消息隊列中間件是分布式系統中重要的組件，主要解決應用耦合，異步消息，流量削鋒等問題
實現高性能，高可用，可伸縮和最終一致性架構。
使用較多的消息隊列有 RocketMQ，RabbitMQ，Kafka，ZeroMQ，MetaMQ
以下介紹消息隊列在實際應用中常用的使用場景。
異步處理，應用解耦，流量削鋒、日志處理和消息通訊五個場景。
場景 1：異步處理
場景說明：用戶注冊后，需要發注冊郵件和注冊短信。傳統的做法有兩種 1.串行的方式；2.並行方式
（1）串行方式：將注冊信息寫入數據庫成功后，發送注冊郵件，再發送注冊短信。以上三個任務全部完成后，返回給客戶端
（2）並行方式：將注冊信息寫入數據庫成功后，發送注冊郵件的同時，發送注冊短信。以上三個任務完成后，返回給客戶端。與串行的差別是，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 毫秒鍾，不考慮網絡等其他開銷，則串行方式的時間是 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。則串行方式 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，傳統的方式系統的性能（並發量，吞吐量，響應時間）會有瓶頸。如何解決這個問題呢？
引入消息隊列，將不是必須的業務邏輯，異步處理。改造后的架構如下：
按照以上約定，用戶的響應時間相當於是注冊信息寫入數據庫的時間，也就是 50 毫秒。注冊郵件，發送短信寫入消息隊列后，直接返回，因此寫入消息隊列的速度很快，基本可以忽略，因此用戶的響應時間可能是 50 毫秒。因此架構改變后，系統的吞吐量提高到每秒 20 QPS。比串行提高了 3 倍，比並行提高了兩倍
場景 2：應用解耦
場景說明：用戶下單后，訂單系統需要通知庫存系統。傳統的做法是，訂單系統調用庫存系統的接口。如下圖
傳統模式的缺點：
- 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
- 訂單系統與庫存系統耦合
如何解決以上問題呢？引入應用消息隊列后的方案，如下圖：
- 訂單系統：用戶下單后，訂單系統完成持久化處理，將消息寫入消息隊列，返回用戶訂單下單成功
- 庫存系統：訂閱下單的消息，采用拉/推的方式，獲取下單信息，庫存系統根據下單信息，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，因為下單后，訂單系統寫入消息隊列就不再關心其他的后續操作了。實現訂單系統與庫存系統的應用解耦
場景 3：流量削鋒
流量削鋒也是消息隊列中的常用場景，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消息隊列。
- 可以控制活動的人數
- 可以緩解短時間內高流量壓垮應用
- 用戶的請求，服務器接收后，首先寫入消息隊列。假如消息隊列長度超過最大數量，則直接拋棄用戶請求或跳轉到錯誤頁面
- 秒殺業務根據消息隊列中的請求信息，再做后續處理
場景 4：日志處理
日志處理是指將消息隊列用在日志處理中，比如 Kafka 的應用，解決大量日志傳輸的問題。架構簡化如下
- 日志采集客戶端，負責日志數據采集，定時寫入 Kafka 隊列
- Kafka 消息隊列，負責日志數據的接收，存儲和轉發
- 日志處理應用：訂閱並消費 kafka 隊列中的日志數據
以下是新浪 kafka 日志處理應用案例
(1)、Kafka：接收用戶日志的消息隊列
(2)、Logstash：做日志解析，統一成 JSON 輸出給 Elasticsearch
(3)、Elasticsearch：實時日志分析服務的核心技術，一個 schemaless，實時的數據存儲服務，通過 index 組織數據，兼具強大的搜索和統計功能
(4)、Kibana：基於 Elasticsearch 的數據可視化組件，超強的數據可視化能力是眾多公司選擇 ELK stack 的重要原因
場景 5：消息通訊
消息通訊是指，消息隊列一般都內置了高效的通信機制，因此也可以用在純的消息通訊。比如實現點對點消息隊列，或者聊天室等
點對點通訊：
客戶端 A 和客戶端 B 使用同一隊列，進行消息通訊。
聊天室通訊：
客戶端 A，客戶端 B，客戶端 N 訂閱同一主題，進行消息發布和接收。實現類似聊天室效果。
以上實際是消息隊列的兩種消息模式，點對點或發布訂閱模式。模型為示意圖，供參考。
本文轉載自：https://www.cnblogs.com/ruiati/p/6649868.html