php队列数据一致性 php栈与队列的区别

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

数据一致性问题

最近在整理线上问题时发现绝大部分的问题都是由于数据不一致导致的，而且这类问题往往也比较难处理，那一般数据一致性都是由哪些原因造成的呢。

问题case最多的就是分布式场景下的数据一致性问题，这也是比较难规避的的场景。

分布式数据一致性通常分为两种，一种是对实时性要求较高的一致性（同步链路一致性）；一种是可以接受短暂不一致的场景（异步链路一致性）。

异步链路一致性问题一般有一部分主要数据与依赖数据组成，例如用户支付完成之后需要给用户发放红包，短信通知等。这种场景通常通过消息的方式来实现。消息实现最终一致性主要要考虑消息顺序、消息幂等以及事务性消息等问题。另外一种常用的方式是通过任务队列来进行重试。两种方式思路都是通过将次要系统的更新与主链路解耦开，然后通过重试的方式来达到一致性。

相比异步链路一致性问题，同步的处理起来会复杂一些。

比如经典的下单问题，下单过程中需要调用库存、优惠券等多个系统，过程中出现不一致如何处理。常见的处理方式通过两阶段提交加消息的方式来解决，即先生成不可见订单，然后依次调用库存、优惠券等系统，如果所有调用成功，将订单设置为可见；如果中间出现调用某个系统失败，这个时候会发送废单消息，各个系统通过监听废单消息做对应的反操作。可以看到同步链路是的第二阶段与异步链路的处理方式类似，只不过多了一步预先的操作。

另外一个问题与这个相反，当用户生成一笔付款单时，需要在支付平台生成一笔支付相关的单据，如果底层的支付单据成功而付款单没有成功，这个时候就会产生问题，用户可以通过线下转账成功，但是没有对应的付款单据，这个是不可接受的。也就是说付款单成功时支付单可以短暂的不成功，反过来却不行。但是系统的发起方又是从付款单开始。

单库场景出现数据不一致只能是数据的更新没有放到同一个事务中，目前我遇到的主要有两种情况。

例如在一个支付系统中，当支付完成时先更新了支付核心（paycore）的数据，在更新完支付核心之后再推进收单层数据的更新，当更新收单层时如果出现锁冲突等异常时，就会出现系统数据的不一致。

一个可选的方式是使用一个待更新的context，每个层次将要修改的数据先放到这个context中，然后最后在同一的公共模块中对所有的数据进行一次的更新操作。

另外一点值得注意的是系统的事务调用关系不要弄的太复杂，过多的事务嵌套会导致事务的边界不清，容易造成数据的不一致。如果所有的数据需要保证一致，最好只开一次事务完成所有的更新。

最开始系统设计的时候只有数据B需要更新，而系统中存在多处更新的入口。

随着业务的发展，这时数据添加的了B1，当更新B时需要同时更新B1，而往往这个时候只考虑了主要链路，而忽视了其它分支入口。因此当新增了关联数据更新时，需要去评估更新的入口来源，将更新封装起来，修改所有的更新入口。

当我们进行系统设计时，首先需要去梳理下哪些数据需要保证一致性，然后思考下会有哪些不一致的情况，分别属于什么case，然后使用对应的一些解决方案。

在分布式场景很难保证数据的一致性，即使使用了重试机制等还是会出现少量的不一致，如果这些不一致是无法接受的，那还需要使用一些核对的机制（实时核对、离线核对）来快速的发现问题，保证及时的进行人工的处理。

参考：

消息队列(三)kafka的一致性和失败处理策略

如前篇所讲，假如对登录系统，主流程是php队列数据一致性：用户请求--验证账户密码--返回成功php队列数据一致性；一些其php队列数据一致性他流程包括：积分、提醒、荣誉系统等；这里有个问题是：如果这两者有一个失败了怎么办php队列数据一致性？

由于Message由Producer发送到Topic的Master Partition的时候，为了保证可靠性，会等待In-Sync的Replicas都同步完成之后才会返回成功；这里同样有个问题：如果返回超时怎么办？

在Consumer的客户端，为了提高效率，会分为Fetch线程和Consume线程，在consume完成之后，会提交offset；问题是：提交offset和consume仅有一个失败怎么办？

这种语义，很难被接受，网络故障、主副本选举、超时等因素就可能造成这种现象，而且若没这方面的意识，日志可能都不会打印，人工补偿都没法做到，造成这种现象的原因有：

a) 生产者：(很多参数可以影响，挑几个重点的)

异步调用，并没有设置回调函数；

ack=0,不等Broker确认就继续发送消息;

ack=1,等待leader确认后再发送消息,若follower没有跟上, 且leader挂掉,再选举将丢失

retries=0，不重试，或者重试之后，仍旧失败，不考虑重试队列或者人工补偿

b) 消费者

设置为自动提交，时间间隔设置的较短，且不手动提交offset；前文说到，Consumer分为Fetch和Consume两步，自动提交的offset是Fetch的，所以提交的最高offset的message还未处理；

这种语义，被实现的较多，往往Consumer会拉到重复的message，再去在cache中做一层去重的处理，然后实现Exactly Once，至少在0.11之前未实现kafka事务之前；

a) 生产者

ack=ALL/-1,即等待In-sync的follower确认，才继续发送；

且retries 1，且还是失败了之后，要有重试队列、死信队列、人工补偿的方案；

b)消费者：关闭自动提交，并每次手动提交offset

a) 在At least once 的基础上，在业务方做幂等或者去重，比如redis去重，或业务上幂等;

b) 在At least once 的基础上，将offset和处理的结果组成一个原子事务，但这种方法，我个人觉得引入了更多的复杂性，参考

c) 上面保证了不出错的情况下的，出错的情况下，需要重试队列、死信队列进行补偿；

d) kafka的0.11版本之后，提供了事务，利用事务可以实现；

kafka中没有实现重试队列和死信队列的功能，但是由于当前的message的offset如果不提交，就会阻塞后续的消费，所以需要预留失败的message补偿的机制；实现方法有几种：

用本地队列去控制，设置在定时器中，给任务设置30s，5min，30min三次重试的机会，如果不行，持久化到DB中，进行人工干预，当然报警、日志都要跟上; 优点：逻辑简单、实现简单，缺点：需要一些机制保证本地cache的可靠性，比如加hook预防服务更新，但是这样仍不能完全解决，还要面临初始化重试队列、宕机来不及调用hook等问题；

这个代价略大，而且这种不太受我们控制，很多消息队列的选型是已经固定的；修改kafka实现也不可能；

这种思路也面临很大的问题：就是kafka没有实现延时的功能，那么新的message可能瞬时就被消费了，但是这个时候导致失败的原因，比如DB连接、网络问题没有解决，很快尝试几次之后，就进到死信队列了；

还有一种是《深入kafka》一书中也讲了一些方法，但是都需要改动kafka的内部实现，这个不太适合小型项目；

redis是很普遍的组件，而且对于少量失败、且对重试时间要求没那么严格的情况下，redis很适合，redis的持久化、哨兵之类的，对可靠性保证的还是很不错的；

留一篇文章，留着回忆redis的时候，再写吧

PHP 数据结构队列(SplQueue)和优先队列(SplPriorityQueue)简单使用实例

队列这种数据结构更简单，就像我们生活中排队一样，它的特性是先进先出(FIFO)。

PHP

SPL中SplQueue类就是实现队列操作，和栈一样，它也可以继承双链表(SplDoublyLinkedList)轻松实现。

SplQueue类摘要如下：

SplQueue简单使用如下：

复制代码

代码如下:

$queue

new

SplQueue();

/**

可见队列和双链表的区别就是IteratorMode改变了而已，栈的IteratorMode只能为：

（1）SplDoublyLinkedList::IT_MODE_FIFO

SplDoublyLinkedList::IT_MODE_KEEP

（默认值,迭代后数据保存）

（2）SplDoublyLinkedList::IT_MODE_FIFO

SplDoublyLinkedList::IT_MODE_DELETE

（迭代后数据删除）

$queue-setIteratorMode(SplDoublyLinkedList::IT_MODE_FIFO

SplDoublyLinkedList::IT_MODE_DELETE);

//SplQueue::enqueue()其实就是

SplDoublyLinkedList::push()

$queue-enqueue('a');

$queue-enqueue('b');

$queue-enqueue('c');

//SplQueue::dequeue()其实就是

SplDoublyLinkedList::shift()

print_r($queue-dequeue());

foreach($queue

$item)

{

echo

$item

PHP_EOL;

}

print_r($queue);

而优先队列SplPriorityQueue是基于堆(后文介绍)实现的。

SplPriorityQueue的类摘要如下：

SplPriorityQueue简单使用：

$pq

new

SplPriorityQueue();

$pq-insert('a',

10);

$pq-insert('b',

1);

$pq-insert('c',

8);

echo

$pq-count()

.PHP_EOL;

//3

echo

$pq-current()

PHP_EOL;

//a

/**

设置元素出队模式

SplPriorityQueue::EXTR_DATA

仅提取值

SplPriorityQueue::EXTR_PRIORITY

仅提取优先级

SplPriorityQueue::EXTR_BOTH

提取数组包含值和优先级

$pq-setExtractFlags(SplPriorityQueue::EXTR_DATA);

while($pq-valid())

{

print_r($pq-current());

//a

$pq-next();

}

php有没有操作一致性的方法？同时成功同时失败

你说的应该是mysql的事务机制，修改不同表数据的时候，要么同时成功，只要有一条失败都不能算成功，你可以用php手动开启事务，可以这么写

$mysqli-query("START TRANSACTION")；

$mysqli-query("INSERT INTO a(field1) VALUES ('a1')"）;

$mysqli-query("INSERT INTO b(field2) VALUES ('a2')"）;

$mysqli-query("commit"）;

大概格式就是这样，希望对你有帮助

大型的PHP应用，通常使用什么应用做消息队列？

一、消息队列概述\x0d\x0a消息队列中间件是分布式系统中重要的组件，主要解决应用耦合，异步消息，流量削锋等问题。实现高性能，高可用，可伸缩和最终一致性架构。是大型分布式系统不可缺少的中间件。\x0d\x0a目前在生产环境，使用较多的消息队列有ActiveMQ，RabbitMQ，ZeroMQ，Kafka，MetaMQ，RocketMQ等。\x0d\x0a二、消息队列应用场景\x0d\x0a以下介绍消息队列在实际应用中常用的使用场景。异步处理，应用解耦，流量削锋和消息通讯四个场景。\x0d\x0a2.1异步处理\x0d\x0a场景说明：用户注册后，需要发注册邮件和注册短信。传统的做法有两种1.串行的方式；2.并行方式。\x0d\x0a（1）串行方式：将注册信息写入数据库成功后，发送注册邮件，再发送注册短信。以上三个任务全部完成后，返回给客户端。（架构KKQ：466097527，欢迎加入）\x0d\x0a（2）并行方式：将注册信息写入数据库成功后，发送注册邮件的同时，发送注册短信。以上三个任务完成后，返回给客户端。与串行的差别是，并行的方式可以提高处理的时间。\x0d\x0a假设三个业务节点每个使用50毫秒钟，不考虑网络等其他开销，则串行方式的时间是150毫秒，并行的时间可能是100毫秒。\x0d\x0a因为CPU在单位时间内处理的请求数是一定的，假设CPU1秒内吞吐量是100次。则串行方式1秒内CPU可处理的请求量是7次（1000/150）。并行方式处理的请求量是10次（1000/100）。\x0d\x0a小结：如以上案例描述，传统的方式系统的性能（并发量，吞吐量，响应时间）会有瓶颈。如何解决这个问题呢？\x0d\x0a引入消息队列，将不是必须的业务逻辑，异步处理。改造后的架构如下：\x0d\x0a按照以上约定，用户的响应时间相当于是注册信息写入数据库的时间，也就是50毫秒。注册邮件，发送短信写入消息队列后，直接返回，因此写入消息队列的速度很快，基本可以忽略，因此用户的响应时间可能是50毫秒。因此架构改变后，系统的吞吐量提高到每秒20 QPS。比串行提高了3倍，比并行提高了两倍。\x0d\x0a2.2应用解耦\x0d\x0a场景说明：用户下单后，订单系统需要通知库存系统。传统的做法是，订单系统调用库存系统的接口。如下图：\x0d\x0a传统模式的缺点：\x0d\x0a1）假如库存系统无法访问，则订单减库存将失败，从而导致订单失败；\x0d\x0a2）订单系统与库存系统耦合；\x0d\x0a如何解决以上问题呢？引入应用消息队列后的方案，如下图：\x0d\x0a订单系统：用户下单后，订单系统完成持久化处理，将消息写入消息队列，返回用户订单下单成功。\x0d\x0a库存系统：订阅下单的消息，采用拉/推的方式，获取下单信息，库存系统根据下单信息，进行库存操作。\x0d\x0a假如：在下单时库存系统不能正常使用。也不影响正常下单，因为下单后，订单系统写入消息队列就不再关心其他的后续操作了。实现订单系统与库存系统的应用解耦。\x0d\x0a2.3流量削锋\x0d\x0a流量削锋也是消息队列中的常用场景，一般在秒杀或团抢活动中使用广泛。\x0d\x0a应用场景：秒杀活动，一般会因为流量过大，导致流量暴增，应用挂掉。为解决这个问题，一般需要在应用前端加入消息队列。\x0d\x0a可以控制活动的人数；\x0d\x0a可以缓解短时间内高流量压垮应用；\x0d\x0a用户的请求，服务器接收后，首先写入消息队列。假如消息队列长度超过最大数量，则直接抛弃用户请求或跳转到错误页面；\x0d\x0a秒杀业务根据消息队列中的请求信息，再做后续处理。\x0d\x0a2.4日志处理\x0d\x0a日志处理是指将消息队列用在日志处理中，比如Kafka的应用，解决大量日志传输的问题。架构简化如下：\x0d\x0a日志采集客户端，负责日志数据采集，定时写受写入Kafka队列；\x0d\x0aKafka消息队列，负责日志数据的接收，存储和转发；\x0d\x0a日志处理应用：订阅并消费kafka队列中的日志数据；\x0d\x0a以下是新浪kafka日志处理应用案例：\x0d\x0a(1)Kafka：接收用户日志的消息队列。\x0d\x0a(2)Logstash：做日志解析，统一成JSON输出给Elasticsearch。\x0d\x0a(3)Elasticsearch：实时日志分析服务的核心技术，一个schemaless，实时的数据存储服务，通过index组织数据，兼具强大的搜索和统计功能。\x0d\x0a(4)Kibana：基于Elasticsearch的数据可视化组件，超强的数据可视化能力是众多公司选择ELK stack的重要原因。\x0d\x0a2.5消息通讯\x0d\x0a消息通讯是指，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。比如实现点对点消息队列，或者聊天室等。\x0d\x0a点对点通讯：\x0d\x0a客户端A和客户端B使用同一队列，进行消息通讯。\x0d\x0a聊天室通讯：\x0d\x0a客户端A，客户端B，客户端N订阅同一主题，进行消息发布和接收。实现类似聊天室效果。\x0d\x0a以上实际是消息队列的两种消息模式，点对点或发布订阅模式。模型为示意图，供参考。\x0d\x0a三、消息中间件示例\x0d\x0a3.1电商系统\x0d\x0a消息队列采用高可用，可持久化的消息中间件。比如Active MQ，Rabbit MQ，Rocket Mq。（1）应用将主干逻辑处理完成后，写入消息队列。消息发送是否成功可以开启消息的确认模式。（消息队列返回消息接收成功状态后，应用再返回，这样保障消息的完整性）\x0d\x0a（2）扩展流程（发短信，配送处理）订阅队列消息。采用推或拉的方式获取消息并处理。\x0d\x0a（3）消息将应用解耦的同时，带来了数据一致性问题，可以采用最终一致性方式解决。比如主数据写入数据库，扩展应用根据消息队列，并结合数据库方式实现基于消息队列的后续处理。\x0d\x0a3.2日志收集系统\x0d\x0a分为Zookeeper注册中心，日志收集客户端，Kafka集群和Storm集群（OtherApp）四部分组成。\x0d\x0aZookeeper注册中心，提出负载均衡和地址查找服务；\x0d\x0a日志收集客户端，用于采集应用系统的日志，并将数据推送到kafka队列；\x0d\x0a四、JMS消息服务\x0d\x0a讲消息队列就不得不提JMS 。JMS（Java Message Service,Java消息服务）API是一个消息服务的标准/规范，允许应用程序组件基于JavaEE平台创建、发送、接收和读取消息。它使分布式通信耦合度更低，消息服务更加可靠以及异步性。\x0d\x0a在EJB架构中，有消息bean可以无缝的与JM消息服务集成。在J2EE架构模式中，有消息服务者模式，用于实现消息与应用直接的解耦。\x0d\x0a4.1消息模型\x0d\x0a在JMS标准中，有两种消息模型P2P（Point to Point）,Publish/Subscribe(Pub/Sub)。\x0d\x0a4.1.1 P2P模式\x0d\x0aP2P模式包含三个角色：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，直到他们被消费或超时。\x0d\x0aP2P的特点\x0d\x0a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)\x0d\x0a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\x0d\x0a接收者在成功接收消息之后需向队列应答成功\x0d\x0a如果希望发送的每个消息都会被成功处理的话，那么需要P2P模式。（架构KKQ：466097527，欢迎加入）\x0d\x0a4.1.2 Pub/sub模式\x0d\x0a包含三个角色主题（Topic），发布者（Publisher），订阅者（Subscriber）。多个发布者将消息发送到Topic,系统将这些消息传递给多个订阅者。\x0d\x0aPub/Sub的特点\x0d\x0a每个消息可以有多个消费者\x0d\x0a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者之后，才能消费发布者的消息。\x0d\x0a为了消费消息，订阅者必须保持运行的状态。\x0d\x0a为了缓和这样严格的时间相关性，JMS允许订阅者创建一个可持久化的订阅。这样，即使订阅者没有被激活（运行），它也能接收到发布者的消息。\x0d\x0a如果希望发送的消息可以不被做任何处理、或者只被一个消息者处理、或者可以被多个消费者处理的话，那么可以采用Pub/Sub模型。\x0d\x0a4.2消息消费\x0d\x0a在JMS中，消息的产生和消费都是异步的。对于消费来说，JMS的消息者可以通过两种方式来消费消息。\x0d\x0a（1）同步\x0d\x0a订阅者或接收者通过receive方法来接收消息，receive方法在接收到消息之前（或超时之前）将一直阻塞；\x0d\x0a（2）异步\x0d\x0a订阅者或接收者可以注册为一个消息监听器。当消息到达之后，系统自动调用监听器的onMessage方法。\x0d\x0aJNDI：Java命名和目录接口,是一种标准的Java命名系统接口。可以在网络上查找和访问服务。通过指定一个资源名称，该名称对应于数据库或命名服务中的一个记录，同时返回资源连接建立所必须的信息。\x0d\x0aJNDI在JMS中起到查找和访问发送目标或消息来源的作用。（架构KKQ：466097527，欢迎加入）\x0d\x0a4.3JMS编程模型\x0d\x0a(1) ConnectionFactory\x0d\x0a创建Connection对象的工厂，针对两种不同的jms消息模型，分别有QueueConnectionFactory和TopicConnectionFactory两种。可以通过JNDI来查找ConnectionFactory对象。\x0d\x0a(2) Destination\x0d\x0aDestination的意思是消息生产者的消息发送目标或者说消息消费者的消息来源。对于消息生产者来说，它的Destination是某个队列（Queue）或某个主题（Topic）;对于消息消费者来说，它的Destination也是某个队列或主题（即消息来源）。\x0d\x0a所以，Destination实际上就是两种类型的对象：Queue、Topic可以通过JNDI来查找Destination。\x0d\x0a(3) Connection\x0d\x0aConnection表示在客户端和JMS系统之间建立的链接（对TCP/IP socket的包装）。Connection可以产生一个或多个Session。跟ConnectionFactory一样，Connection也有两种类型：QueueConnection和TopicConnection。\x0d\x0a(4) Session\x0d\x0aSession是操作消息的接口。可以通过session创建生产者、消费者、消息等。Session提供了事务的功能。当需要使用session发送/接收多个消息时，可以将这些发送/接收动作放到一个事务中。同样，也分QueueSession和TopicSession。\x0d\x0a(5) 消息的生产者\x0d\x0a消息生产者由Session创建，并用于将消息发送到Destination。同样，消息生产者分两种类型：QueueSender和TopicPublisher。可以调用消息生产者的方法（send或publish方法）发送消息。\x0d\x0a(6) 消息消费者\x0d\x0a消息消费者由Session创建，用于接收被发送到Destination的消息。两种类型：QueueReceiver和TopicSubscriber。可分别通过session的createReceiver(Queue)或createSubscriber(Topic)来创建。当然，也可以session的creatDurableSubscriber方法来创建持久化的订阅者。\x0d\x0a(7) MessageListener\x0d\x0a消息监听器。如果注册了消息监听器，一旦消息到达，将自动调用监听器的onMessage方法。EJB中的MDB（Message-Driven Bean）就是一种MessageListener。\x0d\x0a深入学习JMS对掌握JAVA架构，EJB架构有很好的帮助，消息中间件也是大型分布式系统必须的组件。本次分享主要做全局性介绍，具体的深入需要大家学习，实践，总结，领会。\x0d\x0a五、常用消息队列\x0d\x0a一般商用的容器，比如WebLogic，JBoss，都支持JMS标准，开发上很方便。但免费的比如Tomcat，Jetty等则需要使用第三方的消息中间件。本部分内容介绍常用的消息中间件（Active MQ,Rabbit MQ，Zero MQ,Kafka）以及他们的特点。\x0d\x0a5.1 ActiveMQ\x0d\x0aActiveMQ 是Apache出品，最流行的，能力强劲的开源消息总线。ActiveMQ 是一个完全支持JMS1.1和J2EE 1.4规范的 JMS Provider实现，尽管JMS规范出台已经是很久的事情了，但是JMS在当今的J2EE应用中间仍然扮演着特殊的地位。\x0d\x0aActiveMQ特性如下：\x0d\x0a⒈ 多种语言和协议编写客户端。语言: Java,C,C++,C#,Ruby,Perl,Python,PHP。应用协议： OpenWire,Stomp REST,WS Notification,XMPP,AMQP\x0d\x0a⒉ 完全支持JMS1.1和J2EE 1.4规范（持久化，XA消息，事务)\x0d\x0a⒊ 对spring的支持，ActiveMQ可以很容易内嵌到使用Spring的系统里面去，而且也支持Spring2.0的特性\x0d\x0a⒋ 通过了常见J2EE服务器（如 Geronimo,JBoss 4,GlassFish,WebLogic)的测试，其中通过JCA 1.5 resource adaptors的配置，可以让ActiveMQ可以自动的部署到任何兼容J2EE 1.4 商业服务器上\x0d\x0a⒌ 支持多种传送协议：in-VM,TCP,SSL,NIO,UDP,JGroups,JXTA\x0d\x0a⒍ 支持通过JDBC和journal提供高速的消息持久化\x0d\x0a⒎ 从设计上保证了高性能的集群，客户端-服务器，点对点\x0d\x0a⒏ 支持Ajax\x0d\x0a⒐ 支持与Axis的整合\x0d\x0a⒑ 可以很容易得调用内嵌JMS provider，进行测试\x0d\x0a5.2 RabbitMQ\x0d\x0aRabbitMQ是流行的开源消息队列系统，用erlang语言开发。RabbitMQ是AMQP（高级消息队列协议）的标准实现。支持多种客户端，如：Python、Ruby、.NET、Java、JMS、C、PHP、ActionScript、XMPP、STOMP等，支持AJAX，持久化。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。\x0d\x0a几个重要概念：\x0d\x0aBroker：简单来说就是消息队列服务器实体。\x0d\x0aExchange：消息交换机，它指定消息按什么规则，路由到哪个队列。\x0d\x0aQueue：消息队列载体，每个消息都会被投入到一个或多个队列。\x0d\x0aBinding：绑定，它的作用就是把exchange和queue按照路由规则绑定起来。\x0d\x0aRouting Key：路由关键字，exchange根据这个关键字进行消息投递。\x0d\x0avhost：虚拟主机，一个broker里可以开设多个vhost，用作不同用户的权限分离。\x0d\x0aproducer：消息生产者，就是投递消息的程序。\x0d\x0aconsumer：消息消费者，就是接受消息的程序。\x0d\x0achannel：消息通道，在客户端的每个连接里，可建立多个channel，每个channel代表一个会话任务。\x0d\x0a消息队列的使用过程，如下：\x0d\x0a（1）客户端连接到消息队列服务器，打开一个channel。\x0d\x0a（2）客户端声明一个exchange，并设置相关属性。\x0d\x0a（3）客户端声明一个queue，并设置相关属性。\x0d\x0a（4）客户端使用routing key，在exchange和queue之间建立好绑定关系。\x0d\x0a（5）客户端投递消息到exchange。\x0d\x0aexchange接收到消息后，就根据消息的key和已经设置的binding，进行消息路由，将消息投递到一个或多个队列里。\x0d\x0a5.3 ZeroMQ\x0d\x0a号称史上最快的消息队列，它实际类似于Socket的一系列接口，他跟Socket的区别是：普通的socket是端到端的（1:1的关系），而ZMQ却是可以N：M 的关系，人们对BSD套接字的了解较多的是点对点的连接，点对点连接需要显式地建立连接、销毁连接、选择协议（TCP/UDP）和处理错误等，而ZMQ屏蔽了这些细节，让你的网络编程更为简单。ZMQ用于node与node间的通信，node可以是主机或者是进程。\x0d\x0a引用官方的说法： “ZMQ(以下ZeroMQ简称ZMQ)是一个简单好用的传输层，像框架一样的一个socket library，他使得Socket编程更加简单、简洁和性能更高。是一个消息处理队列库，可在多个线程、内核和主机盒之间弹性伸缩。ZMQ的明确目标是“成为标准网络协议栈的一部分，之后进入Linux内核”。现在还未看到它们的成功。但是，它无疑是极具前景的、并且是人们更加需要的“传统”BSD套接字之上的一层封装。ZMQ让编写高性能网络应用程序极为简单和有趣。”\x0d\x0a特点是：\x0d\x0a高性能，非持久化；\x0d\x0a跨平台：支持Linux、Windows、OS X等。\x0d\x0a多语言支持； C、C++、Java、.NET、Python等30多种开发语言。\x0d\x0a可单独部署或集成到应用中使用；\x0d\x0a可作为Socket通信库使用。\x0d\x0a与RabbitMQ相比，ZMQ并不像是一个传统意义上的消息队列服务器，事实上，它也根本不是一个服务器，更像一个底层的网络通讯库，在Socket API之上做了一层封装，将网络通讯、进程通讯和线程通讯抽象为统一的API接口。支持“Request-Reply “，”Publisher-Subscriber“，”Parallel Pipeline”三种基本模型和扩展模型。\x0d\x0aZeroMQ高性能设计要点：\x0d\x0a1、无锁的队列模型\x0d\x0a对于跨线程间的交互（用户端和session）之间的数据交换通道pipe，采用无锁的队列算法CAS；在pipe两端注册有异步事件，在读或者写消息到pipe的时，会自动触发读写事件。\x0d\x0a2、批量处理的算法\x0d\x0a对于传统的消息处理，每个消息在发送和接收的时候，都需要系统的调用，这样对于大量的消息，系统的开销比较大，zeroMQ对于批量的消息，进行了适应性的优化，可以批量的接收和发送消息。\x0d\x0a3、多核下的线程绑定，无须CPU切换\x0d\x0a区别于传统的多线程并发模式，信号量或者临界区， zeroMQ充分利用多核的优势，每个核绑定运行一个工作者线程，避免多线程之间的CPU切换开销。\x0d\x0a5.4 Kafka\x0d\x0aKafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据。这种动作（网页浏览，搜索和其他用户的行动）是在现代网络上的许多社会功能的一个关键因素。这些数据通常是由于吞吐量的要求而通过处理日志和日志聚合来解决。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的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群机来提供实时的消费。\x0d\x0aKafka是一种高吞吐量的分布式发布订阅消息系统，有如下特性：\x0d\x0a通过O(1)的磁盘数据结构提供消息的持久化，这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能。（文件追加的方式写入数据，过期的数据定期删除）\x0d\x0a高吞吐量：即使是非常普通的硬件Kafka也可以支持每秒数百万的消息。\x0d\x0a支持通过Kafka服务器和消费机集群来分区消息。\x0d\x0a支持Hadoop并行数据加载。\x0d\x0aKafka相关概念\x0d\x0aBroker\x0d\x0aKafka集群包含一个或多个服务器，这种服务器被称为broker[5]\x0d\x0aTopic\x0d\x0a每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic。（物理上不同Topic的消息分开存储，逻辑上一个Topic的消息虽然保存于一个或多个broker上但用户只需指定消息的Topic即可生产或消费数据而不必关心数据存于何处）\x0d\x0aPartition\x0d\x0aParition是物理上的概念，每个Topic包含一个或多个Partition.\x0d\x0aProducer\x0d\x0a负责发布消息到Kafka broker\x0d\x0aConsumer\x0d\x0a消息消费者，向Kafka broker读取消息的客户端。\x0d\x0aConsumer Group\x0d\x0a每个Consumer属于一个特定的Consumer Group（可为每个Consumer指定group name，若不指定group name则属于默认的group）。\x0d\x0a一般应用在大数据日志处理或对实时性（少量延迟），可靠性（少量丢数据）要求稍低的场景使用。