当前位置：首页 > news >正文

MQ消息队列的深入研究

news 来源：原创 2025/5/15 6:44:55

1、Apache Kafka

1.1、 kafka架构设

1.2、最大特点

1.3、功能介绍

1.4、Broker数据共享

1.5、数据一致性

2、RabbitMQ

2.1、架构图

2.2、最大特点

2.3、工作原理

2.4、功能介绍

3、RocketMQ

3.1、架构设计

3.2、工作原理

3.3、最大特点

3.4、功能介绍

3.5、数据一致性

1、主从复制机制

2、事务消息

3、消息确认机制

4、消息重试机制

5、数据冗余和故障转移

6、幂等性设计

4、ActiveMQ

4.1、架构图

4.2、工作原理

4.3、最大特点

4.4、功能介绍

5、MQ特点

前言

消息队列（Message Queue，简称 MQ）是一种用于在分布式系统中实现异步通信的技术。它提供了一个可靠的机制，可以在应用程序或服务之间传递消息，以提高系统的解耦性、可扩展性和容错能力。

如下图所示：

Apache Kafka、RabbitMQ、RocketMQ 和 ActiveMQ 是流行的消息队列解决方案，它们在架构设计、性能、特性和适用场景上各有不同。

如下图所示：

如上图可知：

Kafka 适合高吞吐量和流式数据处理，RabbitMQ 适合需要复杂路由和灵活性场景，RocketMQ 适用于高并发的应用场景，而 ActiveMQ 则适合企业级 Java 应用集成。

1、Apache Kafka

1.1、 kafka架构设计

kafka的架构设计如下图所示：

Kafka 的架构主要由以下几个组件组成：

1.Broker：

每个 Kafka 服务器实例称为 Broker。Kafka 集群中可以有多个 Broker。每个 Broker 负责存储一部分主题的分区数据。

2.主题（Topic）：

Kafka 使用主题来组织消息。生产者可以将消息发送到特定的主题，而消费者可以从主题中消费消息。

3.分区（Partition）：

每个主题可以划分为多个分区。分区是 Kafka 中实现并行处理的基本单位。不同的分区可以被分布在不同的 Broker 上以提高性能和可靠性。

4.消费者（Consumer）：

消费者是从 Kafka 主题中读取消息的应用程序。多个消费者可以组成一个消费者组，共享一个主题的数据。

消息读取：

消费者可以通过订阅主题来接收消息。消费者可以设置其消费者组，这样同一组内的多个消费者可以共享处理主题的负载。

消费位移：

每个消费者在 Kafka 中维护自己的消费位移（offset），用于记录它已经消费到的位置。Kafka 允许消费者能够记录和管理自己的消费进度。

组管理：

在消费者组内，Kafka 会将各个分区的消息分配给不同的消费者。确保每个分区只能被组内一个消费者处理，避免重复消费。

5.生产者（Producer）：

生产者是向 Kafka 主题发送消息的应用程序。生产者可以选择把消息发送到特定的分区。

消息发送：

当生产者发送消息时，首先计算消息的哈希值，以决定将消息发送到哪个分区。默认情况下，Kafka 使用轮询策略和关键字哈希来分配消息。

异步发送：

生产者可以选择异步发送消息，这样可以提升发送效率。Kafka 会在后台处理消息的生产，在网络性能允许的情况下，可以并行发送。

确认机制：

生产者可以配置确认等级（acks），如：
acks=0：不要求确认，速度最快。
acks=1：主 Broker 确认（数据成功写入到领导者）。
acks=all（或 acks=-1）：所有副本都成功确认，最高的可靠性。

6.Zookeeper：

Zookeeper 是 Kafka 的协调服务，用于管理分布式系统中的元数据，包括 Broker 的实例、主题、分区的状态等。

1.2、最大特点

高吞吐量：

Kafka 设计用于处理大量的事件流，支持高并发的消息生产和消费。其底层使用高效的磁盘 I/O 和数据压缩机制，保证了在大数据场景中的高效性。

1.3、功能介绍

1.分布式日志系统：

Kafka 可以被视作一个分布式的发布-订阅消息系统，广泛用于实时数据流处理。它通过持久化日志记录实现高效的消息存储。

2.架构设计：

它采用分区和复制机制，能够在多个服务器上并行处理，确保数据的可靠性和可用性。每个主题可以被划分为多个分区，并且每个分区在一个或多个 broker 上有副本。

关于更多broker的介绍如下图所示：

Kafka 集群由多个 Broker 组成，每个 Broker 存储一部分数据。集群中的所有 Broker 之间共享数据，实现了高可用性和负载均衡。生产者将消息发送给指定的主题，Broker 会将消息路由到正确的分区，同时分配给消费者。

3.消息顺序保证：

对于同一个分区（会有顺序），Kafka 保证消息的严格顺序，这对某些应用是很重要的，比如金融交易。

4.流处理：

Kafka Streams API 提供了流处理能力，使得用户可以轻松地在流数据上进行复杂的操作。

5.数据持久性

所有消息都持久地存储在磁盘上，并以分区的方式组织。

1.4、Broker数据共享

如下图所示：

假设我们有一个 Kafka Topic 叫 my-topic，其中有 3 个分区（P0, P1, P2），且在 3 个不同的 Broker 上有如下分布：

Broker 1（Leader for P0）：
- P0 的领导者，保存消息，并异步通知其副本。
Broker 2（Leader for P1）：
- P1 的领导者，并保存数据。
Broker 3（Leader for P2）：
- P2 的领导者，处理数据流。

每当有生产者向 my-topic 发送消息，当前的领导者（如 Broker 1）会接收到这条数据。

Broker 之间的数据共享主要是通过副本机制实现的。虽然每个 Broker 存储了自己的一部分数据，Broker 之间的存储是逻辑上分割的，通过一致的复制机制确保了各个 Broker 能够访问和保持数据的一致性。

下面详细解释这一机制。

1、领导者与追随者：

每个分区在 Kafka 中都有一个领导者（Leader）和多个追随者（Follower）。所有对该分区的读写请求都由领导者处理。

例如，假设有 my-topic 的分区 P0，服务于 P0 的 Broker 1 是领导者，而 Broker 2 和 Broker 3 是 P0 的追随者。

2、消息发送：

当一个生产者向主题发送消息时，这条消息首先发送到领导者 Broker（在这个例子中是 Broker 1）。

Broker 1 接收到消息后，会将该消息保存到其本地的日志中。

3、异步复制：

接收消息后，Broker 1 会异步地将该消息复制给它的追随者（Broker 2 和 Broker 3）。

追随者 Broker 在后台会定期向领导者发出请求以获取新消息。这种方式允许追随者在任何时间内保持最新的数据，通常会使用一些内部机制，比如发送“心跳”或使用“元数据”的结构，来确保它们知道领导者的状态。

4、确认机制：

追随者接收到消息后，会将其写入到本地存储。在大多数配置中，领导者会等待读取到指定数量的确认消息（例如，从追随者确认接收的数量），然后才会将这次写操作视为成功。这可以通过设置 acks 参数进行配置。

例如，设置 acks=all 可以确保所有的追随者都成功确认了消息之后，领导者才会认为消息被成功处理。

1.5、数据一致性

1、如果领导者失败：

如果 Broker 1（领导者）发生故障，Zookeeper 会感知到这一点，并进行领导者选举，选择其他的 Broker（如 Broker 2 或 Broker 3）作为新领导者。新领导者将能够继续处理请求，确保系统的高可用性。

2、数据的可用性：

通过这种设计，Kafka 确保了每个分区的数据一致性和可用性。即使某个 Broker 失败，只要其他 Broker 中有足够的副本可用，就可以恢复服务。

示例：

下面是一个简单的 Apache Kafka 代码示例，包括生产者和消费者的实现，展示如何使用 Kafka 在 Java 中发送和接收消息。

场景：简单聊天应用

在这个简单的聊天应用中：

生产者：用户输入的消息。
消费者：接收并显示来自其他用户的消息。

1. Maven 依赖

首先，确保在 pom.xml 文件中包含 Kafka 的依赖：

<dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-clients</artifactId><version>3.5.1</version> <!-- 使用合适的版本 -->
</dependency>

2. Kafka 生产者示例

以下是生产者的代码示例，模拟用户发送消息到 Kafka 主题（聊天通道）：

import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerRecord;import java.util.Properties;
import java.util.Scanner;public class ChatProducer {public static void main(String[] args) {Properties props = new Properties();props.put("bootstrap.servers", "localhost:9092"); // Kafka broker 地址props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");// 创建 Kafka 生产者KafkaProducer<String, String> producer = new KafkaProducer<>(props);Scanner scanner = new Scanner(System.in);System.out.println("请输入消息（输入 'exit' 退出）：");// 发送消息while (true) {String message = scanner.nextLine();if ("exit".equalsIgnoreCase(message)) {break; // 退出}ProducerRecord<String, String> record = new ProducerRecord<>("chat-topic", message); // 发送到 "chat-topic"producer.send(record);System.out.println("发送消息: " + message);}// 关闭生产者producer.close();scanner.close();}
}

3. Kafka 消费者示例

以下是消费者的代码示例，模拟用户接收来自其他用户的消息：

import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.KafkaConsumer;import java.time.Duration;
import java.util.Arrays;
import java.util.Properties;public class ChatConsumer {public static void main(String[] args) {Properties props = new Properties();props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092"); // Kafka broker 地址props.put(ConsumerConfig.GROUP_ID_CONFIG, "chat-group"); // 消费者组IDprops.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer");// 创建 Kafka 消费者KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);// 订阅主题consumer.subscribe(Arrays.asList("chat-topic"));System.out.println("开始接收消息...");// 持续拉取消息while (true) {for (ConsumerRecord<String, String> record : consumer.poll(Duration.ofMillis(100))) {System.out.printf("收到消息: %s%n", record.value());}}}
}

4. 运行与测试

启动 Kafka Broker：确保 Kafka 正在运行，并监听 localhost:9092。
创建主题：运行以下命令创建 chat-topic 主题（如果尚未创建的话）：
运行消费者：首先启动 ChatConsumer 代码来监听消息。
运行生产者：随意运行 ChatProducer 代码，开始测试输入和发送消息。输入 "exit" 将退出发送过程。

创建主题：

kafka-topics.sh --create --topic chat-topic --bootstrap-server localhost:9092 --partitions 1 --replication-factor 1

使用 Kafka 实现了一种基本的消息传递机制，允许用户输入消息并将其发送到 Kafka 主题同时从中接收消息。通过这种方式，我们可以观察到 Kafka 在处理实时消息传递中的功能。

使用场景

Kafka 适合用于实时分析、日志聚合、数据流处理、大数据和异步事件驱动的架构中。

2、RabbitMQ

RabbitMQ 是一个开源的消息代理软件，广泛用于构建企业级消息传递系统。它实现了高级消息队列协议（AMQP），提供了丰富的功能和灵活性，以满足不同的消息传递需求。

2.1、架构图

如下所示：

核心组件

1.Producer（生产者）：

生成并发送消息到 RabbitMQ 的组件。生产者发布消息到交换机，而不是直接发到队列。

2.Exchange（交换机）：

负责接收生产者发送的消息，并根据一定的路由规则将消息路由到一个或多个队列中。交换机类型决定了消息路由策略（如 Direct、Fanout、Topic、Headers）。

3.Queue（队列）：

消息在 RabbitMQ 中存储的地方。消息被路由到一个或多个队列后，消费者可以从队列中获取消息进行处理。

4.Consumer（消费者）：

从队列中接收并处理消息的组件。消费者可以对消息进行确认（ack），表明消息已被处理。

5.Bindings（绑定）：

定义交换机和队列之间的关系，通过绑定键来定义消息的路由规则。

6.Virtual Hosts（虚拟主机）：

提供逻辑隔离，使得多个应用可以安全地使用相同的 RabbitMQ 实例。

2.2、最大特点

灵活的消息路由：

RabbitMQ 基于 AMQP（Advanced Message Queuing Protocol）协议，支持多种消息传递模式，如直连、主题、发布-订阅等，具有强大的消息路由能力。

如下所示：

2.3、工作原理

工作原理如下所示：

1.消息发布：
生产者将消息发送到指定的交换机，提供一个路由键以指出如何路由消息。

2.消息路由：
交换机根据绑定键，将消息分发到一个或多个与其绑定的队列中。如果没有找到匹配的队列，消息可能被丢弃。

3.消息消费：
消费者从队列中拉取消息进行处理。消费者可以通过自动或手动消息确认机制来确保消息已成功处理。

4.消息确认和重发：
当消费者确认接收到消息后，RabbitMQ 从队列中删除消息。未确认的消息可以重发给其他消费者。

2.4、功能介绍

1、消息模型：

RabbitMQ 的消息传递机制支持复杂的路由逻辑。用户可以根据需要定义交换机（Exchange）和队列（Queue），然后制定路由规则，实现灵活的消息传递。

2、协议丰富：

除了 AMQP，RabbitMQ 还支持多种协议（如 STOMP、MQTT 和 HTTP），使其能够与多种客户端集成。

3、持久性与确认机制：

RabbitMQ 可以对消息进行持久化，确保消息不会因崩溃丢失。还提供了确认机制，使得生产者可以确保消息被消费者处理。

4、可扩展性：

RabbitMQ 支持集群配置，可以实现更高的吞吐量和弹性扩展。支持消息分区（通过 Virtual Hosts 和 Queue 分拆）以实现更高的隔离性和安全性。

5、管理界面：

提供了 Web 界面，方便用户查看消息队列的状态、队列的监控和管理。

使用场景

RabbitMQ 适用于需要复杂路由或任务队列功能的应用程序，如实时数据处理、工作流、异步处理和消息传递。

3、RocketMQ

3.1、架构设计

如下图所示：

RocketMQ的架构主要由以下几个核心组件构成：

1.Producer（生产者）：

消息的创建者，负责将消息发送到Broker。生产消息，将消息推送到指定的Topic中。

2.Consumer（消费者）：

分为两种模式：Push和Pull，分别主动获取和被动接收所需Topic的消息，负责从Broker处拉取消息并进行处理。

3.Broker：

消息的存储和转发者，负责接收、存储、发送和转发消息。Broker是RocketMQ系统的核心部分，可以设置为集群，以提高可用性和性能。并与Name Server保持同步以更新路由信息。

4.Name Server：

生产者和消费者通过Name Server获取Broker的地址。通常为无状态的，支持水平扩展，以提供可靠的路由信息服务。

5.Topic：

消息的逻辑分类，用作消息的路由和隔离。

3.2、工作原理

消息发送：生产者通过Name Server获取Broker的地址，并将消息发送到指定Topic的Broker。
消息存储：Broker接收到消息后，会将其存储到磁盘，并提供给Consumer拉取。
消息拉取：消费者通过Name Server获取到Broker的地址后，从Broker拉取指定Topic的消息。
消息消费：消费者在拉取到消息后根据业务逻辑进行处理。

3.3、最大特点

高可用与高并发：
RocketMQ 设计用于支持高并发场景，能够提供高可用性和可靠的消息传递。

3.4、功能介绍

1.顺序消息支持：

RocketMQ 提供了严格的顺序消息处理能力，无论是在分发消息还是消费消息，都能够保证相同分组的消息按顺序处理。

如下图所示：

顺序消息原理

1.消息队列：

在RocketMQ中，一个Topic会分为多个消息队列（Queue）。消息的顺序是通过队列保证的。生产者在发送消息时，根据某种规则（如消息的key）将属于同一组的消息发送到同一个队列中。

2.单线程消费：

消费者从某个队列中按顺序拉取消息。为了保证顺序，该队列的消息通常会由消费者的同一线程处理。

3.消息发送策略：

生产者可以通过选择某种消息发送策略，将需要严格顺序处理的消息发送到同一个Queue，这通常通过消息中的业务key进行hash计算，然后选择一个具体的Queue。

4.故障恢复：

如果队列中的消息因为消费失败而需要重试，RocketMQ支持将消费失败的消息重新放回到队列的头部，从而保持顺序性。

2.水平扩展：

RocketMQ 采用分布式架构，允许通过增加更多的 broker 来扩展系统的吞吐能力。

3.多种协议支持：

支持广泛的协议，包括 JMS、HTTP、TCP 等，使得它更容易与其他系统集成。

4.监控和管理工具：

RocketMQ 提供了 Web 管理界面和监控工具，便于用户监测消息的状态和消费情况。

3.5、数据一致性

数据同步主要涉及到消息的复制和一致性问题，通常是通过主从复制（Master-Slave Replication）机制来实现。这种机制确保消息在不同 Broker 之间的一致性和可靠性。这是一种常见的实现可靠性和数据冗余的方式。以下是如何在 RocketMQ 中实现数据同步的细节：

1、主从复制机制

如下图所示：

1、Master-Slave 架构：

RocketMQ 支持 Broker 的主从架构，每个主 Broker（Master）可以有一个或多个从 Broker（Slave）。消息首先写入主 Broker，然后异步或同步地复制到从 Broker。

1.同步过程分为以下两种：

同步复制（Synchronous Replication）：

在主 Broker 上写入消息的同时，消息会被复制到从 Broker。只有当从 Broker 确认收到消息后，主 Broker 才认为写入成功。这种方式提供了更高的可靠性，但可能会影响性能。

异步复制（Asynchronous Replication）：

主 Broker 在写入消息后立即返回成功，而不等待从 Broker 的确认。这种方式性能较好，但在主 Broker 故障时可能导致数据丢失。

2、事务消息

RocketMQ 支持事务消息，通过两阶段提交机制确保消息在生产者和消费者之间的一致性。

两阶段提交包括：预发送（半消息）和提交/回滚。生产者先发送半消息，执行本地事务后根据结果提交或回滚。这种机制确保消费者不会提前接收到未提交的消息，从而保证消息的一致性。

3、消息确认机制

RocketMQ 使用消费确认机制来保证消息一致性。消费者在处理消息后，发送确认（ACK）来告知 Broker 消息已被成功处理。如果消费者未能及时确认，消息可以重新投递，确保消息不丢失。

4、消息重试机制

消费者在处理消息失败时，RocketMQ提供重试机制，可以在配置中设定重试次数和重试间隔。通过自动重试，确保消息最终被成功处理或根据策略进行其他处理。

5、数据冗余和故障转移

如果主 Broker 出现故障，从 Broker 可以快速接管，提高系统的可用性。从 Broker 提供了数据冗余，可以在主 Broker 故障时继续提供消息服务。

6、幂等性设计

在消费端，设计幂等性可以确保即使消息被重复消费，也不会导致数据处理的错误或异常。幂等性通常通过请求唯一标识或去重复机制实现。

示例：Java 消费端幂等性实现

假设我们有一个订单处理系统，收到消息后需要更新订单状态。我们可以通过记录已处理的消息 ID 来实现幂等性。

步骤

使用唯一标识：每条消息应该有一个唯一标识符（如 messageId）来区分是否已被处理。
存储已处理的消息 ID：可以使用数据库或内存存储来记录已处理的消息 ID。
检查重复处理：在处理消息之前，首先检查消息 ID 是否已经存在于记录中，如果存在则不再处理。

示例代码

下面是一个简单的 Java 代码示例，使用一个 Set 来存储已经处理的消息 ID。

import java.util.HashSet;
import java.util.Set;public class OrderConsumer {// 模拟用来存储已处理的消息ID，可以替换为数据库或分布式缓存private static final Set<String> processedMessageIds = new HashSet<>();public static void main(String[] args) {// 示例消息Message message = new Message("12345", "Order123", "NewStatus");processMessage(message);}public static void processMessage(Message message) {// 检查消息ID是否已被处理if (isMessageProcessed(message.getId())) {System.out.println("Message ID " + message.getId() + " already processed.");return;}// 执行业务逻辑，例如更新订单状态updateOrderStatus(message.getOrderId(), message.getStatus());// 将消息ID标记为已处理markMessageAsProcessed(message.getId());}private static boolean isMessageProcessed(String messageId) {return processedMessageIds.contains(messageId);}private static void markMessageAsProcessed(String messageId) {processedMessageIds.add(messageId);}private static void updateOrderStatus(String orderId, String status) {// 执行更新操作（示例为输出）System.out.println("Updating order " + orderId + " to status " + status);}// 简单的消息类private static class Message {private final String id;private final String orderId;private final String status;public Message(String id, String orderId, String status) {this.id = id;this.orderId = orderId;this.status = status;}public String getId() {return id;}public String getOrderId() {return orderId;}public String getStatus() {return status;}}
}