本文主要講解 MQ 的通用知識，讓大家先弄明白：如果讓你來設(shè)計一個 MQ，該如何下手？需要考慮哪些問題？又有哪些技術(shù)挑戰(zhàn)？

有了這個基礎(chǔ)后，我相信后面幾篇文章再講 Kafka 和 RocketMQ 這兩種具體的消息中間件時，大家能很快地抓住主脈絡(luò)，同時分辨出它們各自的特點。

對于 MQ 來說，不管是 RocketMQ、Kafka 還是其他消息隊列，它們的本質(zhì)都是：一發(fā)一存一消費。下面我們以這個本質(zhì)作為根，一起由淺入深地聊聊 MQ。

01 從 MQ 的本質(zhì)說起 將 MQ 掰開了揉碎了來看，都是「一發(fā)一存一消費」，再直白點就是一個「轉(zhuǎn)發(fā)器」。

生產(chǎn)者先將消息投遞一個叫做「隊列」的容器中，然后再從這個容器中取出消息，最后再轉(zhuǎn)發(fā)給消費者，僅此而已。

上面這個圖便是消息隊列最原始的模型，它包含了兩個關(guān)鍵詞：消息和隊列。

1、消息：就是要傳輸?shù)臄?shù)據(jù)，可以是最簡單的文本字符串，也可以是自定義的復(fù)雜格式（只要能按預(yù)定格式解析出來即可）。

2、隊列：大家應(yīng)該再熟悉不過了，是一種先進先出數(shù)據(jù)結(jié)構(gòu)。它是存放消息的容器，消息從隊尾入隊，從隊頭出隊，入隊即發(fā)消息的過程，出隊即收消息的過程。

02 原始模型的進化 再看今天我們最常用的消息隊列產(chǎn)品（RocketMQ、Kafka 等等），你會發(fā)現(xiàn)：它們都在最原始的消息模型上做了擴展，同時提出了一些新名詞，比如：主題（topic）、分區(qū)（partition）、隊列（queue）等等。

要徹底理解這些五花八門的新概念，我們化繁為簡，先從消息模型的演進說起（道理好比：架構(gòu)從來不是設(shè)計出來的，而是演進而來的）

2.1 隊列模型最初的消息隊列就是上一節(jié)講的原始模型，它是一個嚴格意義上的隊列（Queue）。消息按照什么順序?qū)戇M去，就按照什么順序讀出來。不過，隊列沒有 “讀” 這個操作，讀就是出隊，從隊頭中 “刪除” 這個消息

這便是隊列模型：它允許多個生產(chǎn)者往同一個隊列發(fā)送消息。但是，如果有多個消費者，實際上是競爭的關(guān)系，也就是一條消息只能被其中一個消費者接收到，讀完即被刪除。

2.2 發(fā)布-訂閱模型如果需要將一份消息數(shù)據(jù)分發(fā)給多個消費者，并且每個消費者都要求收到全量的消息。很顯然，隊列模型無法滿足這個需求。

一個可行的方案是：為每個消費者創(chuàng)建一個單獨的隊列，讓生產(chǎn)者發(fā)送多份。這種做法比較笨，而且同一份數(shù)據(jù)會被復(fù)制多份，也很浪費空間。

為了解決這個問題，就演化出了另外一種消息模型：發(fā)布-訂閱模型。

在發(fā)布-訂閱模型中，存放消息的容器變成了 “主題”，訂閱者在接收消息之前需要先 “訂閱主題”。最終，每個訂閱者都可以收到同一個主題的全量消息。

仔細對比下它和 “隊列模式” 的異同：生產(chǎn)者就是發(fā)布者，隊列就是主題，消費者就是訂閱者，無本質(zhì)區(qū)別。唯一的不同點在于：一份消息數(shù)據(jù)是否可以被多次消費。

2.3 小結(jié)最后做個小結(jié)，上面兩種模型說白了就是：單播和廣播的區(qū)別。而且，當(dāng)發(fā)布-訂閱模型中只有 1 個訂閱者時，它和隊列模型就一樣了，因此在功能上是完全兼容隊列模型的。

這也解釋了為什么現(xiàn)代主流的 RocketMQ、Kafka 都是直接基于發(fā)布-訂閱模型實現(xiàn)的？此外，RabbitMQ 中之所以有一個 Exchange 模塊？其實也是為了解決消息的投遞問題，可以變相實現(xiàn)發(fā)布-訂閱模型。

包括大家接觸到的 “消費組”、“集群消費”、“廣播消費” 這些概念，都和上面這兩種模型相關(guān)，以及在應(yīng)用層面大家最常見的情形：組間廣播、組內(nèi)單播，也屬于此范疇。

所以，先掌握一些共性的理論，對于大家再去學(xué)習(xí)各個消息中間件的具體實現(xiàn)原理時，其實能更好地抓住本質(zhì)，分清概念。

03 透過模型看 MQ 的應(yīng)用場景 目前，MQ 的應(yīng)用場景非常多，大家能倒背如流的是：系統(tǒng)解耦、異步通信和流量削峰。除此之外，還有延遲通知、最終一致性保證、順序消息、流式處理等等。

那到底是先有消息模型，還是先有應(yīng)用場景呢？答案肯定是：先有應(yīng)用場景（也就是先有問題），再有消息模型，因為消息模型只是解決方案的抽象而已。

MQ 經(jīng)過 30 多年的發(fā)展，能從最原始的隊列模型發(fā)展到今天百花齊放的各種消息中間件（平臺級的解決方案），我覺得萬變不離其宗，還是得益于：消息模型的適配性很廣。

我們試著重新理解下消息隊列的模型。它其實解決的是：生產(chǎn)者和消費者的通信問題。那它對比 RPC 有什么聯(lián)系和區(qū)別呢？

通過對比，能很明顯地看出兩點差異：

1、引入 MQ 后，由之前的一次 RPC 變成了現(xiàn)在的兩次 RPC，而且生產(chǎn)者只跟隊列耦合，它根本無需知道消費者的存在。

2、多了一個中間節(jié)點「隊列」進行消息轉(zhuǎn)儲，相當(dāng)于將同步變成了異步。

再返過來思考 MQ 的所有應(yīng)用場景，就不難理解 MQ 為什么適用了？因為這些應(yīng)用場景無外乎都利用了上面兩個特性。

舉一個實際例子，比如說電商業(yè)務(wù)中最常見的「訂單支付」場景：在訂單支付成功后，需要更新訂單狀態(tài)、更新用戶積分、通知商家有新訂單、更新推薦系統(tǒng)中的用戶畫像等等。

引入 MQ 后，訂單支付現(xiàn)在只需要關(guān)注它最重要的流程：更新訂單狀態(tài)即可。其他不重要的事情全部交給 MQ 來通知。這便是 MQ 解決的最核心的問題：系統(tǒng)解耦。

改造前訂單系統(tǒng)依賴 3 個外部系統(tǒng)，改造后僅僅依賴 MQ，而且后續(xù)業(yè)務(wù)再擴展（比如：營銷系統(tǒng)打算針對支付用戶獎勵優(yōu)惠券），也不涉及訂單系統(tǒng)的修改，從而保證了核心流程的穩(wěn)定性，降低了維護成本。

這個改造還帶來了另外一個好處：因為 MQ 的引入，更新用戶積分、通知商家、更新用戶畫像這些步驟全部變成了異步執(zhí)行，能減少訂單支付的整體耗時，提升訂單系統(tǒng)的吞吐量。這便是 MQ 的另一個典型應(yīng)用場景：異步通信。

除此以外，由于隊列能轉(zhuǎn)儲消息，對于超出系統(tǒng)承載能力的場景，可以用 MQ 作為 “漏斗” 進行限流保護，即所謂的流量削峰。

我們還可以利用隊列本身的順序性，來滿足消息必須按順序投遞的場景；利用隊列 + 定時任務(wù)來實現(xiàn)消息的延時消費 ……

MQ 其他的應(yīng)用場景基本類似，都能回歸到消息模型的特性上，找到它適用的原因，這里就不一一分析了。

總之，就是建議大家多從復(fù)雜多變的實踐場景再回歸到理論層面進行思考和抽象，這樣能吃得更透。

04 如何設(shè)計一個 MQ？ 了解了上面這些理論知識以及應(yīng)用場景后，下面我們再一起看下：到底如何設(shè)計一個 MQ？

4.1 MQ 的雛形我們還是先從簡單版的 MQ 入手，如果只是實現(xiàn)一個很粗糙的 MQ，完全不考慮生產(chǎn)環(huán)境的要求，該如何設(shè)計呢？

文章開頭說過，任何 MQ 無外乎：一發(fā)一存一消費，這是 MQ 最核心的功能需求。另外，從技術(shù)維度來看 MQ 的通信模型，可以理解成：兩次 RPC + 消息轉(zhuǎn)儲。

有了這些理解，我相信只要有一定的編程基礎(chǔ)，不用 1 個小時就能寫出一個 MQ 雛形：

1、直接利用成熟的 RPC 框架（Dubbo 或者 Thrift），實現(xiàn)兩個接口：發(fā)消息和讀消息。

2、消息放在本地內(nèi)存中即可，數(shù)據(jù)結(jié)構(gòu)可以用 JDK 自帶的 ArrayBlockingQueue 。

4.2 寫一個適用于生產(chǎn)環(huán)境的 MQ 當(dāng)然，我們的目標(biāo)絕不止于一個 MQ 雛形，而是希望實現(xiàn)一個可用于生產(chǎn)環(huán)境的消息中間件，那難度肯定就不是一個量級了，具體我們該如何下手呢？

1、先把握這個問題的關(guān)鍵點假如我們還是只考慮最基礎(chǔ)的功能：發(fā)消息、存消息、消費消息（支持發(fā)布-訂閱模式）。那在生產(chǎn)環(huán)境中，這些基礎(chǔ)功能將面臨哪些挑戰(zhàn)呢？我們能很快想到下面這些：

1、高并發(fā)場景下，如何保證收發(fā)消息的性能？

2、如何保證消息服務(wù)的高可用和高可靠？

3、如何保證服務(wù)是可以水平任意擴展的？

4、如何保證消息存儲也是水平可擴展的？

5、各種元數(shù)據(jù)（比如集群中的各個節(jié)點、主題、消費關(guān)系等）如何管理，需不需要考慮數(shù)據(jù)的一致性？

可見，高并發(fā)場景下的三高問題在你設(shè)計一個 MQ 時都會遇到，「如何滿足高性能、高可靠等非功能性需求」才是這個問題的關(guān)鍵所在。

2、整體設(shè)計思路

先來看下整體架構(gòu)，會涉及三類角色

另外，將「一發(fā)一存一消費」這個核心流程進一步細化后，比較完整的數(shù)據(jù)流如下

基于上面兩個圖，我們可以很快明確出 3 類角色的作用，分別如下：

1、Broker（服務(wù)端）：MQ 中最核心的部分，是 MQ 的服務(wù)端，核心邏輯幾乎全在這里，它為生產(chǎn)者和消費者提供 RPC 接口，負責(zé)消息的存儲、備份和刪除，以及消費關(guān)系的維護等。

2、Producer（生產(chǎn)者）：MQ 的客戶端之一，調(diào)用 Broker 提供的 RPC 接口發(fā)送消息。

3、Consumer（消費者）：MQ 的另外一個客戶端，調(diào)用 Broker 提供的 RPC 接口接收消息，同時完成消費確認。

3、詳細設(shè)計下面，再展開討論下一些具體的技術(shù)難點和可行的解決方案。

難點1：RPC 通信

解決的是 Broker 與 Producer 以及 Consumer 之間的通信問題。如果不重復(fù)造輪子，直接利用成熟的 RPC 框架 Dubbo 或者 Thrift 實現(xiàn)即可，這樣不需要考慮服務(wù)注冊與發(fā)現(xiàn)、負載均衡、通信協(xié)議、序列化方式等一系列問題了。

當(dāng)然，你也可以基于 Netty 來做底層通信，用 Zookeeper、Euraka 等來做注冊中心，然后自定義一套新的通信協(xié)議（類似 Kafka），也可以基于 AMQP 這種標(biāo)準化的 MQ 協(xié)議來做實現(xiàn)（類似 RabbitMQ）。對比直接用 RPC 框架，這種方案的定制化能力和優(yōu)化空間更大。

難點2：高可用設(shè)計

高可用主要涉及兩方面：Broker 服務(wù)的高可用、存儲方案的高可用?？梢圆痖_討論。

Broker 服務(wù)的高可用，只需要保證 Broker 可水平擴展進行集群部署即可，進一步通過服務(wù)自動注冊與發(fā)現(xiàn)、負載均衡、超時重試機制、發(fā)送和消費消息時的 ack 機制來保證。

存儲方案的高可用有兩個思路：1）參考 Kafka 的分區(qū) + 多副本模式，但是需要考慮分布式場景下數(shù)據(jù)復(fù)制和一致性方案（類似 Zab、Raft等協(xié)議），并實現(xiàn)自動故障轉(zhuǎn)移；2）還可以用主流的 DB、分布式文件系統(tǒng)、帶持久化能力的 KV 系統(tǒng)，它們都有自己的高可用方案。

難點3：存儲設(shè)計

消息的存儲方案是 MQ 的核心部分，可靠性保證已經(jīng)在高可用設(shè)計中談過了，可靠性要求不高的話直接用內(nèi)存或者分布式緩存也可以。這里重點說一下存儲的高性能如何保證？這個問題的決定因素在于存儲結(jié)構(gòu)的設(shè)計。

目前主流的方案是：追加寫日志文件（數(shù)據(jù)部分） + 索引文件的方式（很多主流的開源 MQ 都是這種方式），索引設(shè)計上可以考慮稠密索引或者稀疏索引，查找消息可以利用跳轉(zhuǎn)表、二分查找等，還可以通過操作系統(tǒng)的頁緩存、零拷貝等技術(shù)來提升磁盤文件的讀寫性能。

如果不追求很高的性能，也可以考慮現(xiàn)成的分布式文件系統(tǒng)、KV 存儲或者數(shù)據(jù)庫方案。

難點4：消費關(guān)系管理

為了支持發(fā)布-訂閱的廣播模式，Broker 需要知道每個主題都有哪些 Consumer 訂閱了，基于這個關(guān)系進行消息投遞。

由于 Broker 是集群部署的，所以消費關(guān)系通常維護在公共存儲上，可以基于 Zookeeper、Apollo 等配置中心來管理以及進行變更通知。

難點5：高性能設(shè)計

存儲的高性能前面已經(jīng)談過了，當(dāng)然還可以從其他方面進一步優(yōu)化性能。

比如 Reactor 網(wǎng)絡(luò) IO 模型、業(yè)務(wù)線程池的設(shè)計、生產(chǎn)端的批量發(fā)送、Broker 端的異步刷盤、消費端的批量拉取等等。

4.3 小結(jié)再總結(jié)下，要回答好：如何設(shè)計一個 MQ？

1、需要從功能性需求（收發(fā)消息）和非功能性需求（高性能、高可用、高擴展等）兩方面入手。

2、功能性需求不是重點，能覆蓋 MQ 最基礎(chǔ)的功能即可，至于延時消息、事務(wù)消息、重試隊列等高級特性只是錦上添花的東西。

3、最核心的是：能結(jié)合功能性需求，理清楚整體的數(shù)據(jù)流，然后順著這個思路去考慮非功能性的訴求如何滿足，這才是技術(shù)難點所在。

05 寫在最后 這篇文章從 MQ 一發(fā)一存一消費這個本質(zhì)出發(fā)，講解了消息模型的演進過程，這是 MQ 最核心的理論基礎(chǔ)?；诖?，大家也能更容易理解 MQ 的各種新名詞以及應(yīng)用場景。

最后通過回答：如何設(shè)計一個 MQ？目的是讓大家對 MQ 的核心組件和技術(shù)難點有一個清晰的認識。另外，帶著這個問題的答案再去學(xué)習(xí) Kafka、RocketMQ 等具體的消息中間件時，也會更有側(cè)重點。

責(zé)任編輯：haq