大型網站架構系列：分散式訊息佇列（一）

本次分享大綱

1. 訊息佇列概述
2. 訊息佇列應用場景
3. 訊息中介軟體示例
4. JMS訊息服務（見第二篇：大型網站架構系列：分散式訊息佇列（二））
5. 常用訊息佇列（見第二篇：大型網站架構系列：分散式訊息佇列（二））
6. 參考（推薦）資料（見第二篇：大型網站架構系列：分散式訊息佇列（二））
7. 本次分享總結（見第二篇：大型網站架構系列：分散式訊息佇列（二））

一、訊息佇列概述

訊息佇列中介軟體是分散式系統中重要的元件，主要解決應用耦合，非同步訊息，流量削鋒等問題。實現高效能，高可用，可伸縮和最終一致性架構。是大型分散式系統不可缺少的中介軟體。

目前在生產環境，使用較多的訊息佇列有ActiveMQ，RabbitMQ，ZeroMQ，Kafka，MetaMQ，RocketMQ等。

二、訊息佇列應用場景

以下介紹訊息佇列在實際應用中常用的使用場景。非同步處理，應用解耦，流量削鋒和訊息通訊四個場景。

2.1非同步處理

場景說明：使用者註冊後，需要發註冊郵件和註冊簡訊。傳統的做法有兩種1.序列的方式；2.並行方式。

（1）序列方式：將註冊資訊寫入資料庫成功後，傳送註冊郵件，再傳送註冊簡訊。以上三個任務全部完成後，返回給客戶端。（架構KKQ：466097527，歡迎加入）

 

（2）並行方式：將註冊資訊寫入資料庫成功後，傳送註冊郵件的同時，傳送註冊簡訊。以上三個任務完成後，返回給客戶端。與序列的差別是，並行的方式可以提高處理的時間。

 

假設三個業務節點每個使用50毫秒鐘，不考慮網路等其他開銷，則序列方式的時間是150毫秒，並行的時間可能是100毫秒。

因為CPU在單位時間內處理的請求數是一定的，假設CPU1秒內吞吐量是100次。則序列方式1秒內CPU可處理的請求量是7次（1000/150）。並行方式處理的請求量是10次（1000/100）。

 

小結：如以上案例描述，傳統的方式系統的效能（併發量，吞吐量，響應時間）會有瓶頸。如何解決這個問題呢？

引入訊息佇列，將不是必須的業務邏輯，非同步處理。改造後的架構如下：

 

按照以上約定，使用者的響應時間相當於是註冊資訊寫入資料庫的時間，也就是50毫秒。註冊郵件，傳送簡訊寫入訊息佇列後，直接返回，因此寫入訊息佇列的速度很快，基本可以忽略，因此使用者的響應時間可能是50毫秒。因此架構改變後，系統的吞吐量提高到每秒20 QPS。比序列提高了3倍，比並行提高了兩倍。

2.2應用解耦

場景說明：使用者下單後，訂單系統需要通知庫存系統。傳統的做法是，訂單系統呼叫庫存系統的介面。如下圖：（架構KKQ：466097527，歡迎加入）

 

傳統模式的缺點：

1）  假如庫存系統無法訪問，則訂單減庫存將失敗，從而導致訂單失敗；

2）  訂單系統與庫存系統耦合；

如何解決以上問題呢？引入應用訊息佇列後的方案，如下圖：

 

• 訂單系統：使用者下單後，訂單系統完成持久化處理，將訊息寫入訊息佇列，返回使用者訂單下單成功。
• 庫存系統：訂閱下單的訊息，採用拉/推的方式，獲取下單資訊，庫存系統根據下單資訊，進行庫存操作。
• 假如：在下單時庫存系統不能正常使用。也不影響正常下單，因為下單後，訂單系統寫入訊息佇列就不再關心其他的後續操作了。實現訂單系統與庫存系統的應用解耦。

2.3流量削鋒

流量削鋒也是訊息佇列中的常用場景，一般在秒殺或團搶活動中使用廣泛。

應用場景：秒殺活動，一般會因為流量過大，導致流量暴增，應用掛掉。為解決這個問題，一般需要在應用前端加入訊息佇列。

1. 可以控制活動的人數；
2. 可以緩解短時間內高流量壓垮應用；

 

1. 使用者的請求，伺服器接收後，首先寫入訊息佇列。假如訊息佇列長度超過最大數量，則直接拋棄使用者請求或跳轉到錯誤頁面；
2. 秒殺業務根據訊息佇列中的請求資訊，再做後續處理。

2.4日誌處理

日誌處理是指將訊息佇列用在日誌處理中，比如Kafka的應用，解決大量日誌傳輸的問題。架構簡化如下：（架構KKQ：466097527，歡迎加入）

 

• 日誌採集客戶端，負責日誌資料採集，定時寫受寫入Kafka佇列；
• Kafka訊息佇列，負責日誌資料的接收，儲存和轉發；
• 日誌處理應用：訂閱並消費kafka佇列中的日誌資料；

以下是新浪kafka日誌處理應用案例：

轉自（http://cloud.51cto.com/art/201507/484338.htm）

 

(1)Kafka：接收使用者日誌的訊息佇列。

(2)Logstash：做日誌解析，統一成JSON輸出給Elasticsearch。

(3)Elasticsearch：實時日誌分析服務的核心技術，一個schemaless，實時的資料儲存服務，通過index組織資料，兼具強大的搜尋和統計功能。

(4)Kibana：基於Elasticsearch的資料視覺化元件，超強的資料視覺化能力是眾多公司選擇ELK stack的重要原因。

2.5訊息通訊

訊息通訊是指，訊息佇列一般都內建了高效的通訊機制，因此也可以用在純的訊息通訊。比如實現點對點訊息佇列，或者聊天室等。

點對點通訊：

 

客戶端A和客戶端B使用同一佇列，進行訊息通訊。

聊天室通訊：

 

客戶端A，客戶端B，客戶端N訂閱同一主題，進行訊息釋出和接收。實現類似聊天室效果。

以上實際是訊息佇列的兩種訊息模式，點對點或釋出訂閱模式。模型為示意圖，供參考。

三、訊息中介軟體示例

3.1電商系統

 

訊息佇列採用高可用，可持久化的訊息中介軟體。比如Active MQ，Rabbit MQ，Rocket Mq。（1）應用將主幹邏輯處理完成後，寫入訊息佇列。訊息傳送是否成功可以開啟訊息的確認模式。（訊息佇列返回訊息接收成功狀態後，應用再返回，這樣保障訊息的完整性）

（2）擴充套件流程（發簡訊，配送處理）訂閱佇列訊息。採用推或拉的方式獲取訊息並處理。

（3）訊息將應用解耦的同時，帶來了資料一致性問題，可以採用最終一致性方式解決。比如主資料寫入資料庫，擴充套件應用根據訊息佇列，並結合資料庫方式實現基於訊息佇列的後續處理。

3.2日誌收集系統

 

分為Zookeeper註冊中心，日誌收集客戶端，Kafka叢集和Storm叢集（OtherApp）四部分組成。

• Zookeeper註冊中心，提出負載均衡和地址查詢服務；
• 日誌收集客戶端，用於採集應用系統的日誌，並將資料推送到kafka佇列；
• Kafka叢集：接收，路由，儲存，轉發等訊息處理；

Storm叢集：與OtherApp處於同一級別，採用拉的方式消費佇列中的資料；