深入消息中间件MQ

什么是MQ?

消息队列(MQ),是一种应用程序对应用程序的通信方法。应用程序通过写和检索出入列队的针对应用程序的数据(消息)来通信,而无需专用连接来链接它们。

消息传递指的是程序之间通过在消息中发送数据进行通信,而不是通过直接调用彼此来通信,直接调用通常是用于诸如远程过程调用的技术。排队指的是应用程序通过队列来通信。队列的使用除去了接收和发送应用程序同时执行的要。

什么是MQ

扩展资料:

MQ传递主干,在世界屡获殊荣。 它帮您搭建企业服务总线(ESB)的基础传输层。IBM WebSphere MQ为SOA提供可靠的消息传递。它为经过验证的消息传递主干, 全方位、 多用途的数据传输, 并帮助您搭建企业服务总线的传输基础设施。

IBM WebSphere MQ 支持两种不同的应用程序编程接口:Java 消息服务(JMS)和消息队列接口(MQI)。在 IBM WebSphere MQ 服务器上,JMS 绑定方式被映射到 MQI。

概述

大家平时也有用到一些消息中间件(MQ),但是对其理解可能仅停留在会使用API能实现生产消息、消费消息就完事了。

对MQ更加深入的问题,可能很多人没怎么思考过。

那么我们从以下几个问题来深入了解MQ:

1.为什么要使用MQ?

2.使用了MQ之后有什么优缺点?

3.怎么保证MQ消息不丢失?

4.怎么保证MQ的高可用性?

本文将通过一些场景,配合着通俗易懂的语言和多张手绘彩图,讨论一下这些问题

为什么要使用MQ?

相信大家都听说过这样的一句话: 好的架构不是设计出来的,是演进出来的。

这句话在引入MQ的场景同样适用,适用MQ必定有其道理,是用用来解决实际问题的,而不是看见别人用了,也跟着用,要知其然知其所以然。

其实适用MQ的场景有很多,但是比较核心的以下3个:

  • 异步
  • 解耦
  • 削峰填谷

异步

我们通过实际案列进行说明:假设A系统接收一个请求,需要在自己本地写库操作执行SQL,但是在其之前需要调用BCD 三个业务系统的接口,进行业务处理;
假设本地写库的实际需要3ms,调用用BCD三个业务系统业务处理分别需要 300ms 、 450ms 、 200ms,
那么最终请求总延时为: 3+300+450+200=953ms ,接近1s,这就可能会影响用户的体验性了,从而造成不必要的结果。

此时整个系统同大致架构是这样的
不使用MQ的系统架构

但是一旦使用了MQ之后,系统A只需要发送3条消息到MQ中的3个消息队列,然后就返回给用户了。
假设发送消息到MQ中耗时20ms,那么用户感知到这个接口的耗时仅仅是20 + 3 = 23ms,用户几乎无感知,倍儿爽!

那么他的系统架构图是怎么样的呢?是的就是像下面所示
使用MQ的系统架构

由以上图可知,使用MQ后,接口的性能大大提高,用户几乎无感知,倍儿爽

解耦

假设A系统在用户发生某个操作的时候,需要把用户提交的数据同时推送到B、C两个系统的时候。
这个时候负责A系统的哥们想:没事啊,B、C两个系统给我提供一个Http接口或者RPC接口,我把数据推送过去不就完事了吗。负责A系统的哥们美滋滋。

一切看起来很美好,但是随着业务快速迭代,这个时候系统D也想要这个数据。那既然这样,A系统的开发同学就改咯,在发送数据给BC的同时加上一个D。

直接调用系统接口架构图

但是,随着所需订阅消息业务系统越来越多,有些系统需要该信息,有些系统又不需要该信息,越到后面越发现,麻烦来了。。。
整个系统好像不止这个数据要发送给BCD、还有第二、第三个数据要发送给BCD。甚至有时候又加入了E、F等等系统,他们也要这个数据。
并且有时候可能B系统突然又不要这个数据了,A系统该来改去,A系统的开发哥们头皮发麻。

更复杂的场景是,数据通过接口传给其他系统有时候还要考虑重试、超时等一些异常情况,真是头发都白了呀。。。
一个无助的业务场景

这个时候,就该我们的MQ粉墨登场了!

这种情况下使用MQ来解耦是在合适不过了,A系统只需要将关键信息丢到MQ中,其他系统进行订阅即可。

就算某个系统不需要这个数据了,也不会需要A系统改动代码。

看看加入MQ解耦的下图,是不是清爽了很多!
解耦后的业务系统架构图

削峰填谷

举个例子,比如我们的订单系统,在下单的时候就会往数据库写数据。但是数据库只能支撑每秒1000左右的并发写入,并发量再高就容易宕机。

低峰期的时候并发也就100多个,但是在高峰期时候,并发量会突然激增到5000以上,这个时候数据库肯定死了。

如下图,来感受一下数据库崩溃了,绝望了吧:
数据库崩溃场景

但是使用了MQ之后,情况就变了!

消息被MQ保存起来了,然后系统就可以按照自己的消费能力来消费,比如每秒1000个数据,这样慢慢写入数据库,这样就不至于崩溃了:

整个过程,如下图所示:
MQ削峰

至于为什么叫做削峰填谷呢?来看看这个图:

为什么叫削峰填谷呢?

因为如果没有用MQ的情况下,并发量高峰期的时候是有一个“顶峰”的,然后高峰期过后又是一个低并发的“谷”。

但是使用了MQ之后,限制消费消息的速度为1000,但是这样一来,高峰期产生的数据势必会被积压在MQ中,高峰就被“削”掉了。

消息会存在生产太快,消费过慢,导致积压,在高峰期过后的一段时间内,消费消息的速度还是会维持在1000QPS,直到消费完积压的消息,这就叫做“填谷”

通过上面的分析,大家就可以知道为什么要使用MQ,以及使用了MQ有什么好处。知其所以然,明白了自己的系统为什么要使用MQ。

使用了MQ之后有什么优缺点?

看到这个问题蒙圈了,用了就用了嘛!优点上面已经说了,但是这个缺点是啥啊。好像没啥缺点啊。

如果你这样想,就大错特错了,在设计系统的过程中,除了要清楚的知道为什么要用这个东西,还要思考一下用了之后有什么坏处。这样才能心里有底,防范于未然。

接下来我们就讨论一下,用MQ会有什么缺点把?

1.系统可用性降低

大家想想一下,上面的说解耦的场景,本来A系统的哥们要把系统关键数据发送给BC系统的,现在突然加入了一个MQ了,现在BC系统接收数据要通过MQ来接收。
但是大家有没有考虑过一个问题,万一MQ挂了怎么办?这就引出一个问题,加入了MQ之后,系统的可用性是不是就降低了?

因为多了一个风险因素:MQ可能会挂掉。只要MQ挂了,数据没了,系统运行就不对了。

2.系统复杂度提高

本来我的系统通过接口调用一下就能完事的,但是加入一个MQ之后,需要考虑消息重复消费、消息丢失、甚至消息顺序性的问题
为了解决这些问题,又需要引入很多复杂的机制,这样一来是不是系统的复杂度提高了。

3.数据一致性问题

本来好好的,A系统调用BC系统接口,如果BC系统出错了,会抛出异常,返回给A系统让A系统知道,这样的话就可以做回滚操作了
但是使用了MQ之后,A系统发送完消息就完事了,认为成功了。而刚好C系统写数据库的时候失败了,但是A认为C已经成功了?这样一来数据就不一致了。

通过分析引入MQ的优缺点之后,就明白了使用MQ有很多优点,但是会发现它带来的缺点又会需要你做各种额外的系统设计来弥补
最后你可能会发现整个系统复杂了好几倍,所以设计系统的时候要基于这些考虑做出取舍,很多时候你会发现该用的还是要用的。。。

怎么保证MQ消息不丢失?

使用了MQ之后,还要关心消息丢失的问题。这里我们挑RabbitMQ来说明一下吧。

生产者弄丢了数据

RabbitMQ生产者将数据发送到rabbitmq的时候,可能数据在网络传输中搞丢了,这个时候RabbitMQ收不到消息,消息就丢了。

RabbitMQ提供了两种方式来解决这个问题:

事务方式:

在生产者发送消息之前,通过channel.txSelect开启一个事务,接着发送消息
如果消息没有成功被RabbitMQ接收到,生产者会收到异常,此时就可以进行事务回滚channel.txRollback然后重新发送。假如RabbitMQ收到了这个消息,就可以提交事务channel.txCommit。 但是这样一来,生产者的吞吐量和性能都会降低很多,现在一般不这么干。

另外一种方式就是通过confirm机制:

这个confirm模式是在生产者哪里设置的,就是每次写消息的时候会分配一个唯一的id,然后RabbitMQ收到之后会回传一个ack,告诉生产者这个消息ok了。

如果rabbitmq没有处理到这个消息,那么就回调一个nack的接口,这个时候生产者就可以重发。

注:事务机制和cnofirm机制最大的不同在于事务机制是同步的,提交一个事务之后会阻塞在那儿
但是confirm机制是异步的,发送一个消息之后就可以发送下一个消息,然后那个消息rabbitmq接收了之后会异步回调你一个接口通知你这个消息接收到了。
所以一般在生产者这块避免数据丢失,都是用confirm机制的。

Rabbitmq弄丢了数据

RabbitMQ集群也会弄丢消息,这个问题在官方文档的教程中也提到过,就是说在消息发送到RabbitMQ之后,默认是没有落地磁盘的,万一RabbitMQ宕机了,这个时候消息就丢失了。
所以为了解决这个问题,RabbitMQ提供了一个持久化的机制,消息写入之后会持久化到磁盘
这样哪怕是宕机了,恢复之后也会自动恢复之前存储的数据,这样的机制可以确保消息不会丢失。

设置持久化有两个步骤:

第一个是创建queue的时候将其设置为持久化的,这样就可以保证rabbitmq持久化queue的元数据,但是不会持久化queue里的数据

第二个是发送消息的时候将消息的deliveryMode设置为2,就是将消息设置为持久化的,此时rabbitmq就会将消息持久化到磁盘上去。

但是这样一来可能会有人说:万一消息发送到RabbitMQ之后,还没来得及持久化到磁盘就挂掉了,数据也丢失了,怎么办?

对于这个问题,其实是配合上面的confirm机制一起来保证的,就是在消息持久化到磁盘之后才会给生产者发送ack消息。

万一真的遇到了那种极端的情况,生产者是可以感知到的,此时生产者可以通过重试发送消息给别的RabbitMQ节点

消费端弄丢了数据

RabbitMQ消费端弄丢了数据的情况是这样的:在消费消息的时候,刚拿到消息,结果进程挂了,这个时候RabbitMQ就会认为你已经消费成功了,这条数据就丢了。

对于这个问题,要先说明一下RabbitMQ消费消息的机制:
在消费者收到消息的时候,会发送一个ack给RabbitMQ,告诉RabbitMQ这条消息被消费到了,这样RabbitMQ就会把消息删除。

但是默认情况下这个发送ack的操作是自动提交的,也就是说消费者一收到这个消息就会自动返回ack给RabbitMQ,所以会出现丢消息的问题。

所以针对这个问题的解决方案就是:
关闭RabbitMQ消费者的自动提交ack,在消费者处理完这条消息之后再手动提交ack。
这样即使遇到了上面的情况,RabbitMQ也不会把这条消息删除,会在你程序重启之后,重新下发这条消息过来。

怎么保证MQ的高可用性性?

使用了MQ之后,我们肯定是希望MQ有高可用特性,因为不可能接受机器宕机了,就无法收发消息的情况。

这一块我们也是基于RabbitMQ这种经典的MQ来说明一下:

RabbitMQ是比较有代表性的,因为是基于主从做高可用性的,我们就以他为例子讲解第一种MQ的高可用性怎么实现。

rabbitmq有三种模式:
  • 单机模式
  • 普通集群模式
  • 镜像集群模式
单机模式

单机模式就是demo级别的,就是说只有一台机器部署了一个RabbitMQ程序。

这个会存在单点问题,宕机就玩完了,没什么高可用性可言。一般就是你本地启动了玩玩儿的,没人生产用单机模式。

普通集群模式

这个模式的意思就是在多台机器上启动多个rabbitmq实例。类似的master-slave模式一样。

但是创建的queue,只会放在一个master rabbtimq实例上,其他实例都同步那个接收消息的RabbitMQ元数据。

在消费消息的时候,如果你连接到的RabbitMQ实例不是存放Queue数据的实例,这个时候RabbitMQ就会从存放Queue数据的实例上拉取数据,然后返回给客户端。

总的来说,这种方式有点麻烦,没有做到真正的分布式,每次消费者连接一个实例后拉取数据,如果连接到不是存放queue数据的实例,这个时候会造成额外的性能开销。
如果从放Queue的实例拉取,会导致单实例性能瓶颈。

如果放queue的实例宕机了,会导致其他实例无法拉取数据,这个集群都无法消费消息了,没有做到真正的高可用。

所以这个事儿就比较尴尬了,这就没有什么所谓的高可用性可言了,这方案主要是(提高吞吐量的),就是说让集群中多个节点来服务某个queue的读写操作。

镜像集群模式

镜像集群模式才是真正的rabbitmq的高可用模式,跟普通集群模式不一样的是:
创建的queue无论元数据还是queue里的消息都会存在于多个实例上,

每次写消息到queue的时候,都会自动把消息到多个实例的queue里进行消息同步。

这样的话任何一个机器宕机了别的实例都可以用提供服务,这样就做到了真正的高可用了。

注:但是也存在着不好之处:

性能开销过高,消息需要同步所有机器,会导致网络带宽压力和消耗很重

扩展性低:无法解决某个queue数据量特别大的情况,导致queue无法线性拓展。

就算加了机器,那个机器也会包含queue的所有数据,queue的数据没有做到分布式存储。

对于RabbitMQ的高可用一般的做法都是开启镜像集群模式,这样起码来说做到了高可用,一个节点宕机了,其他节点可以继续提供服务。

总结

通过本篇文章,分析了对于MQ的一些常规问题:

为什么使用MQ?

1.异步,提高系统的性能
2.解耦,各业务系统解耦,避免不必要的业务耦合牵扯
3.削峰填谷,为了避免高峰流量过大,导致系统崩溃,从而将用户数据放入MQ,以一定的消费能力进行消费

使用MQ有什么优缺点

缺点:
1.系统的可用性降低了,MQ挂掉怎么办,那么此时业务系统数据就不一致了
2.系统变复杂了,本来我的系统通过接口调用一下就能完事的,但是加入一个MQ之后,需要考虑消息重复消费、消息丢失、甚至消息顺序性的问题为了解决这些问题,
又需要引入很多复杂的机制,这样一来是不是系统的复杂度提高了。
3.数据一致性问题

如何保证消息不丢失?

需要从生产者 MQ 消费者 三者进行考虑

如何保证MQ高可用性?

对于RabbitMQ的高可用一般的做法都是开启镜像集群模式,这样起码来说做到了高可用,一个节点宕机了,其他节点可以继续提供服务。

但是,这些问题仅仅是使用MQ的其中一部分需要考虑的问题,事实上,还有其他更加复杂的问题需要我们去解决,

比如:如何保证消息的顺序性?消息队列如何选型?消息积压问题如何解决?

本文仅仅是针对RabbitMQ的场景举例子。还有其他比较的消息队列,比如RocketMQ、Kafka

不同的MQ在面临上述问题的时候,要根据他们的原理机制来做对应的处理,这些都是本文没有顾及的内容,将在后面的文章中讨论。敬请关注。

-------------本文结束感谢您的阅读-------------
坚持原创技术分享,您的支持将鼓励我继续创作!