• 消息队列 概念 配合SpringBoot使用Demo

    转http://www.jianshu.com/p/048e954dab40 

    概念: 

    分布式消息队列

    ‘分布式消息队列’包含两个概念

    一是‘消息队列’，二是‘分布式’

    那么就先看下消息队列的概念，和为什么需要分布式


    消息队列的定义

    “消息”指进程间传送的数据

    “队列”是在消息的传输过程中保存消息的容器

    消息被发送到队列中，消息队列充当中间人，将消息从源发送给目标

    当系统中出现“生产“和“消费“的速度或稳定性等因素不一致时，就需要消息队列，作为抽象层，弥合双方的差异

    例如

    （1）服务员点菜快，厨师做菜慢，服务员只需要下单给厨师，然后就可以继续去服务顾客，不需要等待厨师把菜做完

    点菜单就相当于消息，放单子的位置就相当于队列

    （2）业务系统需要发短信，但短信发送模块速度跟不上，业务系统就可以把发送短信的相关信息封装为一个消息，放入队列，短信发送模块从队列中获取消息进行处理

    消息队列的好处

    （1）提高系统响应速度

    使用了消息队列，生产者一方，把消息往队列里一扔，就可以立马返回响应用户了，无需等待处理结果

    （2）保证消息的传递

    如果发送消息时接收者不可用，消息队列会保留消息，直到成功地传递它

    （3）解耦

    只要消息格式不变，即使接收者的接口、位置、或者配置改变，也不会给发送者带来任何改变

    消息发送者无需知道消息接收者是谁，使得系统设计更清晰


    为什么需要分布式消息队列

    （1）多系统协作需要分布式

    例如消息队列中的数据需要在多个系统间共享，所以需要提供分布式通信机制、协同机制

    （2）可靠

    消息会被持久化到分布式存储中，这样避免了单台机器存储的消息由于机器问题导致消息的丢失

    （3）可扩展

    分布式消息队列，会随着访问量的增加而方便的增加处理服务器


    2. 消息队列技术是分布式应用间交换信息的一种技术

     现在电商网站某个抢购活动，并发怎么办？消息队列

    AMQP，即Advanced Message Queuing Protocol，高级消息队列协议，是应用层协议的一个开放标准，为面向消息的中间件设计。消息中间件主要用于组件之间的解耦，消息的发送者无需知道消息使用者的存在，反之亦然。
    AMQP的主要特征是面向消息、队列、路由（包括点对点和发布/订阅）、可靠性、安全。
    RabbitMQ是一个开源的AMQP实现，服务器端用Erlang语言编写，支持多种客户端，如：Python、Ruby、.NET、Java、JMS、C、PHP、ActionScript、XMPP、STOMP等，支持AJAX。用于在分布式系统中存储转发消息，在易用性、扩展性、高可用性等方面表现不俗。有玩RabbitMq的哥们，多多交流！

    用户请求会post到后台一些信息如（用户信息，商品信息）到消息队列中。

    消息队列通过Windows服务去处理解析过来的信息，单线程处理（多线程可能会出现问题，你懂得）！

    成功的话，插入到本次活动的成功记录表里面；失败的话，插入到有意购买表（方便业务人员销售）！

    怎样通知用户？

    1，ajax异步去请求（隔两分钟去请求一次成功记录,如果不请求库的话我们会用Redis缓存）

    2，长连接的方式（websocket，signalr之类的）


    在整套的微服务架构中, 消息队列是不可或缺的部分, 它能够起到线程内同步或者异步调用无法达到的作用,优缺点分别是:
    优点：

    1. 解耦
      i. 只依赖消息的格式, 而不依赖发送者的ip和端口
      ii. 多消费者的情况下, 发送者不需要关注消费者的任何信息
    2. 路由
      不能互相访问的网络之间可以消息队列实现访问, 可以减少对现有网络的修改。
    3. 消息可靠性
      当消费者发生故障时, 消息可以被有效保存下来, 等待恢复后继续访问.
    4. 异步调用
      发送者异步发送消息, 不等待消息ack,不会对发送者本身产生响应速度的影响, 当然异步调用也是可以实现的。
    5. 方便扩展
      集群部署消息队列, 当流量增大和减小是可以通过调整部署来实现和发送方, 消费方无关。

    缺点：
    多出一个环节,需要保证消息队列的可用性。

    二. 常用消息队列

    目前常用的消息队列大概有三种类型,RabbitMQ等AMQP系列, Kafka, Redis等kev value系列,它们的使用场景分别是：
    1.RabbitMQ： 相对重量级高并发的情况，比如数据的异步处理 任务的串行执行等.
    2.Kafka： 基于Pull的模式来处理,具体很高的吞吐量,一般用来进行 日志的存储和收集.
    3.Redis: 轻量级高并发，实时性要求高的情况，比如缓存，秒杀，及时的数据分析(ELK日志分析框架,使用的就是Redis).

    三. SpingBoot 集成消息队列

    在SpingBoot中对这个三种都有支持

    1. Redis
      请参照 其他作者的 文章 http://www.jianshu.com/p/a2ab17707eff

    2. RabbitMQ
      i. 配置

       <dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-amqp</artifactId>
 </dependency>

      ii.实现方式 RabbitMQDemoConfigration.java

      import org.springframework.amqp.core.*;
import org.springframework.amqp.rabbit.annotation.RabbitListener;
import org.springframework.amqp.rabbit.connection.CachingConnectionFactory;
import org.springframework.amqp.rabbit.core.RabbitTemplate;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
/**
* RabbitMQDemo
*
* @author: sunjie
* @date: 16/01/10
*/
@Configuration
@SuppressWarnings("SpringJavaAutowiringInspection")
public class RabbitMQDemoConfigration {
@Bean
 public CachingConnectionFactory myConnectionFactory() {
     CachingConnectionFactory connectionFactory = new CachingConnectionFactory();
     connectionFactory.setUsername("guest");
     connectionFactory.setPassword("guest");
     connectionFactory.setHost("192.168.1.1");
     connectionFactory.setPort(5672);
     connectionFactory.setVirtualHost("/myHost");
     return connectionFactory;
 }
 //  生成CachingConnectionFactory  也可以使用下面的方式,在application.properties
 //  中定义好属性即可
 //     @Autowired
 //    ConnectionFactory connectionFactory;
@Bean
 public DirectExchange myExchange() {
     return new DirectExchange("myExchangeDemo", true, false);
 }
 @Bean
 public Queue myQueue() {
     return new Queue("myQueueDemo", true);
 }
 @Bean
 public Binding myExchangeBinding(@Qualifier("myExchange") DirectExchange directExchange,
                                  @Qualifier("myQueue") Queue queue) {
     return BindingBuilder.bind(queue).to(directExchange).with("routeDemo");
 }
 @Bean
 public RabbitTemplate myExchangeTemlate() {
     RabbitTemplate r = new RabbitTemplate(myConnectionFactory());
     r.setExchange("myExchangeDemo");
     r.setRoutingKey("routeDemo");
     return r;
 }
/**
  *  发送消息,工业使用需要自己做个性化实现
  */
 @Bean
 public void sendMessage(RabbitTemplate myExchangeTemlate) {
     String string = "Hello RabbitmQ";
     myExchangeTemlate.convertAndSend(string);
 }
 /**
  *  接受消息,工业使用时需要在监听类中实现process逻辑
  */
 @RabbitListener(queues = "myQueueDemo")
 public void process(Message message) {
     System.out.println("__________" + message.getBody().toString() + "__________");
     try {
         this.wait(1000);
     } catch (InterruptedException e) {
         e.printStackTrace();
     }
 }

    3. Kafka 使用
      i. pom.xml 配置

       <dependency>
   <groupId>org.apache.kafka</groupId>
   <artifactId>kafka_2.10</artifactId>
  </dependency>
  <dependency>
    <groupId>org.springframework.integration</groupId>
    <artifactId>spring-integration-kafka</artifactId>
  </dependency>

      ii. spring-integration-kafka.xml 也可以研究通过bean方式来实现

      <?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xmlns:int="http://www.springframework.org/schema/integration"
    xmlns:int-kafka="http://www.springframework.org/schema/integration/kafka"
    xmlns:task="http://www.springframework.org/schema/task"
    xsi:schemaLocation="http://www.springframework.org/schema/integration/kafka http://www.springframework.org/schema/integration/kafka/spring-integration-kafka.xsd
 http://www.springframework.org/schema/integration http://www.springframework.org/schema/integration/spring-integration.xsd
 http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd
 http://www.springframework.org/schema/task http://www.springframework.org/schema/task/spring-task.xsd">
 <int:channel id="inputToKafka">
     <int:queue/>
 </int:channel>
 <int-kafka:outbound-channel-adapter
         id="kafkaOutboundChannelAdapter"
         kafka-producer-context-ref="kafkaProducerContext"
         channel="inputToKafka">
     <int:poller fixed-delay="1000" time-unit="MILLISECONDS" receive-timeout="0" task-executor="taskExecutor"/>
 </int-kafka:outbound-channel-adapter>
 <task:executor id="taskExecutor" pool-size="5" keep-alive="120" queue-capacity="50000"/>
 <int-kafka:producer-context id="kafkaProducerContext">
     <int-kafka:producer-configurations>
         <int-kafka:producer-configuration broker-list="192.168.2.2:9092"
                                           key-class-type="java.lang.String"
                                           value-class-type="java.lang.String"
                                           topic="1_service"
                                           value-encoder="kafkaEncoder"
                                           key-encoder="kafkaEncoder"/>
     </int-kafka:producer-configurations>
 </int-kafka:producer-context>
 <bean id="kafkaEncoder" class="org.springframework.integration.kafka.serializer.common.StringEncoder"/>
</beans>

      iii. 客户端实现代码：

      @Autowired
 MessageChannel             inputToKafka;
 String value = "Hello Kafka";
 Message<String> mess = MessageBuilder.withPayload(value)
         .setHeader(KafkaHeaders.TOPIC, appSetting.getStrValue("topic")).build();
 inputToKafka.send(mess);

    四. 后记

    消息中间件有很多,实际使用中往往是根据架构师的技术栈相关,做到了解使用场景和基本原理,在项目中提升自己细节能力,做到个人和公司共同成长,才是好的方式.
  • 相关阅读:
    Lightoj 1321 Sending Packets(Bellman-Ford)
    Lightoj 1281 New Traffic System (记忆化Dijkstra)
    NBUT TNT #1 题解报告
    UVA 11624 BFS
    FZU 2150 枚举＋BFS
    POJ 3126 BFS
    POJ 3279 DFS
    POJ 1062 dijkstra + 枚举
    lightoj 1123 增量最小生成树
    python 常用算法及解析
  • 原文地址：https://www.cnblogs.com/xmanblue/p/6393474.html
Copyright © 2020-2023  润新知