大厂原来都是这样实现分布式消息队列的高可用
MQ的高可用性怎么保证?这样就是你用过哪个MQ,你就说说你对那个MQ的高可用性的理解。
RabbitMQ 高可用
因为是基于主从做高可用性的,Rabbitmq有三种模式:单机模式,普通集群模式,镜像集群模式
单机模式
demo级,本地启动了玩玩儿的。
普通集群模式
在多台机器启动多个RabbitMQ实例,每个机器启动一个
但你创建的queue,只会放在一个RabbitMQ实例,但每个实例都同步queue的元数据。
完了你消费时,实际上如果连接到了另外一个实例,那么那个实例会从queue所在实例上拉数据过来。
这种方式确实很麻烦,也不怎么好,没做到所谓的分布式,就是个普通集群。
因为这导致
- 要么消费者每次随机连接一个实例然后拉取数据
有数据拉取的开销 - 要么固定连接那个queue所在实例消费数据
存在单实例的性能瓶颈
而且如果那个放queue的实例宕机了,会导致接下来其他实例就无法从那个实例拉取,如果你开启了消息持久化,让RabbitMQ落地存储消息的话,消息不一定会丢,得等这个实例恢复了,然后才可以继续从这个queue拉取数据。
这就没有什么所谓的高可用性可言了,这方案主要是提高吞吐量,即让集群中多个节点来服务某个queue的读写操作。
- 架构图如下所示
镜像集群模式
这种才是RabbitMQ高可用模式,跟普通集群模式不一样的是,你创建的queue,无论元数据还是queue里的消息都会存在于多个实例。
然后每次你写消息到queue时,都会自动把消息到多个实例的queue里进行消息同步。
好处
任何一个机器宕机了,没事儿,别的机器都可以用
坏处
- 性能开销太大
消息同步所有机器,导致网络带宽压力和消耗很重! - 没有扩展性
如果某个queue负载很重,你加机器,新增的机器也包含了这个queue的所有数据,并没有办法线性扩展你的queue
RabbitMQ有很好的管理控制台,就是在后台新增一个策略,这个策略是镜像集群模式的策略,指定的时候可以要求数据同步到所有节点的,也可以要求就同步到指定数量的节点,然后你再次创建queue的时候,应用这个策略,就会自动将数据同步到其他的节点。
- 架构图如下所示
kafka的高可用性
多个broker组成,每个broker是一个节点
创建一个topic,这个topic可划分为多个partition,每个partition可以存在于不同的broker上,每个partition就放一部分数据。
这就是天然的分布式MQ, 即一个topic的数据,分放在多个机器,每个机器就放一部分数据。
RabbitMQ之类并非分布式MQ,他就是传统MQ,只不过提供了一些集群、HA机制。因为无论怎么玩,RabbitMQ一个queue的数据都是放在一个节点里的,镜像集群下,也是每个节点都放这个queue的完整数据。
kafka 0.8以前,没有HA机制,任一broker宕机了,那个broker上的partition就废了,没法写也没法读,无高可用性。
kafka 0.8以后,提供了HA机制,就是replica副本机制
- 每个partition的数据都会同步到其他机器,形成自己的多个replica副本
- 然后所有replica会选举一个leader出来,那么生产和消费都跟这个leader打交道
- 其他replica就是follower
如此一来
- 写的时候,leader会负责把数据同步到所有follower上去
- 读的时候就直接读leader上数据即可
只能读写leader?
要是你可以随意读写每个follower,那么就要关心数据一致性,系统复杂度太高,很容易出问题。
kafka会均匀的将一个partition的所有replica分布在不同的机器上,这才可提高容错性。
这么搞,就有所谓的高可用性
:
因为若某个broker宕机了,没事儿,那个broker上面的partition在其他机器上都有副本,若这上面有某个partition的leader,则此时会重新选举一个leader,大家继续读写那个新的leader即可。
写数据时,生产者就写leader,然后leader将数据落地写本地磁盘,接着其他follower自己主动从leader来pull数据。一旦所有follower同步好数据了,就会发送ack给leader,leader收到所有follower的ack之后,就会返回写成功的消息给生产者。(当然,这只是其中一种模式,还可适当调整这个行为)
消费时,只会从leader去读,但只有一个消息已被所有follower都同步成功返回ack时,这个消息才会被消费者读到。
- 架构图如下所示
相关文章
- Linux IPC实践(6) --System V消息队列(3)
- 基于RabbitMQ消息队列的分布式事务解决方案
- 突破Java面试(18)-消息队列面试技巧总结
- 大数据-消息队列-Kafka(七):Consumer(消费者)
- 重大消息!公安机关抓了一个手握 50 多亿条公民个人信息的黑产
- 阿里云消息队列 RocketMQ使用手册
- POSIX 消息队列 之 概述 链接方式
- 消息队列考点梳理 + 高频面试题
- 消息队列选型:RocketMQ 适用哪些场景?
- ActiveMQ的两种消息模式,主题、队列
- Spring Boot消息队列应用实践
- 【转】 消息队列设计精要
- php中对共享内存,消息队列的操作
- 7月目标 socket , 一致性哈希算法 ; mongodb分片; 分布式消息队列; 中间件的使用场景
- 消息队列-推/拉模式学习 & ActiveMQ及JMS学习
- 【消息队列】转-大型网站架构之分布式消息队列
- python监控rabbitmq的消息队列数量
- 使用事件和消息队列实现分布式事务
- 基于本地消息表的分布式事务解决方案总结
- Flask框架flash消息闪现学习与优化符合闪现之名
- Delayer 基于 Redis 的延迟消息队列中间件
- 消息队列的使用
- linux消息队列操作
- python+appium 实现qq聊天的消息,滑动删除聊天消息
- SOAP消息分析
- 分布式实时消息队列Kafka(三)
- EQueue - 一个C#写的开源分布式消息队列的总体介绍(转)
- POSIX 消息队列
- 微信公众号简单开发(8)视频消息 和 小视频消息
- 使用事件和消息队列实现分布式事务(转+补充)
- 关于消息队列的使用
- 消息队列面试连环问:如何保证消息不丢失?处理重复消息?消息有序性?消息堆积处理?
- POSIX 消息队列
- 细说UI线程和Windows消息队列