異步、削峰填谷的作用。

一、RabbitMQ?

1、RabbitMQ?消息可靠性傳遞

ACK確認機制，消費者手動確認和自動確認

2、RabbitMQ? 冪等問題：

參考文章

4、簡介：

使用Erlang編寫的一個開源的消息隊列，本身支持很多的協議：AMQP，XMPP, SMTP,STOMP，也正是如此，使的它變的非常重量級，更適合于企業級的開發。同時實現了Broker架構，核心思想是生產者不會將消息直接發送給隊列，消息在發送給客戶端時先在中心隊列排隊。對路由(Routing)，負載均衡(Load balance)、數據持久化都有很好的支持。多用于進行企業級的ESB整合。

5、RabbitMQ ?性能怎樣？

6、MQ底層實現原理？

7、MQ 是怎樣持久化的?？

8、 MQ如何保證多個消費者順序消費？

參考

9、MQ有哪些組件及原理?？

10、 MQ有幾種廣播機制 ？

11、

12、

13、

14、

15、

16

二、RocketMQ

1、簡潔

阿里系下開源的一款分布式、隊列模型的消息中間件，原名Metaq，3.0版本名稱改為RocketMQ，是阿里參照kafka設計思想使用java實現的一套mq。同時將阿里系內部多款mq產品（Notify、metaq）進行整合，只維護核心功能，去除了所有其他運行時依賴，保證核心功能最簡化，在此基礎上配合阿里上述其他開源產品實現不同場景下mq的架構，目前主要多用于訂單交易系統。

具有以下特點：

• 能夠保證嚴格的消息順序
• 提供針對消息的過濾功能
• 提供豐富的消息拉取模式
• 高效的訂閱者水平擴展能力
• 實時的消息訂閱機制
• 億級消息堆積能力

2、

3、

4、

5、

6、

三、Kafka?

1、RocketMQ 與?Kafka 區別

2、簡潔：適合大數據量

Apache下的一個子項目，使用scala實現的一個高性能分布式Publish/Subscribe消息隊列系統，具有以下特性：

• 快速持久化：通過磁盤順序讀寫與零拷貝機制，可以在O(1)的系統開銷下進行消息持久化；
• 高吞吐：在一臺普通的服務器上既可以達到10W/s的吞吐速率；
• 高堆積：支持topic下消費者較長時間離線，消息堆積量大；
• 完全的分布式系統：Broker、Producer、Consumer都原生自動支持分布式，依賴zookeeper自動實現復雜均衡；
• 支持Hadoop數據并行加載：對于像Hadoop的一樣的日志數據和離線分析系統，但又要求實時處理的限制，這是一個可行的解決方案。

3、性能對比：

4、Kafka 如何保證消息 順序消費 ？

全局有序：

由于Kafka的一個Topic可以分為了多個Partition，Producer發送消息的時候，是分散在不同Partition的。當Producer按順序發消息給Broker，但進入Kafka之后，這些消息就不一定進到哪個Partition，會導致順序是亂的。

因此要滿足全局有序，需要1個Topic只能對應1個Partition。

而且對應的consumer也要使用單線程或者保證消費順序的線程模型，否則會出現下圖所示，消費端造成的消費亂序。

局部有序：

要滿足局部有序，只需要在發消息的時候指定Partition Key，Kafka對其進行Hash計算，根據計算結果決定放入哪個Partition。這樣Partition Key相同的消息會放在同一個Partition。此時，Partition的數量仍然可以設置多個，提升Topic的整體吞吐量。

如下圖所示，在不增加partition數量的情況下想提高消費速度，可以考慮再次hash唯一標識（例如訂單orderId）到不同的線程上，多個消費者線程并發處理消息（依舊可以保證局部有序）。

消息重試對順序消息的影響

對于一個有著先后順序的消息A、B，正常情況下應該是A先發送完成后再發送B，但是在異常情況下，在A發送失敗的情況下，B發送成功，而A由于重試機制在B發送完成之后重試發送成功了。這時對于本身順序為AB的消息順序變成了BA。

針對這種問題，嚴格的順序消費還需要max.in.flight.requests.per.connection
參數的支持。

該參數指定了生產者在收到服務器響應之前可以發送多少個消息。它的值越高，就會占用越多的內存，同時也會提升吞吐量。把它設為1就可以保證消息是按照發送的順序寫入服務器的。

此外，對于某些業務場景，設置max.in.flight.requests.per.connection=1會嚴重降低吞吐量，如果放棄使用這種同步重試機制，則可以考慮在消費端增加失敗標記的記錄，然后用定時任務輪詢去重試這些失敗的消息并做好監控報警。

參考

5、數據往哪個區寫，怎么設置？

參考1

6、kafka 底層原理？ACK確認、偏移量、如何保證順序消費？

7、

總結

以上是生活随笔為你收集整理的消息中间件总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。