5.4 KiB
tags, create time
| tags | create time | |
|---|---|---|
|
2026-05-24 19:52 |
MQ 适用场景与选型原则
概述
MQ 并非银弹。本文详解三大经典适用场景的架构实践，明确不适合使用 MQ 的边界，并给出选型决策框架和常见反模式警示。
正文
三大经典场景详解
场景一：系统解耦
当多个下游系统需要感知同一事件时，MQ 让生产者无需感知消费者的存在。
graph LR
O["Order Service"] -->|Publish| MQ["MQ Broker"]
MQ -->|Subscribe| INV["Inventory Service"]
MQ -->|Subscribe| PTS["Points Service"]
MQ -->|Subscribe| LOG["Logistics Service"]
MQ -->|Subscribe| NOTIFY["Notification Service"]
新增"数据仓库"服务？只需要订阅 order_created topic，Order Service 的代码一行不用动。
// Order Service 只管发消息
func CreateOrder(order Order) {
db.Save(order)
mq.Publish("order_created", order)
}
// Inventory Service 独立订阅
func HandleOrderCreated(msg Message) {
var order Order
json.Unmarshal(msg.Body, &order)
inventory.Deduct(order.ItemID, order.Qty)
}
场景二：异步处理
将非核心链路从主流程中剥离，缩短用户感知的响应时间。
graph TD
U["User Request"] --> API["API Gateway"]
API --> DB["Core DB Write"]
API -->|Async| MQ["MQ Broker"]
MQ --> EMAIL["Email Service"]
MQ --> ANALYTICS["Analytics Service"]
MQ --> SEARCH["Search Index Update"]
以电商下单为例，核心链路是扣库存和创建订单记录（同步），而发邮件、更新搜索索引、埋点统计等可以异步处理。
func PlaceOrder(order Order) {
// 同步: 核心链路
db.CreateOrder(order)
db.DeductStock(order.ItemID, order.Qty)
// 异步: 非核心链路,扔给 MQ
mq.Publish("order_placed", order) // 邮件、搜索索引、埋点各自消费
}
[!question] 如果异步任务失败了怎么办？比如邮件发送失败，用户收不到通知——你需要什么机制来保证最终成功？
场景三：流量削峰
秒杀、抢购等场景下，瞬时流量远超系统承载能力。MQ 作为缓冲层，让下游匀速处理。
graph LR
REQ["10000 QPS"] --> LB["Load Balancer"]
LB --> APP["App Server"]
APP -->|Instant peak| MQ["MQ Buffer"]
MQ -->|Rate limited| DB["Database"]
// 生产者: 接住流量
func Seckill(ctx context.Context, req SeckillReq) error {
// 先做前置校验(限流、参数校验)
if !rateLimiter.Allow() {
return ErrTooManyRequests
}
return mq.Publish("seckill", req)
}
// 消费者: 匀速消费,保护数据库
func SeckillConsumer() {
for msg := range mq.Subscribe("seckill") {
// 限速: 每秒最多处理 500 个请求
rateLimiter.Wait()
processSeckill(msg)
}
}
[!question] 削峰场景中，如果 MQ 的消费速度持续低于生产速度，会发生什么？如何应对？
不适合使用 MQ 的场景
MQ 解决了分布式系统中的很多问题，但有些场景引入 MQ 反而画蛇添足：
1. 强一致性要求
金融转账、扣款等场景要求操作原子性。MQ 的异步特性天然支持最终一致性，但无法保证强一致。如果 A 扣款成功但消息丢失，B 没收到钱——这就是事故。
2. 简单的 RPC 调用
如果 A 服务调用 B 服务，只需要一个同步返回值（比如查询用户信息），直接 HTTP/gRPC 调用更简单。引入 MQ 多了一层 Broker，增加了延迟和运维成本，纯属多此一举。
3. 实时性极高的场景
游戏服务器的实时状态同步、在线聊天等场景要求毫秒级响应。MQ 的存储转发机制会引入额外延迟，直接 WebSocket 或长连接更合适。
选型决策框架
选型时需要综合考虑以下维度，没有"最好"的 MQ，只有"最合适"的：
| 维度 | Kafka | RabbitMQ | RocketMQ | Pulsar |
|---|---|---|---|---|
| 吞吐量 | 极高（百万级/s） | 中等（万级/s） | 高（十万级/s） | 极高（百万级/s） |
| 延迟 | 毫秒~秒级 | 微秒~毫秒级 | 毫秒级 | 毫秒级 |
| 消息可靠性 | 高（副本机制） | 高（镜像队列） | 高（同步双写） | 高（BookKeeper） |
| 运维成本 | 中等（依赖 ZK/KRaft） | 低（开箱即用） | 中等 | 高（组件多） |
| 生态 | 极丰富（Flink/Spark） | 成熟（插件体系） | 较丰富 | 成长中 |
| 典型场景 | 大数据管道、日志 | 企业应用、复杂路由 | 电商、金融 | 多租户、云原生 |
[!question] 如果你的团队只有 3 个人，系统日均消息量 10 万条，你会选择哪个 MQ？为什么？
反模式警示
MQ 万能论
"所有异步操作都用 MQ"是一个常见误区。如果只是简单的后台任务，用一个 goroutine 池或者任务调度器就够了，不需要引入一个分布式 Broker。MQ 的运维成本、消息丢失风险、幂等性处理等都是实打实的工程代价。
过度异步化
把本该同步完成的核心链路也异步化，会导致：
- 事务边界变得模糊，难以保证数据一致性
- 排查问题时调用链断裂，日志追踪困难
- 用户反馈"下单成功了但库存没扣"——因为扣库存的消息还在队列里排队
记住一个原则：用户需要立即看到结果的操作，不要异步化。