消息队列的使用

使用内存队列来处理基于内存的【生产者-消费者】场景

思考和使用Disruptor

Disruptor可以实现单个或多个生产者生产消息，单个或多个消费者消息，且消费者之间可以存在消费消息的依赖关系
使用Disruptor需要结合业务特性，设计要灵活
什么业务场景适合使用Disruptor
- Disruptor核心优势在于极致的低延迟和极高吞吐量，且通信发生在单个JVM进程内部的场景
- 高频交易系统 (HFT - High-Frequency Trading)：
  - 场景描述： 金融市场中的算法交易，需要在微秒甚至纳秒级别对市场数据做出反应，并快速下单。延迟每降低一点，都可能带来巨大的竞争优势。
  - 为何适合： Disruptor 最初就是为 LMAX 交易所设计的，用于处理海量的订单和行情数据。其低延迟特性对于捕捉转瞬即逝的交易机会至关重要。它可以用于订单处理流水线、市场数据分发、风险控制计算等。
- 实时风控与反欺诈系统：
  - 场景描述： 在支付、交易、登录等关键操作发生时，需要实时分析用户行为、交易模式等，快速识别潜在的风险或欺诈行为，并在毫秒级内做出决策（如阻止交易、要求额外验证）。
  - 为何适合： 需要处理高并发的事件流，并进行复杂的规则匹配和计算，同时对响应时间有极高要求。Disruptor 可以作为事件处理引擎的核心，确保快速处理和决策。
- 高性能日志处理框架：
  - 场景描述： 应用程序产生大量日志，需要异步地、高效地将日志事件从业务线程传递给日志写入线程，同时尽量减少对业务线程性能的影响。
  - 为何适合： Log4j2 的 Async Loggers 就是基于 Disruptor 实现的。它可以显著降低日志记录操作对应用主线程的阻塞时间，提高应用的整体吞吐量。
- 游戏服务器事件处理：
  - 场景描述： 大型多人在线游戏（MMO）服务器需要处理来自成千上万玩家的并发操作（移动、攻击、聊天等），并实时更新游戏世界状态，广播给其他相关玩家。
  - 为何适合： 游戏服务器对延迟非常敏感，任何卡顿都会严重影响玩家体验。Disruptor 可以用来构建高效的事件处理循环，快速响应玩家输入并分发状态更新。
- 实时数据分析与复杂事件处理 (CEP - Complex Event Processing)：
  - 场景描述： 从各种数据源（如传感器、网络流量、用户行为日志）接收高速数据流，实时识别特定模式、趋势或异常，并触发相应动作。
  - 为何适合： 需要在大量数据涌入时，以极低的延迟进行匹配和分析。Disruptor 可以作为CEP引擎内部事件排队和分发的骨干。
- 网络数据包处理/高性能网络应用：
  - 场景描述： 构建需要处理大量并发连接和高速网络数据包的服务器应用，如自定义的应用层网关、高性能代理服务器等。
  - 为何适合： 当网络 I/O 线程接收到数据包后，需要快速地将这些数据包（或解析后的事件）分发给工作线程进行处理。Disruptor 可以作为 I/O 线程和业务逻辑处理线程之间的高效桥梁。
- 任务调度与并行计算的内部协调：
  - 场景描述： 在一个复杂的计算任务中，可以将任务分解为多个阶段，由不同的线程组处理。阶段之间的数据传递需要高效且低延迟。
  - 为何适合： 如果这些阶段都在同一个JVM内部，并且对性能要求极高，Disruptor 可以作为这些并行处理单元之间的数据交换通道，避免传统队列的锁竞争开销。

Kafka

消息队列的设计意图

当消费不均衡（生产者生产的过快或消费者消费的过快）时，就在生产者和消费者中间加一个缓冲层，这个缓冲层就是消息队列

消息队列是分布式系统中的重要组件

消息队列的作用

异步：提升吞吐量
解耦：减少依赖，生产者和消费者之间没有直接的依赖，一个系统的故障不会影响另一个系统，保证系统的稳定性和健壮性
削峰填谷：消除短时负载过高
- 削峰：生产者的速度非常的高，并发流量非常的大，此时可以增加消费者线程，提高并发处理能力，来达到生产和消费的平衡
- 填谷：生产的频率降低，流量变小，此时可以减少一些消费者线程，来达到生产和消费的平衡
顺序性保证
可靠性保证：数据持久化

从整体的角度来看Kafka

Kafka分区再均衡（Rebalance, 平衡）

Kafka数据存储

日志文件消息格式

消息丢失和重复消费

Kafka消息丢失

从Kafka生产，消息持久化，消费过程看消息丢失

生产，消息持久化，消费过程丢失的解决方案

Kafka重复消费

重复消费的根本原因在于：已经消费了数据，但是offset没有成功提交，很大一部分原因是再均衡
- 消费者宕机，重启，消费了消息但是没有提交offset
- 还没有提交offset时，发生了rebalance
- 消息处理耗时太大，超过了(max.poll.interval.ms),发生了rebalance
重复消费的解决方案
- 最根本的解决方案是消费消息保证幂等性
  - 记录消息表，使用唯一索引
  - 缓存消费过的消息id(位图)