分布式框架之高性能：消息队列

Posted 2021-04-26 TPVLOG

本文首发于Ressmix个人站点：https://www.tpvlog.com

一、简介

消息队列大家应该不陌生，没接触过的可以先看下我写的分布式消息中间件系列(https://www.tpvlog.com/article/125)。目前常见的开源分布式消息队列主要有下面几种：

我们后续会针对RabbitMQ、RocketMQ、Kalfka这三种主流MQ作讲解，本章我们先来看下为什么要在我们的系统中引入分布式消息队列？

我们在自己的系统中引入消息队列，无非就是三个目的：解耦、异步、削峰。本文我们就通过三个示例来讲解下消息队列的这三项基本功能。

二、解耦

在分布式系统中，解耦的目的就是降低服务之间的直接依赖。我们来看下面这个系统。

2.1 解耦前

服务A是一个供数系统，会产生一些比较关键的数据，然后通过接口调用的方式把数据给服务B和服务C，最开始服务B和服务C所需的数据是相同的，所以一切都没什么问题：

一段时间后，服务C要求服务A做一些更改，原来送的数据有些地方需要做变更，所以服务A要重新调用一个服务C的专用接口：

又过了一段时间，来了服务D和服务E，也要求服务A针对它们需要的数据调用定制接口，同时服务B告诉服务A，以前那个通用接口不用了，因为服务B要下线了：

这种直连的方式导致服务A跟各种各种乱七八糟的服务紧耦合在一起，同时还要考虑超时问题、是不是要做重试机制，维护服务A的童鞋估计要崩溃。

2.2 解耦后

我们来看下如何通过消息中间件解耦：

上图中，在服务A和各个服务之间加入MQ，服务A产生的数据全量扔到MQ，并约定好格式，哪个服务需要数据就自己去MQ消费，然后自己处理。服务A也不用考虑什么接口调用超时、重试之类的问题了。

三、异步

消息队列的另一个重要功能就是异步化接口调用，我们考虑这样一种场景：用户通过浏览器发起一个请求，后台服务针对请求做处理，但事实上用户并不需要立刻得到该请求的响应，因为页面有其它地方可以让用户稍后查询请求的结果。这是一种典型的异步请求场景，我们现在看下同步的情况。

3.1 同步请求

下图中，服务A本地执行一些逻辑耗时20ms，然后依次同步调用服务B、服务C、服务D的接口，由于各个依赖服务本地执行的逻辑各不相同，在加上网络开销，一个请求的耗时接近1s。

一般来说，对于互联网应用，如果是涉及与用户直接交互的，基本都要在200ms内完成，所以显然这种同步调用方式在当前业务场景下是不可取的。

3.2 异步请求

我们再来看下如何通过消息中间件将请求异步化：

上图中，假设服务A发送3个消息耗时5ms，加上自身执行逻辑耗时20ms，那么25ms就可以将结果响应给用户。至于服务B、服务C、服务D，都是异步从消息队列中获取消息然后执行本地逻辑，从而大大减小了请求耗时，提升了用户体验。

四、削峰

消息队列最后一种常用的场景，就是在高峰时间进行削峰。

4.1 削峰前

一般的应用可能是下图这样的，在非高峰期时期，系统几乎没什么压力，但是一旦遇到高峰流量，请求都直接打到数据库，mysql一般扛个每秒2000请求差不多快到极限了，再高就可能崩溃：

4.2 削峰

峰值流量持续的时间不会很久，一般最多1小时就差不多了，我们完全可以利用MQ存储高峰期的请求，然后系统A依然以自身最大能力去消费MQ（假设每秒消费2000个请求），这样即使在高峰期，系统也不会挂掉：

因为非峰值时期的流量一般是很低的，所以对于积压的消息，会在高峰期过后被慢慢消费掉。举个例子，假设每秒MQ积压3000条消息，那么1小时积压1080万条消息，这1080万条消息基本上1个半小时就可以被系统A处理完。

五、总结

引入分布式消息队列后，会给系统带来很多好处，最主要的就是性能方面，但同时也会使系统的复杂性变高。一方面，MQ自身需要做到高可用，另一方面，多个系统通过MQ进行交互，如何保证数据一致性？（比如3.2中的系统A处理完后直接返回成功，系统B、C、D中的BC写库成功，但是D失败了，这时候数据就不一致了）