分布式消息中间件

1. 什么是分布式消息中间件?

答:分布式消息中间件负责接收,保存和分发消息,在分布式场景下可扩展进程之间的通信,同时降低多个系统之间的耦合程度。

2. 请举例分布式消息中间件的使用场景

答:主要有三种:

  • 1)跨系统数据传递;
  • 2)高并发流量削峰,例如有服务器请求太多,此时可以将请求暂时缓存在消息中间件作为缓冲;
  • 3)数据异步处理,例如用户下了订单之后需要电邮通知其订单成功,此时电邮发送是一个相对耗时的工作,可以从下单的操作中挪出来,放到消息中间件,从而提高响应时间。
    一般有两种模式:
  • 1)一对一/点对点模式,一般是消费者主动拉取,确认之后就可以删除消息。即使有多个订阅者,一条消息也只会发给其中一个订阅者。
  • 2)一对多模式,一个生产者对应多个消费者,则采用广播模式,确认之后并没有立即删除消息。


    应用场景
3. 请简要描述设计分布式消息中间件的思路

答:五大设计核心包括协议,持久化设计,消息分发设计,高可用设计,高可靠设计。

    1. 协议:因为分布式消息中间件是网络应用,所以是基于TCP协议还是UDP协议以及在此之上如何开发设计自己的协议是一个需要考虑的问题。
      协议主要需要考虑三个要素:
      • 1.1 语法,定义数据和控制信息的结构,例如HTTP协议的请求报文和响应报文;
      • 1.2 语义,定义各种控制信息代表了什么操作,以及需要对此控制信息进行什么响应,例如HTTP协议的客户端发起的请求包括了POST,GET等控制信息;
      • 1.3 时序,定义事件之间的顺序,例如HTTP协议的要等客户发起请求,服务器才会响应;

消息中间件主要使用的协议包括:AMQP(支持持久化和事务), MQTT(设计简单,传输快,不支持持久化和事务,适合在低带宽不可靠的网络,物联网,定义了QoS,其中QoS0代表只需要发送,不保证消息收到,QoS1代表需要收到回复,保证消息被收到,QoS2代表收到回复并且如果收到相同的消息需要去从或者丢弃), Kafka(支持持久化,不支持事务处理), Open Message(支持持久化和事务),OpenWire。不使用HTTP协议的原因包括HTTP协议包含的内容太复杂,不适用于消息中间件;而且HTTP协议是短连接。

    1. 持久化:即消息是否需要保存到磁盘上,可以选择用文件系统或者数据库进行持久化。
    1. 消息分发:消费者需要从中间件获取消息进行处理,此时有两种可选方式,一种是中间件主动push消息给消费者,另外一种是消费者主动pull中间件的消息。
    1. 高可用:即在规定的条件和时间内处于可执行规定任务的能力,翻译成人话就是保证服务器不挂,能提供服务。
      高可用一般有以下实现方式:
      • 4.1 Master-Slave主从共享数据,即中间件的数据放在单独一个服务器,中间件的逻辑服务器有多个,且共享一个数据服务器;相比数据和逻辑都放在一个服务器,优点是中间件的逻辑服务器的高可用性得到了提升,但是数据服务器挂了就没了;
      • 4.2 Master-Slave主从同步数据,即中间件有多个数据服务器,写入数据只能在主数据服务器进行,其他服务器完全复制主服务器的数据;相比4.1而言,优点是数据服务器的高可用性得到了提升,缺点是因为同步数据,需要大量带宽,且插入数据只能在主数据服务器进行。
      • 4.3 Broker-Cluster多主集群同步,即中间件有多个数据服务器,写入数据可以在任意服务器进行,然后多个服务器之间相互同步数据;相比4.2而言,优点是可以在多个服务器插入数据,缺点还是需要大量带宽。
      • 4.4 Broker-Cluster多主集群转发部署,即中间件有多个数据服务器,写入数据可以在任意服务器进行,然后多个服务器只同步元数据,即部分提示该数据在哪个服务器的数据,不需要同步所有原始数据。相比4.3而言,优点是减少了同步数据量,减少了对带宽的需求。
      • 4.5 Master-Slave & Broker-Cluster混合使用。
    1. 高可靠:即系统可以无障碍的持续运行,翻译成人话就是能提供正确的服务。
      高可靠一般有以下实现方式:
      • 5.1 传输可靠,使用可靠的协议保证信息的正确传达;
      • 5.2 存储可靠,使用持久化的技术保证信息的不丢失。
4. 工业环境中常用的分布式消息中间件有什么差异?

答:ActiveMQ支持协议多;RabbitMQ和ActiveMQ均支持可靠存储;Kafka适合大数据和大并发,支持动态扩容,支持廉价存储(不需要经过内存存储)且不需要完全可靠的场景,例如日志。

ActiveMQ RabbitMQ Kafka RocketMQ
支持协议 OpenWire(主协议) / AMQP / MQTT等 AMQP(主协议) / MQTT等 Kafka Open Message
持久化方式 文件 / 数据库 文件 文件 文件
发布订阅 ☑️ ☑️ ☑️ ☑️
轮询分发(push) ☑️ ☑️ ☑️
轮询分发是否公平分发(即能者多劳) ☑️ ☑️
支持失败重发 ☑️ ☑️ ☑️
消息拉取(pull) ☑️ ☑️ ☑️
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,128评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,316评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,737评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,283评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,384评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,458评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,467评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,251评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,688评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,980评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,155评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,818评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,492评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,142评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,382评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,020评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,044评论 2 352

推荐阅读更多精彩内容