消息队列（MQ）
队列（Queue）
是一种“先进先出”数据机构，开发人员最早接触的队列，应该是LinkedList，LinkedList除了是List，也是一个Queue（实际上还是一个stack）。队列的作用，就像生活中买东西，需要排队，先排的人先买消费。
（先后顺序，并不一定是排队的先后，可以由其它权值判断，比如：要求长得高的人先消费。详细可以搜索词条“优先队列”）
消息队列（Message Queue）
简称是MQ，是message queue的缩写，直译就是消息队列（日常沟通可能直接称之为Q）。
Message Queue 在 Queue 的基础功能上，增加了很多新的特性：
1、观察者模式：感觉但凡消息队列，都具备这个特征：A负责生产数据，B负责消费数据。利用这个特性，可以实现很多功能，例如：应用解耦，数据总线。
2、异步
3、数据缓存：队列本身属于数据存储结构，对于无法立即处理的消息，可以暂存在队列中，利用这种特征，可以用于实现 “流量消峰填谷”的功能。
常见的应用场景
应用解耦、消息分发
（观察者模式的应用）
对于一些大型项目，某些数据一旦产生，可能会有无数个下游系统关注这些数据，主系统不可能给所有的子系统推送消息，子系统应当主动地选择数据进行订阅。
案例：订单数据，商品一旦下单，物流、购物车、报表统计等等，都需要获取这些数据。
数据总线
如果用过EventBus的话，会更容易理解。和第一点的说法非常像，不过是属于更小的应用，就比如微服务，详见spring-boot-starter-amqp。
案例：A同事开发一个项目，B同事开发另一个项目，A和B业务上发生耦合了，使用消息队列的情况下，双方只要协商好数据格式即可，一个人只要负责往队列发送数据，另一个人只要负责消费。
流量消峰填谷
（缓存的作用）
在短时间内，可能会产生大量的数据，服务器无法及时消化这些数据，这时候，先暂时缓存这些数据，等到服务器资源闲置时，再处理这些数据。
异步
严格上说，这并不算优点，优缺点并存，优点是如果无需关注数据是如何消费的，推送之后可以及时释放资源，而缺点，就是处理业务时，需要时刻关注状态的变化。
案例：以文件解压缩为例，A线程发现文件，将文件信息推送到队列中，等待压缩，B线程也发现这个文件，并且执行相同的操作，
文件从“发现”到“解压成功”的时间里，文件处于将要处理而未处理的特殊状态，“异步”需要我们时时刻刻关注这种状态的变化。