[Java知识库]常用中间件

中间件

什么是中间件

中间件（Middleware）顾名思义是系统软件和用户软件之间连接的软件，以便于软件各部分之间的沟通，特别是应用软件对于系统软件的集中逻辑，是一种独立的系统或者服务程序，分布式应用软件借助这种软件在不同的技术之间共享资源。中间件在客户端服务器的操作系统、网络和数据库之上，管理计算机资源和网络通信。总的作用是为处于自己上层的应用软件提供运行和开发的环境，帮助用户灵活、高效的开发和集成复杂的应用软件

关于中间件，我们可以理解为：是一类能够为一种或者多种应用程序合作互通、资源共享同时还能够为应用程序提供相关的服务的软件。中间件是一类软件统称，而非一种软件;中间件不仅仅实现互连，还要实现应用之间的互操作

分布式系统

什么是分布式系统

一个请求由服务器端的多个（服务或者系统）协同处理完成

分布式为了解决单个服务器容量和性能瓶颈问题而采用的优化手段，将一个业务拆分成不同的业务，分布在不同的机器上执行。服务之间通过远程调用协同工作，对外提供服务

分布式系统需要解决的问题

该领域需要解决的问题极多，在不同的技术层面上，又包括：分布式缓存、分布式数据库、分布式计算、分布式文件系统等

分布式的实现形式

• 水平扩展：当一台机器扛不住流量时，就通过添加机器的方式，将流量分到所有服务器上，所有机器都可以提供相同的服务
• 垂直拆分：前端有多种查询需求是时，一台机器扛不住，可以将不同的业务需求分发到不同的机器上，比如A机器处理余票查询的请求，B机器处理支付的请求

分布式和微服务的区别

微服务是架构设计方式，分布式是系统部署方式时

微服务架构

微服务

简单来说微服务就是很小的服务，小到一个服务只对应一个单一的功能，只做一件事。这个服务可以单独部署运行，服务之间可以通过RPC来相互交互，每个微服务都是由独立的小团队开发，测试，部署，上线，负责它的整个生命周期

微服务架构

在做架构设计的时候，先做逻辑架构，再做物理架构，当你拿到需求后，估算过最大用户量和并发量后，计算单个应用服务器能否满足需求，如果用户量只有几百人的小应用，单体应用就能搞定，即所有应用部署在一个应用服务器里，如果是很大用户量，且某些功能会被频繁访问，或者某些功能计算量很大，建议将应用拆解为多个子系统，各自负责各自功能，这就是微服务架构

分布式

分布式服务顾名思义服务是分散部署在不同的机器上的，一个服务可能负责几个功能，是一种面向SOA架构的，服务之间也是通过rpc来交互或者是webservice来交互的。逻辑架构设计完后就该做物理架构设计，系统应用部署在超过一台服务器或虚拟机上，且各分开部署的部分彼此通过各种通讯协议交互信息，就可算作分布式部署，生产环境下的微服务肯定是分布式部署的，分布式部署的应用不一定是微服务架构的，比如集群部署，它是把相同应用复制到不同服务器上，但是逻辑功能上还是单体应用

对比

微服务相比分布式服务来说，它的粒度更小，服务之间耦合度更低，由于每个微服务都由独立的小团队负责，因此它敏捷性更高，分布式服务最后都会向微服务架构演化，这是一种趋势，不过服务微服务化后带来的挑战也是显而易见的，例如服务粒度小，数量大，后期运维将会很难

消息中间件

• 利用可靠的消息传递机制进行系统和系统直接的通讯
• 通过提供消息传递和消息的排队机制，他可以在分布式系统环境下扩展进程间的通讯

应用场景

1. 跨系统数据传递
2. 高并发流量削峰
3. 数据的分发和异步处理
4. 大数据分析与传递
5. 分布式事务

为什么使用MQ？

• 异步处理：相比于传统的串行、并行方式，提高吞吐量
• 应用解耦：系统间通过消息通信，不用关心其他系统的处理
• 流量削峰：可以通过消息队列长度控制请求量；可以缓解短时间内高并发请求
• 日志处理：处理大量日志传输
• 消息通讯：消息队列一般都内置了高效的通信机制，因此也可以用在纯的消息通讯。比如实现对点消息队列，或者聊天室

消息队列的优缺点

优点

解耦

允许独立扩展或者修改两边的处理过程，只要确保他们遵守同样的接口约束

一个系统或者一个模块，调用了多个系统或者模块，互相之间的调用很复杂，维护起来很麻烦，但是其实这个调用是不需要直接同步调用接口的，如果用MQ给它异步化解耦

A系统发送数据到BCD三个系统，通过接口调用发送。如果E系统也需要这个数据呢？那如果 C 系统现在不需要了呢？A系统根其他各种乱七八糟的系统严重耦合，A系统产生一条比较关键的数据，很多系统都需要A系统将这个数据发送过来

如果使用MQ，A系统产生一条数据，发送到MQ里面去；如果某个系统不需要这条数据了，就取消对MQ消息的消费即可。这样下来，A系统压根儿不需要去考虑要跟谁发送数据，不需要维护这个代码是，也不需要考虑人家是否调用成功、失败超时等情况

异步

不需要立即处理消息，消息队列提供了异步处理机制，允许用户把一个消息放入队列中，但不立即处理它，在需要的时候进行处理

A系统接收一个请求，需要在自己本地写库，还需要在BCD三个系统写库，自己本地写库要3ms，BCD三个系统分别写库要 300ms、450ms、200ms。最终请求总延时是 3 + 300 + 450 + 200 = 953ms，接近 1s。

如果使用MQ，那么 A 系统连续发送 3 条消息到 MQ 队列中，假如耗时 5ms，A 系统从接受一个请求到返回响应给用户，总时长是 3 + 5 = 8ms。

削峰

减少高峰时期对服务器压力

使用消息队列能够使关键组件顶住突发（突发流量并不常）的访问压力，而不会为突发的超负荷请求而完全崩溃

可恢复性

系统的一部分组件失效时，不会影响到整个系统。消息队列较低了进程间的耦合度，所以即使一个处理消息的进程挂掉，加入队列的消息任然可以在系统恢复后被处理

缺点

• 系统可用性降低：如果消息队列挂了，系统就无法正常运行
• 系统复杂性提高：加入消息队列，要考虑更多的问题，比如：一致性问题、如何保证消息不被重复消费、如何把正确的消息的可靠传输等。因此考虑的东西增加，复杂性增加
• 一致性问题（分布式事务）：A 系统处理完了直接返回成功了，人都以为你这个请求就成功了；但是问题是，要是 BCD 三个系统那里，BD 两个系统写库成功了，结果 C 系统写库失败了，这数据就不一致了

消息队列选择

ActiveMQ

老牌的消息中间件，国内很多公司过去运用的非常广泛，功能强大，但是问题在于没法确认ActiveMQ可以支撑互联网公司的高并发、高负载以及高吞吐的复杂场景，在国内互联网公司落地较少。而且使用较多的是一些传统企业，用ActiveMQ做异步调用和系统解耦

RabbitMQ

好处在于可以支撑高并发、高吞吐、性能很高，同时有非常完善便捷的后台管理界面可以使用，支撑集群化、高可用部署架构、消息高可靠支持，功能较为完善。使用较为多

除此之外，RabbitMQ的开源社区很活跃，较高频率的迭代版本，来修复发现的bug以及进行各种优化

但是RabbitMQ也有一点缺陷，就是他自身是基于erlang语言开发的，所以导致较为难以分析里面的源码，也较难进行深层次的源码定制和改造，毕竟需要较为扎实的erlang语言功底才可以

RocketMQ

RocketMQ是阿里开源的，经过阿里的生产环境的超高并发、高吞吐的考验，性能卓越，同时还支持分布式事务等特殊场景

而且RocketMQ是基于Java语言开发的，适合深入阅读源码，有需要可以站在源码层面解决线上生产问题，包括源码的二次开发和改造。

Kafka

Kafka提供的消息中间件的功能明显较少一些，相对上述几款MQ中间件要少很多，但是Kafka的优势在于专为超高吞吐量的实时日志采集、实时数据同步、实时数据计算等场景来设计

因此Kafka在大数据领域中配合实时计算技术（比如Spark Streaming、Storm、Flink）使用的较多。但是在传统的MQ中间件使用场景中较少采用

消息中间件的核心组成部分

1. 消息的协议
2. 消息的持久化机制
3. 消息的分发策略
4. 消息的高可用，高可靠
5. 消息的容错机制