠以及异步性。

在EJB架构中，有消息Bean可以无缝地与JM消息服务集成。在J2EE架构模式中，有消息服务者模式，用于实现消息与应用直接的解耦。

4.1消息模型

在JMS标准中，有两种消息模型P2P（Point to Point）和Publish/Subscribe(Pub/Sub)。

4.1.1 P2P模式

P2P模式包含三个角色：消息队列（Queue），发送者(Sender)以及接收者(Receiver)。每个消息都被发送到一个特定的队列，接收者从队列中获取消息。队列保留着消息，直到他们被消费或超时。我们的跨境电商项目目前用的就是这种模式。

P2P的特点：

每个消息只有一个消费者（Consumer）(即一旦被消费，消息就不再在消息队列中)；
发送者和接收者之间在时间上没有依赖性，也就是说当发送者发送了消息之后，不管接收者有没有正在运行，它不会影响到消息被发送到队列；
接收者在成功接收消息之后需向队列应答成功。

如果希望发送的每个消息都会被成功处理的话，那么需要P2P模式。

4.1.2 Pub/Sub模式

包含三个角色：主题（Topic），发布者（Publisher）以及订阅者（Subscriber）。多个发布者将消息发送到Topic,系统将这些消息传递给多个订阅者。

Pub/Sub的特点：

每个消息可以有多个消费者；
发布者和订阅者之间有时间上的依赖性。针对某个主题（Topic）的订阅者，它必须创建一个订阅者之后，才能消费发布者的消息；
为了消费消息，订阅者必须保持运行的状态。

为了缓和这样严格的时间相关性，JMS允许订阅者创建一个可持久化的订阅。这样，即使订阅者没有被激活（运行），它也能接收到发布者的消息。

如果希望发送的消息可以不被做任何处理、或者只被一个消息者处理、或者可以被多个消费者处理的话，那么可以采用Pub/Sub模型。

4.2 消息消费

在JMS中，消息的产生和消费都是异步的，JMS的消费者可以通过两种方式来消费消息。

同步：订阅者或接收者通过Receive方法来接收消息，Receive方法在接收到消息之前（或超时之前）将一直阻塞；
异步：订阅者或接收者可以注册为一个消息监听器，当消息到达之后，系统自动调用监听器的onMessage方法。

JNDI：Java命名和目录接口,是一种标准的Java命名系统接口。可以在网络上查找和访问服务。通过指定一个资源名称，该名称对应于数据库或命名服务中的一个记录，同时返回资源连接建立所必须的信息。

JNDI在JMS中起到查找和访问发送目标或消息来源的作用。

4.3 JMS编程模型

(1) ConnectionFactory

创建Connection对象的工厂，针对两种不同的JMS消息模型，分别有QueueConnectionFactory和TopicConnectionFactory两种。可以通过JNDI来查找ConnectionFactory对象。

(2) Destination

Destination的意思是消息生产者的消息发送目标或者说消息消费者的消息来源。对于消息生产者来说，它的Destination是某个队列（Queue）或某个主题（Topic）;对于消息消费者来说，它的Destination也是某个队列或主题（即消息来源）。

所以，Destination实际上就是两种类型的对象：Queue、Topic可以通过JNDI来查找Destination。

(3) Connection

Connection表示在客户端和JMS系统之间建立的链接（对TCP/IP Socket的包装）。Connection可以产生一个或多个Session。跟ConnectionFactory一样，Connection也有两种类型：QueueConnection和TopicConnection。

(4) Session

Session是操作消息的接口。可以通过Session创建生产者、消费者、消息等。Session提供了事务的功能。当需要使用Session发送/接收多个消息时，可以将这些发送/接收动作放到一个事务中。同样，也分QueueSession和TopicSession。

(5) 消息的生产者

消息生产者由Session创建，并用于将消息发送到Destination。同样，消息生产者分两种类型：QueueSender和TopicPublisher。可以调用消息生产者的方法（send或publish方法）发送消息。

(6) 消息消费者

消息消费者由Session创建，用于接收被发送到Destination的消息。两种类型：QueueReceiver和TopicSubscriber。可分别通过Session的createReceiver(Queue)或createSubscriber(Topic)来创建。当然，也可以使用Session的creatDurableSubscriber方法来创建持久化的订阅者。

(7) MessageListener

消息监听器。如果注册了消息监听器，一旦消息到达，将自动调用监听器的onMessage方法。EJB中的MDB（Message-Driven Bean）就是一种MessageListener。

5 常用消息队列

一般商用的容器，比如WebLogic，JBoss，都支持JMS标准，开发上很方便。但免费的比如Tomcat，Jetty等则需要使用第三方的消息中间件。本部分内容介绍常用的消息中间件（Rabbit MQ,Rabbit MQ，Zero MQ,Kafka）以及它们的特点。

5.1 RabbitMQ

RabbitMQ是流行的开源消息队列系统，用erlang语言开发。RabbitMQ是AMQP（高级消息队列协议）的标准实现，支持多种客户端，如：Python、Ruby、.NET、Java、JMS、C、PHP、ActionScript、XMPP、STOMP等，支持AJAX，持久化。用于在分布式系统中存储转发消息，在易用性、扩展性、高可用性等方面表现不俗。我们的跨境电商项目选用的消息队列就是RabbitMQ。

结构图如下：

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=

几个重要概念：

Broker：简单来说就是消息队列服务器实体；
Exchange：消息交换机，它指定消息按什么规则，路由到哪个队列；
Queue：消息队列载体，每个消息都会被投入到一个或多个队列；
Binding：绑定，它的作用就是把Exchange和Queue按照路由规则绑定起来；
Routing Key：路由关键字，Exchange根据这个关键字进行消息投递；
Vhost：虚拟主机，一个Broker里可以开设多个Vhost，用作不同用户的权限分离；
Producer：消息生产者，就是投递消息的程序；
Consumer：消息消费者，就是接受消息的程序；
Channel：消息通道，在客户端的每个连接里，可建立多个Channel，每个Channel代表一个会话任务。

消息队列的使用过程如下：

（1）生产者和消费者连接到消息队列服务器，打开一个Channel；

（2）生产者和消费者声明一个Exchange，并设置相关属性；

（3）生产者和消费者声明一个Queue，并设置相关属性；

（4）生产者和消费者使用Routing Key，在Exchange和Queue之间建立好绑定关系；

（5）生产者投递消息到Exchange。Exchange接收到消息后，就根据消息的Key和已经设置的Binding进行消息路由，将消息投递到一个或多个队列里；

（6）消费者从队列读取消息进行消费。

5.2 ActiveMQ

ActiveMQ 是Apache出品，最流行的，能力强劲的开源消息总线。ActiveMQ 是一个完全支持JMS1.1和J2EE 1.4规范的 JMS Provider实现，尽管JMS规范出台已经是很久的事情了，但是JMS在当今的J2EE应用中仍然扮演着特殊的地位。

ActiveMQ特性如下：

多种语言和协议编写客户端。语言: Java,C,C++,C#,Ruby,Perl,Python,PHP。应用协议： OpenWire,Stomp REST,WS Notification,XMPP,AMQP；
完全支持JMS1.1和J2EE 1.4规范（持久化，XA消息，事务)；
对Spring的支持，ActiveMQ可以很容易内嵌到使用Spring的系统里面去，而且也支持Spring2.0的特性；
通过了常见J2EE服务器（如 Geronimo,JBoss 4,GlassFish,WebLogic)的测试，其中通过JCA 1.5 Resource Adaptors的配置，可以让ActiveMQ可以自动地部署到任何兼容J2EE 1.4 商业服务器上；
支持多种传送协议：in-VM,TCP,SSL,NIO,UDP,JGroups,JXTA；
支持通过JDBC和Journal提供高速的消息持久化；
从设计上保证了高性能的集群，客户端-服务器，点对点；
支持Ajax；
支持与Axis的整合；
可以很容易地调用内嵌JMS provider，进行测试。

5.3 ZeroMQ

号称史上最快的消息队列，它实际类似于Socket的一系列接口，跟Socket的区别是：普通的Socket是端到端的（1:1的关系），而ZeroMQ却是可以N：M 的关系，人们对BSD套接字的了解较多的是点对点的连接，点对点连接需要显式地建立连接、销毁连接、选择协议（TCP/UDP）和处理错误等，而ZeroMQ屏蔽了这些细节，让网络编程更为简单。ZeroMQ用于Node与Node间的通信，Node可以是主机或者是进程。

引用官方的说法： “ZeroMQ是一个简单好用的传输层，像框架一样的一个Socket Library，它使得Socket编程更加简单、简洁和高性能。同时也是一个消息处理队列库，可在多个线程、内核和主机盒之间弹性伸缩。ZeroMQ的明确目标是“成为标准网络协议栈的一部分，之后进入Linux内核”。现在还未看到它们的成功。但是，它无疑是极具前景的、并且是人们更加需要的“传统”BSD套接字之上的一层封装。ZeroMQ让编写高性能网络应用程序极为简单和有趣。”

特点如下：

高性能，非持久化；
跨平台：支持Linux、Windows、OS X等；
多语言支持： C、C++、Java、.NET、Python等30多种开发语言；
可单独部署或集成到应用中使用；
可作为Socket通信库使用。

与RabbitMQ相比，ZeroMQ并不像是一个传统意义上的消息队列服务器，事实上，它也根本不是一个服务器，更像一个底层的网络通讯库，在Socket API之上做了一层封装，将网络通讯、进程通讯和线程通讯抽象为统一的API接口。支持“Request-Reply “，”Publisher-Subscriber“，”Parallel Pipeline”三种基本模型和扩展模型。

ZeroMQ高性能设计要点：

无锁的队列模型：对于跨线程间的交互（用户端和Session）之间的数据交换通道Pipe，采用无锁的队列算法CAS；在Pipe两端注册有异步事件，在读或者写消息到Pipe的时，会自动触发读写事件；
批量处理的算法：对于传统的消息处理，每个消息在发送和接收的时候，都需要系统的调用，这样对于大量的消息，系统的开销比较大，zeroMQ对于批量的消息，进行了适应性的优化，可以批量地接收和发送消息；
多核下的线程绑定，无须CPU切换：区别于传统的多线程并发模式，信号量或者临界区，ZeroMQ充分利用多核的优势，每个核绑定运行一个工作者线程，避免多线程之间的CPU切换开销。

5.4 Kafka

Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据。这种动作（网页浏览，搜索和其他用户的行动）是在现代网络上的许多社会功能的一个关键因素。这些数据通常是由于吞吐量的要求而通过日志聚合和分析来解决。对于像Hadoop一样的日志数据离线分析系统，如果有实时处理的需求，Kafka就是一个可行的解决方案。Kafka的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群机来提供实时的消费。

Kafka是一种高吞吐量的分布式发布订阅消息系统，有如下特性：

通过O(1)的磁盘数据结构提供消息的持久化，这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能。（文件追加的方式写入数据，过期的数据定期删除）；
高吞吐量：即使是非常普通的硬件Kafka也可以支持每秒数百万的消息；
支持通过Kafka服务器和消费机集群来分区消息；
支持Hadoop并行数据加载。

Kafka相关概念：

Broker：Kafka集群包含一个或多个服务器，这种服务器被称为Broker；
Topic：每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic（物理上不同Topic的消息分开存储，逻辑上一个Topic的消息虽然保存于一个或多个Broker上，但用户只需指定消息的Topic即可生产或消费数据，而不必关心数据存于何处）；
Partition：Parition是物理上的概念，每个Topic包含一个或多个Partition；
Producer：负责发布消息到Kafka Broker；
Consumer：消息消费者，即向Kafka Broker读取消息的客户端；
Consumer Group：每个Consumer属于一个特定的Consumer Group（可为每个Consumer指定Group Name，若不指定Group Name则属于默认的Group）。

Kafka一般在大数据日志处理或对实时性（少量延迟）、可靠性（少量丢数据）要求稍低的场景使用。