应用场景
- 异步处理：将同步变成异步，提高主流程相应速度
- 系统解耦：各个系统通过 MQ 进行通信
- 数据同步：MQ 可以保证数据修改的有序性
- 流量削峰：系统瓶颈通常在 DB 上，可以考虑将数据写入 MQ 和 Cache，等流量过去，Worker 将数据刷到 DB 中
常见队列类型
缓冲队列：实现批量处理、异步处理和平滑处理。例如写日志，不用每次都写入磁盘，可以 10 次一起写入磁盘。
任务队列：存放异步任务。例如用户注册后，发送邮件、下发消息提醒、送优惠券等一系列动作，都可以放入任务队列。
消息队列：订阅发布模式，解耦各个系统。
请求队列：对用户请求排队，进行请求隔离、流量控制、分级处理等措施。
优先级队列：按照优先级执行 Worker。
混合队列：组装各种队列，例如对于一个系统的某个模块，其队列组成可以是请求队列 => 任务队列 => 失败任务队列。
举例：订单系统架构设计
有意思的点：
- （对应 step 2.1）对订单号 hash，将其“暂存”到缓冲数据表，通过 worker 同步到最终数据表。同步改成异步，降低数据表压力。
- （对应 step 2.3）如果上述的缓冲数据表异常，则“降级”写最终数据表。
- （对应 step 2.2）除了会将数据缓存到缓冲数据表，还会将数据“双写”到订单“缓存”。对外提供数据查询服务。
- （对应 step 5）为了保证缓存是最新的数据，订单中心的数据也会定时同步缓存。
举例：扣库存
步骤：
- 数据从 DB 预加载到 redis 中
- 在 redis 上扣减库存
- 同步到 MQ 记录
- 脚本（Worker）定时消费 MQ 记录，进行一些业务校验、去重等逻辑，数据最终落盘到 DB
总结
上面两个例子，设计的核心点是：牺牲强一致性，但保证数据最终一致性。
并且队列适合频繁写的场景，技巧上就是通过缓存+队列的组合，来进行流量消峰。而读频繁的场景，技巧上就是通过多级缓存来抗。
参考
- 《亿级流量网站架构》