一個用消息隊列的人，不知道為啥用，有點尷尬。沒有復習這點，很容易被問蒙，然后就開始胡扯了。

回答：這個問題,咱只答三個最主要的應用場景，不可否認還有其他的，但是只答三個主要的，即以下六個字:

解耦、異步、削峰

1、解耦

傳統(tǒng)模式:

傳統(tǒng)模式的缺點：

系統(tǒng)間耦合性太強，如上圖所示，系統(tǒng)A在代碼中直接調(diào)用系統(tǒng)B和系統(tǒng)C的代碼，如果將來D系統(tǒng)接入，系統(tǒng)A還需要修改代碼，過于麻煩！

中間件模式:

中間件模式的的優(yōu)點：

將消息寫入消息隊列，需要消息的系統(tǒng)自己從消息隊列中訂閱，從而系統(tǒng)A不需要做任何修改。

2、異步

傳統(tǒng)模式:

傳統(tǒng)模式的缺點：

一些非必要的業(yè)務(wù)邏輯以同步的方式運行，太耗費時間。

中間件模式:

中間件模式的的優(yōu)點：

將消息寫入消息隊列，非必要的業(yè)務(wù)邏輯以異步的方式運行，加快響應速度

3、削峰

傳統(tǒng)模式

傳統(tǒng)模式的缺點：

并發(fā)量大的時候，所有的請求直接懟到數(shù)據(jù)庫，造成數(shù)據(jù)庫連接異常

中間件模式:

中間件模式的的優(yōu)點：

系統(tǒng)A慢慢的按照數(shù)據(jù)庫能處理的并發(fā)量，從消息隊列中慢慢拉取消息。在生產(chǎn)中，這個短暫的高峰期積壓是允許的。

使用了消息隊列會有什么缺點?

分析:一個使用了MQ的項目，如果連這個問題都沒有考慮過，就把MQ引進去了，那就給自己的項目帶來了風險。

我們引入一個技術(shù)，要對這個技術(shù)的弊端有充分的認識，才能做好預防。要記住，不要給公司挖坑！

回答:回答也很容易，從以下兩個個角度來答

系統(tǒng)可用性降低:

你想啊，本來其他系統(tǒng)只要運行好好的，那你的系統(tǒng)就是正常的。

現(xiàn)在你非要加個消息隊列進去，那消息隊列掛了，你的系統(tǒng)不是呵呵了。因此，系統(tǒng)可用性降低

系統(tǒng)復雜性增加:

要多考慮很多方面的問題，比如一致性問題、如何保證消息不被重復消費，如何保證保證消息可靠傳輸。

因此，需要考慮的東西更多，系統(tǒng)復雜性增大。

但是，我們該用還是要用的。

消息隊列如何選型?

先說一下，博主只會ActiveMQ,RabbitMQ,RocketMQ,Kafka，對什么ZeroMQ等其他MQ沒啥理解，因此只能基于這四種MQ給出回答。

分析:既然在項目中用了MQ，肯定事先要對業(yè)界流行的MQ進行調(diào)研，如果連每種MQ的優(yōu)缺點都沒了解清楚，就拍腦袋依據(jù)喜好，用了某種MQ，還是給項目挖坑。

如果面試官問:"你為什么用這種MQ？。"

你直接回答"領(lǐng)導決定的。"

這種回答就很LOW了。

還是那句話，不要給公司挖坑。

我們可以看出，RabbitMQ版本發(fā)布比ActiveMq頻繁很多。至于RocketMQ和kafka就不帶大家看了，總之也比ActiveMQ活躍的多。詳情，可自行查閱。

再來一個性能對比表

綜合上面的材料得出以下兩點:

1、中小型軟件公司，建議選RabbitMQ.

一方面，erlang語言天生具備高并發(fā)的特性，而且他的管理界面用起來十分方便。

正所謂，成也蕭何，敗也蕭何！他的弊端也在這里，雖然RabbitMQ是開源的，然而國內(nèi)有幾個能定制化開發(fā)erlang的程序員呢？

所幸，RabbitMQ的社區(qū)十分活躍，可以解決開發(fā)過程中遇到的bug，這點對于中小型公司來說十分重要。

不考慮rocketmq和kafka的原因是，一方面中小型軟件公司不如互聯(lián)網(wǎng)公司，數(shù)據(jù)量沒那么大，選消息中間件，應首選功能比較完備的，所以kafka排除。

不考慮rocketmq的原因是，rocketmq是阿里出品，如果阿里放棄維護rocketmq，中小型公司一般抽不出人來進行rocketmq的定制化開發(fā)，因此不推薦。

2、大型軟件公司，根據(jù)具體使用在rocketMq和kafka之間二選一

一方面，大型軟件公司，具備足夠的資金搭建分布式環(huán)境，也具備足夠大的數(shù)據(jù)量。

針對rocketMQ,大型軟件公司也可以抽出人手對rocketMQ進行定制化開發(fā)，畢竟國內(nèi)有能力改JAVA源碼的人，還是相當多的。

至于kafka，根據(jù)業(yè)務(wù)場景選擇，如果有日志采集功能，肯定是首選kafka了。具體該選哪個，看使用場景。

如何保證消息隊列是高可用的？

在第二點說過了，引入消息隊列后，系統(tǒng)的可用性下降。

在生產(chǎn)中，沒人使用單機模式的消息隊列。

因此，作為一個合格的程序員，應該對消息隊列的高可用有很深刻的了解。

如果面試官問："你們的消息中間件如何保證高可用的？"

如果你的回答只是表明自己只會訂閱和發(fā)布消息，面試官就會懷疑你是不是只是自己搭著玩，壓根沒在生產(chǎn)用過。

因此，請做一個愛思考，會思考，懂思考的程序員。

回答:這問題，其實要對消息隊列的集群模式要有深刻了解，才好回答。

以rcoketMQ為例，他的集群就有多master 模式、多master多slave異步復制模式、多 master多slave同步雙寫模式。

多master多slave模式部署架構(gòu)圖（網(wǎng)上找的,偷個懶，懶得畫）:

其實博主第一眼看到這個圖，就覺得和kafka好像，只是NameServer集群，在kafka中是用zookeeper代替，都是用來保存和發(fā)現(xiàn)master和slave用的。

通信過程如下:

Producer 與 NameServer集群中的其中一個節(jié)點（隨機選擇）建立長連接，定期從 NameServer 獲取 Topic 路由信息，并向提供 Topic 服務(wù)的 Broker Master 建立長連接，且定時向 Broker 發(fā)送心跳。

Producer 只能將消息發(fā)送到 Broker master，但是 Consumer 則不一樣，它同時和提供 Topic 服務(wù)的 Master 和 Slave建立長連接，既可以從 Broker Master 訂閱消息，也可以從 Broker Slave 訂閱消息。

那么kafka呢,為了對比說明直接上kafka的拓補架構(gòu)圖(也是找的，懶得畫)

如上圖所示，一個典型的Kafka集群中包含若干Producer（可以是web前端產(chǎn)生的Page View，或者是服務(wù)器日志，系統(tǒng)CPU、Memory等），若干broker（Kafka支持水平擴展，一般broker數(shù)量越多，集群吞吐率越高），若干Consumer Group，以及一個Zookeeper集群。

Kafka通過Zookeeper管理集群配置，選舉leader，以及在Consumer Group發(fā)生變化時進行rebalance。

Producer使用push模式將消息發(fā)布到broker，Consumer使用pull模式從broker訂閱并消費消息。

至于rabbitMQ,也有普通集群和鏡像集群模式，自行去了解，比較簡單，兩小時即懂。

要求，在回答高可用的問題時，應該能邏輯清晰的畫出自己的MQ集群架構(gòu)或清晰的敘述出來。

如何保證消息不被重復消費？

這個問題其實換一種問法就是，如何保證消息隊列的冪等性?

這個問題可以認為是消息隊列領(lǐng)域的基本問題。換句話來說，是在考察你的設(shè)計能力，這個問題的回答可以根據(jù)具體的業(yè)務(wù)場景來答，沒有固定的答案。

回答:先來說一下為什么會造成重復消費?

其實無論是那種消息隊列，造成重復消費原因其實都是類似的。

正常情況下，消費者在消費消息時候，消費完畢后，會發(fā)送一個確認信息給消息隊列，消息隊列就知道該消息被消費了，就會將該消息從消息隊列中刪除。只是不同的消息隊列發(fā)送的確認信息形式不同

例如RabbitMQ是發(fā)送一個ACK確認消息，RocketMQ是返回一個CONSUME_SUCCESS成功標志，kafka實際上有個offset的概念

簡單說一下(如果還不懂，出門找一個kafka入門到精通教程),就是每一個消息都有一個offset，kafka消費過消息后，需要提交offset，讓消息隊列知道自己已經(jīng)消費過了。

那造成重復消費的原因?

就是因為網(wǎng)絡(luò)傳輸?shù)鹊裙收希_認信息沒有傳送到消息隊列，導致消息隊列不知道自己已經(jīng)消費過該消息了，再次將該消息分發(fā)給其他的消費者。

如何解決?這個問題針對業(yè)務(wù)場景來答分以下幾點

1、比如，你拿到這個消息做數(shù)據(jù)庫的insert操作。

那就容易了，給這個消息做一個唯一主鍵，那么就算出現(xiàn)重復消費的情況，就會導致主鍵沖突，避免數(shù)據(jù)庫出現(xiàn)臟數(shù)據(jù)。

2、再比如，你拿到這個消息做redis的set的操作

那就容易了，不用解決。因為你無論set幾次結(jié)果都是一樣的，set操作本來就算冪等操作。

3、如果上面兩種情況還不行，上大招。

準備一個第三方介質(zhì),來做消費記錄。以redis為例，給消息分配一個全局id，只要消費過該消息，將以K-V形式寫入redis。那消費者開始消費前，先去redis中查詢有沒消費記錄即可。

6、如何保證消費的可靠性傳輸?

分析:我們在使用消息隊列的過程中，應該做到消息不能多消費，也不能少消費。如果無法做到可靠性傳輸，可能給公司帶來千萬級別的財產(chǎn)損失。

同樣的，如果可靠性傳輸在使用過程中，沒有考慮到，這不是給公司挖坑么，你可以拍拍屁股走了，公司損失的錢，誰承擔。

還是那句話，認真對待每一個項目，不要給公司挖坑

回答:其實這個可靠性傳輸，每種MQ都要從三個角度來分析:生產(chǎn)者弄丟數(shù)據(jù)、消息隊列弄丟數(shù)據(jù)、消費者弄丟數(shù)據(jù)

RabbitMQ

1、生產(chǎn)者丟數(shù)據(jù)

從生產(chǎn)者弄丟數(shù)據(jù)這個角度來看，RabbitMQ提供transaction和confirm模式來確保生產(chǎn)者不丟消息。

transaction機制就是說，發(fā)送消息前，開啟事物(channel.txSelect())，然后發(fā)送消息，如果發(fā)送過程中出現(xiàn)什么異常，事物就會回滾(channel.txRollback())，如果發(fā)送成功則提交事物(channel.txCommit())。

然而缺點就是吞吐量下降了。因此，按照博主的經(jīng)驗，生產(chǎn)上用confirm模式的居多。

一旦channel進入confirm模式，所有在該信道上面發(fā)布的消息都將會被指派一個唯一的ID(從1開始)

一旦消息被投遞到所有匹配的隊列之后，rabbitMQ就會發(fā)送一個Ack給生產(chǎn)者(包含消息的唯一ID)

這就使得生產(chǎn)者知道消息已經(jīng)正確到達目的隊列了.如果rabiitMQ沒能處理該消息，則會發(fā)送一個Nack消息給你，你可以進行重試操作。

處理Ack和Nack的代碼如下所示（說好不上代碼的，偷偷上了）:

2、消息隊列丟數(shù)據(jù)

處理消息隊列丟數(shù)據(jù)的情況，一般是開啟持久化磁盤的配置。

這個持久化配置可以和confirm機制配合使用，你可以在消息持久化磁盤后，再給生產(chǎn)者發(fā)送一個Ack信號。

這樣，如果消息持久化磁盤之前，rabbitMQ陣亡了，那么生產(chǎn)者收不到Ack信號，生產(chǎn)者會自動重發(fā)。

那么如何持久化呢，這里順便說一下吧，其實也很容易，就下面兩步

1、將queue的持久化標識durable設(shè)置為true,則代表是一個持久的隊列

2、發(fā)送消息的時候?qū)eliveryMode=2

這樣設(shè)置以后，rabbitMQ就算掛了，重啟后也能恢復數(shù)據(jù)

3、消費者丟數(shù)據(jù)

消費者丟數(shù)據(jù)一般是因為采用了自動確認消息模式。

這種模式下，消費者會自動確認收到信息。這時rahbitMQ會立即將消息刪除，這種情況下如果消費者出現(xiàn)異常而沒能處理該消息，就會丟失該消息。

至于解決方案，采用手動確認消息即可。

kafka

Producer在發(fā)布消息到某個Partition時，先通過ZooKeeper找到該Partition的Leader

然后無論該Topic的Replication Factor為多少（也即該Partition有多少個Replica），Producer只將該消息發(fā)送到該Partition的Leader。

Leader會將該消息寫入其本地Log。每個Follower都從Leader中pull數(shù)據(jù)。

針對上述情況，得出如下分析

1、生產(chǎn)者丟數(shù)據(jù)

在kafka生產(chǎn)中，基本都有一個leader和多個follwer。follwer會去同步leader的信息。

因此，為了避免生產(chǎn)者丟數(shù)據(jù)，做如下兩點配置

第一個配置要在producer端設(shè)置acks=all。這個配置保證了，follwer同步完成后，才認為消息發(fā)送成功。

在producer端設(shè)置retries=MAX，一旦寫入失敗，這無限重試

2、消息隊列丟數(shù)據(jù)

針對消息隊列丟數(shù)據(jù)的情況，無外乎就是，數(shù)據(jù)還沒同步，leader就掛了，這時zookpeer會將其他的follwer切換為leader,那數(shù)據(jù)就丟失了。

針對這種情況，應該做兩個配置。

replication.factor參數(shù)，這個值必須大于1，即要求每個partition必須有至少2個副本

min.insync.replicas參數(shù)，這個值必須大于1，這個是要求一個leader至少感知到有至少一個follower還跟自己保持聯(lián)系

這兩個配置加上上面生產(chǎn)者的配置聯(lián)合起來用，基本可確保kafka不丟數(shù)據(jù)

3、消費者丟數(shù)據(jù)

這種情況一般是自動提交了offset，然后你處理程序過程中掛了。kafka以為你處理好了。

再強調(diào)一次offset是干嘛的

offset：指的是kafka的topic中的每個消費組消費的下標。

簡單的來說就是一條消息對應一個offset下標，每次消費數(shù)據(jù)的時候如果提交offset，那么下次消費就會從提交的offset加一那里開始消費。

比如一個topic中有100條數(shù)據(jù)，我消費了50條并且提交了，那么此時的kafka服務(wù)端記錄提交的offset就是49(offset從0開始)，那么下次消費的時候offset就從50開始消費。

解決方案也很簡單，改成手動提交即可。

如何保證消息的順序性？

分析:其實并非所有的公司都有這種業(yè)務(wù)需求，但是還是對這個問題要有所復習。

回答:針對這個問題，通過某種算法，將需要保持先后順序的消息放到同一個消息隊列中(kafka中就是partition,rabbitMq中就是queue)。然后只用一個消費者去消費該隊列。

有的人會問:那如果為了吞吐量，有多個消費者去消費怎么辦？

這個問題，沒有固定回答的套路。比如我們有一個微博的操作，發(fā)微博、寫評論、刪除微博，這三個異步操作。如果是這樣一個業(yè)務(wù)場景，那只要重試就行。

比如你一個消費者先執(zhí)行了寫評論的操作，但是這時候，微博都還沒發(fā)，寫評論一定是失敗的，等一段時間。等另一個消費者，先執(zhí)行寫評論的操作后，再執(zhí)行，就可以成功。

總之，針對這個問題，我的觀點是保證入隊有序就行，出隊以后的順序交給消費者自己去保證，沒有固定套路。

總結(jié)

寫到這里，希望讀者把本文提出的這幾個問題，經(jīng)過深刻的準備后，一般來說，能囊括大部分的消息隊列的知識點。

如果面試官不問這幾個問題怎么辦，簡單，自己把幾個問題講清楚，突出以下自己考慮的全面性。

最后，其實我不太提倡這樣突擊復習，希望大家打好基本功，做一個愛思考，懂思考，會思考的程序員。