MQ分類和基本信息

好久沒更新博客，之前對MQ有過研究，現在打算系統的研究下消息隊列。
一、 簡介
1、 是一種跨進程的通信機制，用於上下游傳遞消息。
MQ是一種非常常見的上下游“邏輯解耦+物理解耦”的消息通信服務。
消息發送上游-》 MQ -》消息發送下游。 此情況使用MQ
調用上游-》被調用下游。 此情況不使用MQ。
優點與不足：
2、 不足：
1) 系統更復雜，多了一個MQ組件。
2) 通信時間更長，消息傳遞路徑增長，延時會增加。
3) 消息的可靠性和不重複性不能保證。消息不丟不重難以同時保證。
4) 上游無法知道下游的執行結果。如登錄，上游無法知道是否登錄成功。這種情況使用調用關係。
一、 使用場景
如定時任務。按照執行順序執行。task1，task2，task3。1-2-3的執行順序。可以使用MQ進行解耦。1爲發佈者，2爲訂閱者和發佈者，3爲訂閱者。
如按照cron執行，需預留時間。有時間浪費。如採用MQ，執行順序和執行時間得到保證。task1的執行時間改變，2、3不需要改變。
1、什麼時候不使用MQ？
上游實時關注執行結果
2、什麼時候使用MQ？
1）數據驅動的任務依賴
2）上游不關心多下游執行結果
3）異步返回執行時間長
二、 MQ分類
RabbitMQ：
對路由(Routing)，負載均衡(Load balance)或者數據持久化都有很好的支持。
Redis
入隊時，當數據比較小時Redis的性能要高於RabbitMQ，而如果數據大小超過了10K，Redis則慢的無法忍受；出隊時，無論數據大小，Redis都表現出非常好的性能，而RabbitMQ的出隊性能則遠低於Redis。
ZeroMQ
號稱最快的消息隊列系統，尤其針對大吞吐量的需求場景。ZMQ能夠實現RabbitMQ不擅長的高級/複雜的隊列，但是開發人員需要自己組合多種技術框架，技術上的複雜度是對這MQ能夠應用成功的挑戰。ZeroMQ具有一個獨特的非中間件的模式，你不需要安裝和運行一個消息服務器或中間件，因爲你的應用程序將扮演了這個服務角色。你只需要簡單的引用ZeroMQ程序庫，可以使用NuGet安裝，然後你就可以愉快的在應用程序之間發送消息了。但是ZeroMQ僅提供非持久性的隊列，也就是說如果down機，數據將會丟失。其中，Twitter的Storm中使用ZeroMQ作爲數據流的傳輸。
ActiveMQ
是Apache下的一個子項目。 類似於ZeroMQ，它能夠以代理人和點對點的技術實現隊列。同時類似於RabbitMQ，它少量代碼就可以高效地實現高級應用場景。RabbitMQ、ZeroMQ、ActiveMQ均支持常用的多種語言客戶端 C++、Java、.Net,、Python、 Php、 Ruby等。
Kafka
Kafka是Apache下的一個子項目，是一個高性能跨語言分佈式Publish/Subscribe消息隊列系統，而Jafka是在Kafka之上孵化而來的，即Kafka的一個升級版。具有以下特性：快速持久化，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；完全的分佈式系統，Broker、Producer、Consumer都原生自動支持分佈式，自動實現複雜均衡；支持Hadoop數據並行加載，對於像Hadoop的一樣的日誌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。Kafka通過Hadoop的並行加載機制來統一了在線和離線的消息處理，這一點也是本課題所研究系統所看重的。Apache Kafka相對於ActiveMQ是一個非常輕量級的消息系統，除了性能非常好之外，還是一個工作良好的分佈式系統
RocketMQ
阿里巴巴自主研發。
三、 推送類型
場景1：單發送單接收
使用場景：簡單的發送與接收，沒有特別的處理。
場景2：單發送多接收
使用場景：一個發送端，多個接收端，如分佈式的任務派發。爲了保證消息發送的可靠性，不丟失消息，使消息持久化了。同時爲了防止接收端在處理消息時down掉，只有在消息處理完成後才發送ack消息。
場景3：Publish/Subscribe
使用場景：發佈、訂閱模式，發送端發送廣播消息，多個接收端接收。
場景4：Routing (按路線發送接收)
使用場景：發送端按routing key發送消息，不同的接收端按不同的routing key接收消息。
場景5：Topics (按topic發送接收)
使用場景：發送端不只按固定的routing key發送消息，而是按字符串“匹配”發送，接收端同樣如此。
四、 數據準確性
1) 可達性：
消息分爲上下半場：上半場，發送方將消息發送給MQ。下半場，MQ將消息發送給接收方。
上下半場都有可能出現消息的丟失。爲了避免這種情況，需要進行MQ的超時和重傳。
上半場的超時和重傳
MQ上半場如果丟失或者超時，MQ-client-sender內的timer會重發消息，直到期望收到3，如果重傳N次後還未收到，則SendCallback回調發送失敗，需要注意的是，這個過程中MQ-server可能會收到同一條消息的多次重發。
下半場的超時與重傳
MQ下半場如果丟失或者超時，MQ-server內的timer會重發消息，直到成功執行，這個過程可能會重發很多次消息，一般採用指數退避的策略，先隔x秒重發，2x秒重發，4x秒重發，以此類推，需要注意的是，這個過程中MQ-client-receiver也可能會收到同一條消息的多次重發。
MQ-client與MQ-server如何進行消息去重，如何進行架構冪等性設計
2) 冪等性
上半場：
1，發送端MQ-client將消息發給服務端MQ-server
2，服務端MQ-server將消息落地
3，服務端MQ-server回ACK給發送端MQ-client
如果3丟失，發送端MQ-client超時後會重發消息，可能導致服務端MQ-server收到重複消息。
此時重發是MQ-client發起的，消息的處理是MQ-server，爲了避免步驟2落地重複的消息，對每條消息，MQ系統內部必須生成一個inner-msg-id，作爲去重和冪等的依據，這個內部消息ID的特性是：
（1）全局唯一
（2）MQ生成，具備業務無關性，對消息發送方和消息接收方屏蔽
有了這個inner-msg-id，就能保證上半場重發，也只有1條消息落到MQ-server的DB中，實現上半場冪等。
下半場：
4，服務端MQ-server將消息發給接收端MQ-client
5，接收端MQ-client回ACK給服務端
6，服務端MQ-server將落地消息刪除
需要強調的是，接收端MQ-client回ACK給服務端MQ-server，是消息消費業務方的主動調用行爲，不能由MQ-client自動發起，因爲MQ系統不知道消費方什麼時候真正消費成功。
如果5丟失，服務端MQ-server超時後會重發消息，可能導致MQ-client收到重複的消息。
此時重發是MQ-server發起的，消息的處理是消息消費業務方，消息重發勢必導致業務方重複消費（上例中的一次付款，重複髮卡），爲了保證業務冪等性，業務消息體中，必須有一個biz-id，作爲去重和冪等的依據，這個業務ID的特性是：
（1）對於同一個業務場景，全局唯一
（2）由業務消息發送方生成，業務相關，對MQ透明
（3）由業務消息消費方負責判重，以保證冪等
最常見的業務ID有：支付ID，訂單ID，帖子ID等。
具體到支付購卡場景，發送方必須將支付ID放到消息體中，消費方必須對同一個支付ID進行判重，保證購卡的冪等。
有了這個業務ID，才能夠保證下半場消息消費業務方即使收到重複消息，也只有1條消息被消費，保證了冪等。