消息传输模型的思考

一、消息传输模型

从消息传输模型上，大致可以抽象为以下几种：

（1）点对点模型（Point-to-point）

基础模型中，只有一个发送者、一个接收者和一个分布式队列。

在P2P模型中，有几个关键术语：消息队列(Queue)、发送者(Sender)、接收者(Receiver)。每个消息都被发送到一个特定的队列，接收者从队列中获取消息。队列保留着消息，直到它们被消费或超时。

• 每个消息只有一个消费者(Consumer)（即一旦被消费，消息就不再在消息队列中）
• 发送者和接收者之间在时间上没有依赖性，也就是说当发送者发送了消息之后，不管接收者有没有正在运行，它不会影响到消息被发送到队列。
• 接收者在成功接收消息之后需向队列应答成功。 如果你希望发送的每个消息都应该被成功处理的话，那么你需要P2P模型。

（2）生产者消费者模型（Producer–consumer）

在该模型，三个角色一般称为生产者（Producer）、分布式队列（Queue）、消费者（Consumer）。如果发送者和接收者都可以有多个部署实例，甚至不同的类型；但是共用同一个队列，这就变成了标准的生产者消费者模型。

（3）发布订阅模型（Pub/Sub）

在该模型，三个角色一般称为发布者（Publisher），分布式队列（Queue），订阅者（Subscriber）。如果只有一类发送者，发送者将产生的消息实体按照不同的主题（Topic）分发到不同的逻辑队列。每种主题队列对应于一类接收者。这就变成了典型的发布订阅模型。

• 每个消息可以有多个消费者。
• 发布者和订阅者之间有时间上的依赖性。针对某个主题(Topic)的订阅者，它必须创建一个订阅之后，才能消费发布者的消息，而且，为了消费消息，订阅者必须保持运行的状态。

二、开源的分布式消息队列类型

看下业界，开源的分布式消息队列有很多种，侧重的维度也略有不同，包括支持的消息模型也有一些差异，如果按是否有独立进程来看，可以分为两个大类：

（一）Broker

Broker类的分布式消息队列，是指有独立部署进行的分布式服务，即发送者把消息发布到Broker进程，再由Broker进程推（或者是拉）给订阅者。

RabbitMq

RabbitMQ是使用Erlang编写的一个开源的消息队列，本身支持很多的协议：AMQP，XMPP, SMTP, STOMP，也正因如此，它非常重量级，更适合于企业级的开发。同时实现了Broker构架，这意味着消息在发送给客户端时先在中心队列排队。对路由，负载均衡或者数据持久化都有很好的支持。

RocketMq

RocketMq是由阿里研发团队开发的分布式队列，侧重在消息的顺序投递、高吞吐量、可靠性，在阿里内部大量使用，多次在云栖社区中被提及是“淘宝双11”的保障。目前已捐赠给Apache软件基金会。

Nats

Ruby-Nats作者开发，Derek Collison自称做了20多年的MQ，并经历过TIBOC、Rendezvous、EMC公司. 目前由Apcera公司维护，提供源码、二进制文件以及Docker镜像，用户有爱立信、HTC、百度、西门子、Vmware.Nats用Golang编写，Nats的设计思念中消息的成功投递不做保证，需要发送者自己维护，因此Nats在应用场景上还是比较有局限性。

Nats-streaming

目前由Apcera公司维护，也采用Golang编写，在保证吞吐量和时延的基础上，解决了Nats消息投递一致性的问题。之前和Apcera的Community Manager有过接触，Apcera目前只有5位工程师在进行开发维护，所以Nats-streaming目前支持的客户端API还比较少，只有Go、Java、Nodejs、C#，CAPI支持可能要到2017年中。

Kafka

Kafka是Apache下的一个子项目，是一个高性能跨语言分布式发布/订阅消息队列系统，而Jafka是在Kafka之上孵化而来的，即Kafka的一个升级版。具有以下特性：快速持久化，可以在O(1)的系统开销下进行消息持久化；高吞吐，在一台普通的服务器上既可以达到10W/s的吞吐速率；完全的分布式系统，Broker、Producer、Consumer都原生自动支持分布式，自动实现负载均衡；支持Hadoop数据并行加载，对于像Hadoop的一样的日志数据和离线分析系统，但又要求实时处理的限制，这是一个可行的解决方案。Kafka通过Hadoop的并行加载机制统一了在线和离线的消息处理。Apache Kafka相对于ActiveMQ是一个非常轻量级的消息系统，除了性能非常好之外，还是一个工作良好的分布式系统。

ActiveMq

ActiveMQ是Apache下的一个子项目。 类似于ZeroMQ，它能够以代理人和点对点的技术实现队列。同时类似于RabbitMQ，它少量代码就可以高效地实现高级应用场景。

（二）Brokerless

Brokerless类的消息队列，主要采用api的方式，编译到应用程序中，在应用程序间进行点对点的通信。

ZeroMq

ZeroMQ号称最快的消息队列系统，尤其针对大吞吐量的需求场景。ZeroMQ能够实现RabbitMQ不擅长的高级/复杂的队列，但是开发人员需要自己组合多种技术框架，技术上的复杂度是对这MQ能够应用成功的挑战。ZeroMQ具有一个独特的非中间件的模式，你不需要安装和运行一个消息服务器或中间件，因为你的应用程序将扮演这个服务器角色。你只需要简单的引用ZeroMQ程序库，可以使用NuGet安装，然后你就可以愉快的在应用程序之间发送消息了。但是ZeroMQ仅提供非持久性的队列，也就是说如果宕机，数据将会丢失。其中，Twitter的Storm 0.9.0以前的版本中默认使用ZeroMQ作为数据流的传输（Storm从0.9版本开始同时支持ZeroMQ和Netty作为传输模块）。

NanoMq

在技术选型时，我们一般从三个维度上去考量，吞吐量、时延、可靠性，不同的业务场景对两个维度的技术指标会有比较大的差异。 比如阿里的rocketmq，因为面临秒级的高并发场景，因此会十分看中吞吐量和消息的可靠性（不丢、顺序投递），而时延基本在100ms的级别，再比如kafka，最高的设计初衷也是做为分布式日志系统，因为看中的也是高吞吐量和可靠性。但对于游戏业务，实时音视频业务，不太会面临瞬间的访问高峰，而对低时延、时延稳定性会更加看中，一般认为消息投递应该在1-4ms以内。

三、思考

对比一下Android的消息模型，Handler属于生产者消费者模型（Producer–consumer）。Eventbus和RxJava属于发布订阅模型（Pub/Sub）。

其实对比一下你会发现，这些思想都是想通的，只是处理的业务场景不一样而已。相对来说Android的框架还算是简单的，服务端的框架（如：kafka）就复杂多了。当你做过服务端，再去在学习Android，你会发现基本都是服务端的那些框架原理在移动端的实现。反正万变不离其宗。当你了解服务端的架构，再去结合移动端实际情况，改造一下架构，你会收获更多。