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