业界比较出名的消息队列有ActiveMQ、RabbitMQ、ZeroMQ、Kafka、MetaMQ、RocketMQ。而引入消息队列，则可以解决这个问题，实现能力复用，业务解耦。比如天猫双十一秒杀日，特别是0点的时候，流量起码是平常的千倍以上，如果不做好处理，一波就能彻底将服务打死。削峰针对是单个请求ok，但是流量突发的场景。所以优先选Kafka和RocketMQ这种更高吞吐的。只有熟悉每个消息队列的优劣，才能好中取优，选出适合的方案。
提到消息队列，大家一定不陌生，无论是在校、面试还是工作，我们涉及得都很多。
有需求就有供应，市面上消息队列当然非常多，算得上主流的也有5、6个，而大家可能由于对某一种队列比较熟悉，就一直用它，大概就是亚瑟打野、亚瑟上路、亚瑟中路、亚瑟辅助。
但你有思考过吗引入的队列是否是最合适的吗？
它与其它队列相比有什么优势吗？
可以说，选型是开发工作中最重要，也是最体现能力的一环。今天牛牛就来给大家介绍下消息队列如何抉择。
消息队列是什么？
消息队列，顾名思义就是传递消息的队列，有着先入先出的特性，既然是队列，自然遵循先入先出的原则，同时，消息队列具备可靠性、高性能等特点。
消息队列是大型分布式系统不可缺少的中间件，一般用于异步流程、消息分发、流量削锋等问题，可以通过消息队列实现高性能、高可用、高扩展的架构。
业界比较出名的消息队列有ActiveMQ、RabbitMQ、ZeroMQ、Kafka、MetaMQ、RocketMQ。
那大家就会问了，这么多消息队列，我选谁好呢？
别急，我们先来深入理一理消息队列的应用场景，以及每个队列的特色，知道这些信息，才好做出决策。
消息队列的应用场景
- 异步
如果一个接口，处理时间很长，而且不能通过水平扩容来解决，就需要异步，那么，什么情况下不能通过水平扩容解决呢？
有很多，比如视频处理，涉及到视频下载，那受限于网络带宽等因素，扩容无用；比如区块链这种共识场景，只有单机才能出块，扩容也没有用；还有更常见的，比如一个业务流程，过了10多个微服务，单个也许不长，加起来就很难接受。
以上的情况下，用户很难通过同步接口长时间等待结果，那就应该做成异步，先扔进消息队列，后续再进行消费，响应时间可以从10s，降低到10ms。
2.消息分发
假设一个核心服务A，是用来发布某种信号的，发布之后，需要通知到下游服务B、C，这种模式在只有B、C两兄弟的时候，没啥问题。
但随着业务需要，可能会有D、E、F等更多的打工人出现，这时候A服务就需要更改代码，将消息也传递给这些新加入的兄弟，每次增加打工人，就需要更改一次代码。
而引入消息队列，则可以解决这个问题，实现能力复用，业务解耦。
3.削峰
业务有个概念叫峰值流量，也就说流量在一段时间远大于平时，从视图上看就像一个山峰。比如天猫双十一秒杀日，特别是0点的时候，流量起码是平常的千倍以上，如果不做好处理，一波就能彻底将服务打死。
如果常备1000倍流量的设备，那是极大的成本浪费，如果临时调配，进行服务扩容，很多时候又不如想象得简单。
之前有和Shopee的同学聊过，一到活动日他们就得紧锣密鼓去做扩容，扩容之后还得熬更守夜地做压测，不光劳命伤财、还容易出事故。
消息队列可以优雅地解决这个问题，将双十一的请求扔入消息队列，等待后续服务慢慢处理，如下图所示。
其实在架构上，削峰和上面的异步场景是相同的架构，都是将请求扔入队列中，再慢慢消费。
但要注意异步场景是单个请求，本身处理时间很长。削峰针对是单个请求ok，但是流量突发的场景。
消息队列能力对比
上面有提到几个知名的消息队列，其中ZeroMQ太过轻量，主要用于学习，实际是不会应用到生产，我们就Kafka、ActiveMQ、RabbitMQ、RocketMQ来进行不同维度对比。
特性 | ActiveMQ | RabbitMQ | RocketMQ | Kafka |
单机吞吐量 | 万级 | 万级 | 10 万级 | 10 万级 |
时效性 | 毫秒级 | 微秒级 | 毫秒级 | 毫秒级 |
可用性 | 高（主从） | 高（主从） | 非常高（分布式） | 非常高（分布式） |
消息重复 | 至少一次 | 至少一次 | 至少一次 最多一次 | 至少一次 最多一次 |
消息顺序性 | 有序 | 有序 | 有序 | 分区有序 |
支持主题数 | 千级 | 百万级 | 千级 | 百级，多了性能严重下滑 |
消息回溯 | 不支持 | 不支持 | 支持（按时间回溯） | 支持（按offset回溯） |
管理界面 | 普通 | 普通 | 完善 | 普通 |
消息队列选型
选型的时候，我们需要根据业务场景，结合上述特性来进行选型。
比如你要支持天猫双十一类超大型的秒杀活动，这种一锤子买卖，那管理界面、消息回溯啥的不重要。
我们需要看什么？看吞吐量！
所以优先选Kafka和RocketMQ这种更高吞吐的。
比如做一个公司的中台，对外提供能力，那可能会有很多主题接入，这时候主题个数又是很重要的考量，像Kafka这样百级的，就不太符合要求，可以根据情况考虑千级的RocketMQ，甚至百万级的RabbitMQ。
又比如是一个金融类业务，那么重点考虑的就是稳定性、安全性，分布式部署的Kafka和Rocket就更有优势。
特别说一下时效性，RabbitMQ以微秒的时效作为招牌，但实际上毫秒和微秒，在绝大多数情况下，都没有感知的区别，加上网络带来的波动，这一点在生产过程中，反而不会作为重要的考量。
其它的特性，如消息确认、消息回溯，也经常作为考量的场景，管理界面的话试公司而定了，反正牛牛呆过的地方，都不看重这个，毕竟都有自己的运维体系。
最后
本次，牛牛给大家分享了消息队列是什么、解决什么问题、每种队列的特性，以及怎么结合场景和特性做分析。
面试时可以针对每个场景的不同因地制宜选取队列，这样不仅可以展现知识的全面性还可以体现出自己分析问题的能力。
而在实际的工作中，我们需要考虑的则更多，比如团队的技术栈、经济成本等情况进行综合分析。只有熟悉每个消息队列的优劣，才能好中取优，选出适合的方案。
