====== MQ(消息队列)======
一句话:MQ 是在多个服务之间转发消息的**独立中间件**,把「谁发消息」和「谁处理消息」拆开。
```mdk height=480 color=#4f46e5
# MQ 消息队列
## 是什么
### 独立运行的中间件,专门收发消息
### 把「谁发」和「谁处理」拆开
### 解决四个问题
- 解耦:双方互不感知
- 异步:先返回,后处理
- 削峰填谷:兜住突发流量
- 广播:一个事件多方订阅
### 代价
- 复杂度上升
- 消息可能重复 / 丢失 / 乱序
- 一致性变弱,只能最终一致
## 核心角色
- Producer 生产者
- Broker 消息代理(MQ 服务端)
- Consumer 消费者
- Queue / Topic 消息容器
- Message 消息本体
## 两种消息模型
### 点对点 Queue
- 一条消息只被一个消费者拿到
- 适合分发任务、削峰
### 发布订阅 Topic
- 一条消息多个订阅者各得一份
- 适合事件通知
### 投递语义
- at-most-once 最多一次,可能丢
- at-least-once 至少一次,可能重
- exactly-once 精确一次,靠幂等等效实现
## 常用产品
### RabbitMQ:Exchange 按 routing key 路由,最灵活
### Kafka:Partition + Consumer Group,高吞吐可回溯
### RocketMQ:事务消息、延时消息
### Redis Stream:轻量,不想加中间件时可用
## 服务器之间怎么对话
### 同步调用
- HTTP / REST / gRPC / Dubbo
- 直连、强依赖、有返回值
- 适合查询和强一致流程
### 异步消息
- 双方都只连 Broker
- 时间解耦,对方宕机也不丢消息
- 无返回值,需要回执得另设队列
- 适合通知、事件、耗时任务
## 怎么用:接入五步
- 部署 Broker,拿地址、端口、账号
- 引入客户端依赖
- 建立连接与通道
- 生产者声明队列或 topic 后 publish
- 消费者订阅并处理完 ack
## 可靠性要点
- 持久化:durable + delivery_mode=2
- ACK 确认:处理成功才确认
- 重试与死信队列 DLQ
- 消费端幂等:唯一业务 ID 去重
- 顺序:Kafka 同 partition 内有序
- 监控:队列长度与消费延迟
## 端口速记
- RabbitMQ 5672 / 15672 管理台
- Kafka 9092
- RocketMQ 9876 NameServer
- ActiveMQ 61616
```
===== 一、MQ 是什么 =====
MQ = **Message Queue,消息队列**。它是一个独立运行的中间件服务,夹在多个应用(服务器)中间,专门负责收发消息——相当于在服务之间放了一个**邮局**。
没有 MQ 时,A 服务调用 B 服务必须**当场**发出、**当场**等结果(HTTP / RPC)。有了 MQ,A 只把消息投进队列就可以返回,B 什么时候处理、开几个进程处理,A 完全不需要知道。
^ 角色 ^ 说明 ^
| Producer 生产者 | 发消息的一方 |
| Broker 代理 | MQ 服务端本身,负责存消息、转发消息 |
| Consumer 消费者 | 取消息、执行具体业务逻辑的一方 |
| Queue / Topic | 消息的存放容器 |
| Message | 消息本体,一般含 body 与 headers / tag / routing key |
它解决的四个经典问题:
* **解耦**:A 不需要知道 B 的地址与接口,只认消息格式。
* **异步**:下单后立即返回「已受理」,发短信、加积分、写报表交给 MQ 慢慢做。
* **削峰填谷**:秒杀瞬间涌入十万请求,先由 MQ 兜住,消费者按自己的能力消费。
* **广播 / 事件驱动**:一条「订单已支付」事件,库存、物流、风控、数仓都可以订阅。
代价也要清楚:系统复杂度上升;消息可能重复、丢失或乱序;一致性从强一致退化为**最终一致**;以及额外的运维成本。
===== 二、两种消息模型 =====
**1. 点对点(Queue)——任务队列**
一条消息只能被一个消费者取走,处理完即删除。适合分发任务、削峰。
**2. 发布订阅(Topic)——事件广播**
一条消息可以被多个订阅者各收到一份。适合事件通知。
各产品的具体实现不太一样:
* **RabbitMQ**:Producer → **Exchange**(direct / topic / fanout / headers)→ 按 routing key 路由到 Queue → Consumer,路由最灵活。
* **Kafka**:Topic 分为多个 **Partition**,消费者按 **Consumer Group** 组内均分、组间各得一份;消息是追加日志,可按 offset 重复消费、回溯。
* **RocketMQ**:Topic → Queue,支持 tag 过滤、事务消息、延时消息。详见 [[rocketmq|RocketMQ 使用与接入教程(4.x / 5.x)]]
* **Redis**:List 做简易队列,Stream 做带消费组的高级队列,轻量但可靠性较弱。
**投递语义**(务必分清):
* ''at-most-once'' 最多一次:可能丢消息。
* ''at-least-once'' 至少一次:可能重复,**最常用**,靠消费端幂等兜底。
* ''exactly-once'' 精确一次:端到端很难,通常用「至少一次 + 幂等」达到等效效果。
===== 三、服务器之间怎么「对话」 =====
服务间通信只有两大类,MQ 属于第二类:
^ 对比项 ^ 同步调用 ^ 异步消息 ^
| 代表 | HTTP / REST、gRPC、Dubbo | RabbitMQ、Kafka、RocketMQ |
| 连接方式 | 调用方直连被调方 | 双方都只连 Broker |
| 时序 | 强依赖,对方挂了就报错 | 时间解耦,消息先攒着 |
| 返回值 | 有(请求—响应) | 无,需要回执得另设队列 |
| 适用场景 | 查询、强一致流程 | 通知、事件、耗时任务、削峰 |
消息在服务之间的实际路径:
服务A --(connect + publish)--> [ Broker: Exchange/Topic -> Queue ] --(subscribe + consume)--> 服务B
└--(subscribe + consume)--> 服务C
对话的「语法」由**消息格式**(JSON / Protobuf / Avro)和**路由规则**(routing key、topic 名、tag)约定。只要双方遵守这个契约,各服务的代码就能独立部署、独立升级、独立重启。
===== 四、常用产品与选型 =====
^ 产品 ^ 特点 ^ 适合场景 ^
| RabbitMQ | AMQP 协议,Exchange 路由灵活,生态成熟 | 业务解耦、路由复杂、量中等 |
| Kafka | 高吞吐、分区并行、可回溯 | 日志、埋点、流式处理、大数据管道 |
| RocketMQ | 事务消息、延时消息、电商交易经验 | 交易、订单、需要事务消息 |
| Redis Stream / List | 部署简单、极轻量 | 本地解耦、小规模任务队列 |
===== 五、怎么用:接入五步 =====
- 启动 / 部署 Broker(或购买云服务),拿到地址、端口、账号、vhost。
- 生产者和消费者分别引入对应的客户端依赖。
- 建立连接与通道(Channel / Producer / Consumer 实例)。
- 生产者声明队列或 topic,然后 publish 消息。
- 消费者订阅队列,编写回调处理函数,处理成功后 **ack**。
以 RabbitMQ 为例(Python + pika):
# ---------- 生产者 ----------
import pika, json
conn = pika.BlockingConnection(pika.ConnectionParameters(
"192.168.1.10", 5672,
credentials=pika.PlainCredentials("app", "secret")))
ch = conn.channel()
# 声明持久化队列
ch.queue_declare(queue="order.paid", durable=True)
ch.basic_publish(
exchange="", # 默认 exchange
routing_key="order.paid",
body=json.dumps({"orderId": "A1001", "amount": 99.5}),
properties=pika.BasicProperties(delivery_mode=2)) # 消息持久化
conn.close()
# ---------- 消费者 ----------
import pika, json
def handle(ch, method, props, body):
data = json.loads(body)
try:
send_sms(data["orderId"]) # 业务处理
ch.basic_ack(delivery_tag=method.delivery_tag) # 成功才 ack
except Exception:
# 处理失败,不重回队列,交给死信队列人工排查
ch.basic_nack(delivery_tag=method.delivery_tag, requeue=False)
conn = pika.BlockingConnection(pika.ConnectionParameters(
"192.168.1.10", 5672,
credentials=pika.PlainCredentials("app", "secret")))
ch = conn.channel()
ch.queue_declare(queue="order.paid", durable=True)
ch.basic_qos(prefetch_count=10) # 一次最多预取 10 条,避免单个消费者被撑死
ch.basic_consume(queue="order.paid", on_message_callback=handle)
ch.start_consuming()
===== 六、可靠性要点 =====
* **持久化**:RabbitMQ 用 ''durable'' 队列 + ''delivery_mode=2'' 消息;Kafka 用 ''acks=all'' + 副本数 ≥ 3。
* **确认机制**:消费者处理成功才 ack;失败则重试或转死信。
* **重试与死信队列(DLQ)**:反复失败的消息隔离出来,避免无限重投堵塞队列。
* **幂等**:消费端用唯一业务 ID 去重(Redis set / 数据库唯一索引),这是应对「至少一次」的标准手段。
* **顺序**:Kafka 同一 partition 内有序;RabbitMQ 需要单队列单消费者才有顺序保证。
* **监控**:队列长度(堆积)与消费延迟是最重要的两个指标,配合死信数量告警。
===== 七、端口速记 =====
^ 产品 ^ 端口 ^
| RabbitMQ | 5672(AMQP)、15672(管理台) |
| Kafka | 9092 |
| RocketMQ | 9876(NameServer) |
| ActiveMQ | 61616 |