MQ数据总线设计

MQ是干嘛的

消息总线（Message Queue），后文称MQ，是一种跨进程的通信机制，用于上下游传递消息。
MQ是一种非常常见的上下游“逻辑解耦+物理解耦”的消息通信服务。

什么时候不使用消息总线

结论：调用方实时依赖执行结果的业务场景，请使用调用，而不是MQ。

什么时候使用MQ

典型场景一：数据驱动的任务依赖

1. 任务时间有先后顺序
2. 任务会依赖前面任务处理的结果
方案是，采用MQ解耦：
1）task1准时开始，结束后发一个“task1 done”的消息
2）task2订阅“task1 done”的消息，收到消息后第一时间启动执行，结束后发一个“task2 done”的消息
3）task3同理
特别说明：MQ只用来传递上游任务执行完成的消息，并不用于传递真正的输入输出数据。
另外：这种方式也可以用工作流引擎来处理。

典型场景二：上游不关心执行结果

上游需要关注执行结果时要用“调用”，上游不关注执行结果时，就可以使用MQ了。
举例：
智联招聘 用户 更改简历，会 通知分析系统重新分析简历，通知关注你的人你已经做跟了简历更新可以联系你了 等等。
做法1：在更新简历的时候 调用 其他方法。
优点：实现简单
不足：
A：更新简历的时间增加了。 
	-- 后边的通知并不是现在就要通知到的，可以有一定的延迟；本质是 实时调用应该完成的只是需要实时处理的任务，后续可延迟的任务后续处理。
B：如果后面的没有通知到，会影响更新简历的功能。上下游逻辑+物理依赖严重
C：如果后边增加 一个关注该消息的功能，那么就需要修改这个方法。属于架构设计中典型的依赖倒转(本应该B依赖A的处理消息的，但现在是A依赖B的处理结果)
做法2：采用MQ解耦，更新成功后发一个消息即可，订阅消息这自己处理。
优点是：
1）上游执行时间短
2）上下游逻辑+物理解耦，除了与MQ有物理连接，模块之间都不相互依赖
3）新增一个下游消息关注方，上游不需要修改任何代码

典型场景三：上游关注执行结果，但执行时间很长

有时候上游需要关注执行结果，但执行结果时间很长（典型的是调用离线处理，或者跨公网调用），也经常使用回调网关+MQ来解耦。

借用一个例子：

说明：

1. 上游应该说的就是调用方

2. MQ应该是微信提供的接口

3. 对接的时候，在调用支付后，还需要订阅这个消息，这样应用服务就是微信MQ的订阅方了，在支付成功后就可以通知你。

 延迟消息设计

场景：公示3天后，没人有异议，就算通过。
最Low方法：做一个定时任务轮训，可以cron也可以是java中的timer，如果轮训间隔设置长了则粒度大，时效性不好，设置太短，则效率低。
1.Java中java.util.concurrent.DelayQueue
优点：JDK自身实现，使用方便，量小适用
缺点：队列消息处于jvm内存，不支持分布式运行和消息持久化
2.Rocketmq延时队列
优点：消息持久化，分布式
缺点：不支持任意时间精度，只支持特定level的延时消息
3.Rabbitmq延时队列（TTL+DLX实现）
优点：消息持久化，分布式
缺点：延时相同的消息必须扔在同一个队列
4.Redis实现
参考：https://www.cnblogs.com/lylife/p/7881950.html
5.当然可以自己写：
思路：
A：创建一个3600(S)的循环链表
B：启动一个Timer，每秒移动一个下标
C：下标每到一个Node就判断该node是否有需要执行的JOB，有则发搜一个消息去执行
D：添加任务时，需要 delayTime/3600 作为循环的次数，每循环一次需要--；delayTime%3600作为偏移量。
RocketMQ消息产生后，生产者希望在间隔一段时间后被消费的场景可以使用定时消息，RocketMQ目前不支持自定义延迟时间，但可以指定延迟等级，可以选择18个延迟等级，分别是对应延迟时间是1s 5s 10s 30s 1m 2m 3m 4m 5m 6m 7m 8m 9m 10m 20m 30m 1h 2h。

消息队列（MsgQueue）的消息必达性架构与流程

 架构方向

MQ要想尽量消息必达，架构上有两个核心设计点：
（1）消息落地
（2）消息超时、重传、确认

MQ消息可靠投递核心流程

投递消息：MQ持久化后返回给 消息的生产者。
消费消息：只有当消息的消费者 确认 收到消息才删除消息。

数据丢失保障措施

为了降低消息丢失的概率，MQ需要进行超时和重传。

投递消息：如果MQ一直没有确认，MQ Client就会重发，直到MQ确认收到，如果超时就会回调 投递失败。

消费消息：如果消费者一直没有回复，MQ Server会重发消息，采用指数间隔时间(1s 2s 4s …)，这是消费者会收到多条一样的数据。

消费者拿到了重复的消息，就需要去重，实现幂等性。
 

消息总线的幂等性设计

幂等性设计至关重要
投递消息的幂等性是由MQ来完成，逻辑是：对每条消息，MQ系统内部必须生成一个inner-msg-id，作为去重和幂等的依据，这个内部消息ID的特性是：
（1）全局唯一
（2）MQ生成，具备业务无关性，对消息发送方和消息接收方屏蔽
消费消息的幂等性是由消费者保证，为了保证业务幂等性，业务消息体中，必须有一个biz-id，作为去重和幂等的依据，这个业务ID的特性是：
（1）对于同一个业务场景，全局唯一
（2）由业务消息发送方生成，业务相关，对MQ透明
（3）由业务消息消费方负责判重，以保证幂等

流量削峰填谷

削峰填谷：顾名思义，是将流量的高峰 削去，保证系统可用性。在系统稍微空闲(谷)的时候处理。
原因是：一个处理链路，各个节点处理能力不同。一般情况，上游的业务系统都可以支撑过高并发，下游的业务系统，处理逻辑相对复杂，单TPS处理时间长。 如果让下游业务系统跟上游处理能力相同，这个费用相当大。
举个栗子，秒杀业务：
上游发起下单操作
下游完成秒杀业务逻辑（库存检查，库存冻结，余额检查，余额冻结，订单生成，余额扣减，库存扣减，生成流水，余额解冻，库存解冻）
上游下单业务简单，每秒发起了10000个请求，下游秒杀业务复杂，每秒只能处理2000个请求，很有可能上游不限速的下单，导致下游系统被压垮，引发雪崩。
解决思路：
1. 上游发慢点 -- 用户下单处理不及时，脑子有问题
2. 下游按照正常容量来处理  -- 这个可以，别采用订阅模式，使用MQ的拉模式
下游改动：
1. 定时任务：用定时任务去拉
2. 批处理：为提高处理效率，一次拉一批，处理也按照批处理方式

---

end