MQ基本應用場景

簡介

消息隊列 MQ 既可爲分佈式應用系統提供異步解耦和削峯填谷的能力，同時也具有互聯網應用所需的海量消息堆積、高吞吐、可靠重試等特性。

應用場景

• 削峯填谷：諸如秒殺、搶紅包、企業開門紅等大型活動時皆會帶來較高的流量脈衝，或因沒作相應的保護而致使系統超負荷甚至崩潰，或因限制太過致使請求大量失敗而影響用戶體驗，消息隊列 MQ 可提供削峯填谷的服務來解決該問題。
• 異步解耦：交易系統做爲淘寶/天貓主站最核心的系統，每筆交易訂單數據的產生會引發幾百個下游業務系統的關注，包括物流、購物車、積分、流計算分析等等，總體業務系統龐大並且複雜，消息隊列 MQ 可實現異步通訊和應用解耦，確保主站業務的連續性。
• 順序收發：細很多天常中須要保證順序的應用場景很是多，好比證券交易過程時間優先原則，交易系統中的訂單建立、支付、退款等流程，航班中的旅客登機消息處理等等。與先進先出（First In First Out，縮寫 FIFO）原理相似，消息隊列 MQ 提供的順序消息即保證消息 FIFO。
• 分佈式事務一致性：交易系統、支付紅包等場景須要確保數據的最終一致性，大量引入消息隊列 MQ 的分佈式事務，既能夠實現系統之間的解耦，又能夠保證最終的數據一致性。
• 大數據分析：數據在「流動」中產生價值，傳統數據分析大可能是基於批量計算模型，而沒法作到實時的數據分析，利用阿里雲消息隊列 MQ 與流式計算引擎相結合，能夠很方便的實現將業務數據進行實時分析。 分佈式緩存同步：天貓雙 11 大促，各個分會場琳琅滿目的商品須要實時感知價格變化，大量併發訪問數據庫致使會場頁面響應時間長，集中式緩存由於帶寬瓶頸限制商品變動的訪問流量，經過消息隊列 MQ 構建分佈式緩存，實時通知商品數據的變化。

解耦

• MQ未參與系統，系統耦合

• MQ參與系統解耦

異步

• MQ未參與系統，各系統之間同步調用
• MQ參與系統，各系統之間異步調用

消峯

• MQ未參與系統，用戶高併發請求時
• MQ未參與系統，用戶高併發請求時，消峯處理

如感受文章對你有所幫助，能夠關注微信公衆號【五彩的顏色】鼓勵一下