一、三大应用场景（优点）

解耦、异步、削峰

• 解耦：只需要将消息写入消息队列，需要消息的去消息队列中订阅就好
• 异步：一些非必要的逻辑可以采用异步来完成，从而提升响应速度
• 削峰：某个时间段并发量特别大的时候可以将消息发送到消息队列中，然后从消息队列中慢慢拉取进行消费

解耦

传统模式：

image.png

传统模式缺点：
系统间耦合性太强，如上图所示，系统A在代码中直接调用系统B和系统C，如果将来系统D要接入，系统A还要修改代码，过于麻烦！

image.png

中间件模式优点：
将消息写入消息队列，要消息的系统自己从消息队列中订阅，从而系统A不再需要做任何修改

异步

传统模式：

image.png

一些非必要的业务逻辑以同步的方式运行，太耗费时间。

中间件模式：

image.png

中间件模式的优点：
将消息写入消息队列，非必要的业务逻辑以异步的方式运行，加快响应速度

削峰

传统模式：

image.png

传统模式缺点：
并发量大的时候，所有的请求直接怼到数据库，造成数据库连接异常

中间件模式：

image.png

中间件模式的优点：
系统A慢慢的按照数据库能处理的并发量，从消息队列中慢慢拉取消息。在生产中，这个短暂的高峰期积压是允许的。

二、消息队列的缺点

1. 系统可用性降低：如系统原本运行的好好的，加入消息队列后一旦消息队列挂掉，系统直接就over了
2. 增加系统的复杂度：采用消息队列后要考虑好多问题，如一致性、如何保证消息不被重复消费、消息的可靠传输

三、消息队列的选型

1、ActiveMQ：更新比较慢、java开发的、万级吞吐量
2、RabbitMQ:相对ActiveMQ来说更新较快、erlang语言开发（erlang语言天生具有高并发的特效，但是熟悉erlang的人相对较少，好在社区比较活跃）
3、RocketMQ：支持分布式架构、Java语言开发可以定制化开发
4、Kafka：支持分布式架构、吞吐量十万级

image.png

使用场景：
在我们的电商中，在发送短信和商品上下架的时候使用了rebbitMQ

四、保证消息队列的高可用

分析：在第二点说过了，引入消息队列后，系统可用性下降，在生产中，没人使用单机模式的消息队列，因为作为一个合格的程序员，应该对消息队列的高可用有很深刻的了解。
如果面试时问如何保证高可用？你的回答只是表明自己只会订阅和发布消息，面试官就会怀疑你是不是只是自己搭着玩，没有生产使用过。
以RCOKETMQ为例，它的集群就有多master模式、多master多slave异步复制模式、多master多slave同步双写模式。多master多slave模式部署架构图：

image.png

其实博主第一眼看到这个图，就觉得和kafka好像，只是NameServer集群，在kafka中用zookeeper代替，都是用来保存和发现master和slave用的，通信过程如下：
Producer与NameServer集群中的其中一个节点(随机)建立长连接，定期从NameServer获取Topic路由信息，并向提供Topic服务的Broker Master和Slave建立长连接，即可以从Broker Master订阅消息，也可以从Broker Slave订阅消息。

那么kafka呢，为了对比说明直接上kafka拓补结构：

image.png

如上图所示，一个典型的Kafka集群中包含若干Producer（可以是web前端产生的page view，或者是服务器日志，系统cpu，memory等），若干broker（Kafka支持水平扩展，一般broker数量越多，集群吞吐率越高），若干Consumer Group，以及一个Zookeeper集群。Kafka通过broker，Consumer使用pull模式从broker订阅并消费消息。
至于rabbitMQ也有普通集群和镜像集群模式，自行去了解，比较简单。

五、如何保证不会重复消费

1、RabbitMQ会发生一个ACK确认消息
2、RocketMQ会返回一个CONSUME_SUCCESS成功标志
3、Kafka每条消息会有一个offset，在消费后需要提交offset，让消息队列知道已经消费

六、如何保证消息的可靠传输

分析：在使用消息队列过程中，应该做到消息不能多消费，也不能少消费。如果无法做到可靠性传输，可能给公司带来千万级别的财产损失。同样的，如果可靠性传输在使用过程中，没有考虑到，这不是给公司挖坑么。还是那句话，认真对待每一个项目，不要给公司挖坑。

三个角度：生产者弄丢数据、消息队列弄丢数据、消费者弄丢数据

RabbitMQ

1. RabbitMQ提供transaction和confirm来保证生产者不丢消息
   1.1 transaction机制就是说在发送消息的时候开启事务<channel.txSelect()>，然后再发送消息，若发送过程中发生异常则会滚<channel.txRollback()>，成功则提交<channel.txCommit()>，缺点就是吞吐量下降
   1.2 confirm模式生产上用的居多，一旦channel进入confirm模式，所有在该信道上的消息都会被指派一个唯一ID（从1开始），一旦消息投递到所匹配的队列都，RabbitMQ会发送一个Ack（包含消息的唯一ID）给生产者，这就知道已经消费处理了，如果RabbitMQ没有处理这条消息，则会发送一个Nack消息给你，这就知道消费失败，然后就可以重试了。

2. RabbitMQ消息队列丢数据
   2.1 处理消息队列丢数据的情况，一般是开启持久化磁盘的配置。这个持久化配置可以和confirm机制配合使用，你可以在消息持久化磁盘后，再给生产者发送一个Ack信号。这样，如果消息持久化磁盘之前，rabbitMQ阵亡了，那么生产者收不到Ack信号，生产者会自动重发。
   2.11 那么如何持久化呢，这里顺便说一下吧，其实也很容易，就下面两步
   2.11 1. 将queue的持久化标识durable设置为true,则代表是一个持久的队列
   2.11 2. 发送消息的时候将deliveryMode=2
   这样设置以后，rabbitMQ就算挂了，重启后也能恢复数据

3. RabbitMQ消费者丢数据
   3.1 消费者丢数据一般是因为采用了自动确认消息模式（采用手动提交即可）

Kafka

这里先引用一张kafka replication的效果图

image.png

Producer在发布消息到某个Partition时，先通过zookeeper找到该partition的leader，然后无论该topic的replication factor为多少(也即该partition有多少个replication)，Producer只将该消息发送到该Partition的leader，leader会将该消息写入本地log，每个Follower都从Leader中pull数据。

4. Kafka生产丢失数据
   4.1 在kafka生产中，基本都有一个leader和多个follwer。follwer会去同步leader的信息。因此，为了避免生产者丢数据，做如下两点配置
   第一个配置要在producer端设置acks=all。这个配置保证了，follwer同步完成后，才认为消息发送成功。
   在producer端设置retries=MAX，一旦写入失败，这无限重试

5. Kafka消息队列丢数据
   5.1 针对消息队列丢数据的情况，无外乎就是，数据还没同步，leader就挂了，这时zookpeer会将其他的follwer切换为leader,那数据就丢失了。针对这种情况，应该做两个配置。
   replication.factor参数，这个值必须大于1，即要求每个partition必须有至少2个副本
   min.insync.replicas参数，这个值必须大于1，这个是要求一个leader至少感知到有至少一个follower还跟自己保持联系。这两个配置加上上面生产者的配置联合起来用，基本可确保kafka不丢数据

6. Kafka消费者丢数据
   6.1 这种情况一般是自动提交了offset，然后你处理程序过程中挂了。kafka以为你处理好了。解决方案也很简单，改成手动提交即可。
   6.2 offset介绍：
   6.21 offset：指的是kafka的topic中的每个消费组消费的下标。简单的来说就是一条消息对应一个offset下标，每次消费数据的时候如果提交offset，那么下次消费就会从提交的offset加一那里开始消费。
   比如一个topic中有100条数据，我消费了50条并且提交了，那么此时的kafka服务端记录提交的offset就是49(offset从0开始)，那么下次消费的时候offset就从50开始消费。