项目里接入了MQ消息中间件以后,我摸鱼的时间更长了~

news/2024/11/29 11:51:17/
V-xin:ruyuanhadeng获得600+页原创精品文章汇总PDF

一、前情回顾

之前给大家聊了一下,面试时如果遇到消息中间件这个话题,面试官上来可能问的两个问题:

  • 你们的系统架构中为什么要引入消息中间件?
  • 系统架构中引入消息中间件有什么缺点?

关于这两个问题的回答,可以参见之前的两篇文章:

  • 《 做了几年开发,你知道自己的系统为什么要用消息中间件吗?》
  • 《 别冒冒失失在项目里用MQ,里面很多坑都不知道肯定不行!》

在问完这两个问题之后,不同风格的面试官可能会展开不同的发问。

针对那种工作年限比较长的资深的同学,可能会开始就候选人所在公司使用的消息中间件,深入里面的技术细节,比如让你聊聊RocketMQ的架构原理和核心源码?

但是另外一种面试风格,会先从你们的项目和业务入手进行考察,比如像下面这样:

  • 消息中间件在你们生产项目里具体是哪个业务场景下落地的?
  • 这个业务场景有什么技术挑战?
  • 为什么必须要在这个业务场景里用消息中间件技术?
  • 具体使用消息中间件的时候是怎么来用的?

好!这篇文章,咱们从第二种风格来聊聊。


二、业务场景介绍

我们会落地到某个具体业务系统的某个场景下,看看如何使用消息中间件,然后其效果是什么。

业务场景的话,咱们就用大家都很熟悉的电商业务为例,这里为了便于理解,对其做了一定的抽象和简化。

大家还是来考虑一个下订单的业务流程,比如你下个订单,此时需要干几件事情:

  1. 更新订单状态为“待发货”(耗时20ms)
  2. 扣减商品库存(耗时100ms)
  3. 增加会员积分(耗时80ms)
  4. 附赠优惠券(耗时50ms)
  5. 仓储调度发货(耗时几十秒)。

说明一下:上述环节,为了便于大家理解,做了简化。实际真正复杂的电商系统里,整体环节和业务流程会比这个复杂很多倍,而且耗时也绝对不是上面那么简单的。

老规矩!我们还是通过一张手绘图,来看看这整个的业务流程:

在这里插入图片描述

如上图,这个下订单的业务流程中:

更新订单状态(20ms) + 扣减商品库存(100ms) + 增加会员积分(80ms) + 附赠优惠券(50ms) = 250ms。

也就是说,仅仅是这4个流程的话,也就200多毫秒的耗时。

200多毫秒的耗时,对用户下单体验来说是非常快速的,几乎就是一瞬间就完成了,不会感到过多的停顿,也就是一下子就可以看到自己下单成功了。

但是,如果加上那个调度仓储发货呢?

那个环节需要读取大量的数据、使用多仓库/多货位的调度算法、还要跟C/S架构的仓储系统进行网络通信,因此我们这里假设这个环节可能会耗时数十秒。

一旦加上那个调度仓储发货的环节到这个下单流程里,就可能导致用户要等页面卡顿几十秒后才会看到下单成功的提示,这个用户体验就相当的差了。

按照之前一篇文章《为什么要使用MQ消息中间件?这几个问题必须拿下!》的说法。对于这种场景,完全适合使用消息中间件来进行异步化调用。

也就是说,订单服务对仓储调度发货,仅仅是发送一个消息到MQ里,然后仓储服务消费消息之后再慢慢的执行调度算法,然后分配商品发货任务给对应的仓库即可。

这样的话,就可以把耗时几十秒的仓储调度发货的环节,从下单流程里摘除出去了。进而保证下单流程就仅仅是耗时200多毫秒而已。

至于那个耗时几十秒的仓储调度发货环节,我们通过异步的方式慢慢执行即可,不会影响用户下单的体验。

以上过程,我们同样来一张图,大家直观的感受一下:

在这里插入图片描述

三、初步落地

好!接下来我们就假设大家在实际生产中还没用过消息中间件,咱们从0开始,看看如何落地?

对于已经在生产中使用过消息中间件的小伙伴,不妨也看看,权当复习,温故知新!

我们以RabbitMQ为例,假如你用的消息中间件是RabbitMQ,那么我们对这个消息中间件应该如何安装和部署呢?

很简单,RabbitMQ的官方文档里提供了非常详细的安装部署步骤,你可以在自己的笔记本电脑本地安装,也可以在公司的服务器上部署。

现在假设你已经参考了官方文档并安装完成,那么接下来在代码层面应该怎么来引入RabbitMQ以及在系统里实现收发消息呢?

下面通过一些HelloWorld级别的代码和一些简单的示例图,给大家演示一下RabbitMQ是如何收发消息的。

对于很多在实际生产中使用过MQ的同学,这些代码可能对实际生产中使用过MQ的同学,显得太简单了。

不过考虑到很多初学者可能连用都没有用过MQ,甚至是才听说消息中间件不久,所以笔者认为这些demo代码以及手工绘图,还是很有必要。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

好!看完了代码,这个时候,我们可以通过一张图来想象一下两个服务之间的通信。

订单服务你可以启动多个,不同的订单服务都可以往一个RabbitMQ的queue里推送消息。

仓储服务你也可以启动多个,多个仓储服务会采用round-robin的轮询算法,每个服务实例都可以从RabbitMQ queue里消费到一部分的消息。

在这里插入图片描述

上面的图里,订单服务在MQ专业术语中叫做“生产者”,英文是“Producer”,意思就是这个服务是专门负责生产消息投递到MQ的。

仓储服务在MQ专业术语中叫做“消费者”,英文是“Consumer”,意思就是这个服务专门是负责从MQ消费消息然后处理的。

这个时候,这套异步通信的架构就可以跑起来了。

好了,到目前为止,虽然这个代码还存在不少问题,但是没关系,大体上我们已经给一些不太熟悉MQ技术的同学,从一个比较形象易于理解简化后的电商业务场景出发,通过HelloWorld级别的示例代码和手工绘图,将MQ这个技术落地跑起来了。

更进一步,各位同学完全可以参照这个文章里的案例,思考一下:自己负责的项目里,有没有类似的业务场景可以使用MQ的?

然后想办法在自己的项目里落地使用MQ的技术来做一下异步化,提升核心流程的性能。

这样未来在跳槽面试的时候,才可以做到游刃有余,有自己的一套东西可以说。

V-xin:ruyuanhadeng获得600+页原创精品文章汇总PDF

另外推荐儒猿课堂的1元系列课程给您,欢迎加入一起学习~

互联网Java工程师面试突击课(1元专享)

SpringCloudAlibaba零基础入门到项目实战(1元专享)

亿级流量下的电商详情页系统实战项目(1元专享)

Kafka消息中间件内核源码精讲(1元专享)

12个实战案例带你玩转Java并发编程(1元专享)

Elasticsearch零基础入门到精通(1元专享)

基于Java手写分布式中间件系统实战(1元专享)

基于ShardingSphere的分库分表实战课(1元专享)


http://www.ppmy.cn/news/3983.html

相关文章

点云中点法向量,点拟合的直线,点拟合的平面

点云中点法向量 计算步骤: 找到点pi相邻点集合S所有点Vi,然后去中心化,并构造协方差矩阵,公式如下: 二维点云该点曲率计算方法: 三维点云该点曲率计算方法: 最小特征值对应的特征向量就是点的法向量 Eigen::Vector2d ComputeNormal(std::v…

S3 Drive支持以及FIPS 140-2兼容性

S3 Drive支持以及FIPS 140-2兼容性 在Windows Arm64上运行-添加了在Microsoft Windows for Arm64上的功能。无需额外下载,安装程序将为您的系统选择正确的驱动程序和库。 现在符合FIPS 140-2。 现在,您可以使用新的CacheOnlyFiles设置阻止上载临时(或其他…

遇到华为防火墙双机热备故障,可以用这份笔记排查就行!

1、为什么原主用防火墙抢占后业务中断 如果主备切换后业务正常,原主用防火墙抢占后业务中断,通常是因为路由尚未收敛,或者会话表备份不完整。另外,某些交换机整机故障后,在重新启动的过程中,接口可能反复U…

面试怎么回答MySQL索引问题,看这里

前言 小A在宿舍里跟哥们开五黑打排位中,突然收到女神小美的消息:“小A,我今天面试碰到索引问题了,我没回答好”。小A顾不上游戏抓紧回复到:“到你宿舍某某咖啡店吧,我帮你一起看下”。 小A抓紧时间换了衣…

数字货币市场风暴肆虐,币圈人应该把握哪些新的赛道机遇

11月11日(周五)美股盘前,曾经为全球第二大加密货币交易所FTX在推特发布了申请破产保护的声明,创始人SBF已经辞去CEO职务。据声明,FTX已经任命John J. Ray III 担任CEO,SBF还将协助相关破产事宜。据FTX在推特…

按键控制LED

通过查询原理图 得到 #include "reg52.h" sbit key1 P2^1; sbit led1 P3^7; sbit key2 P2^0; void main() { //查询是否被按下 while(1){ if (key1 0){ led1 0;//灯亮 给P3.7一个低电平 } if(key2 0){ …

Launcher PAI无法自动下载某个应用

问题背景 配置launcher在线布局的时候,编译apk发给客户上传ADCP(Android Device Configuration Portal)。 按照要求配置布局之后,客户反馈有一个应用没有被自动下载。 问题分析 1、搜索该应用,发现story中无法搜索到。 2、在chrome中搜索改…

YOLOv5小目标切图检测

当我们在检测较大分辨率的图片时,对小目标的检测效果一直是较差的,所以就有了下面几种方法: 将图片压缩成大尺寸进行训练( 想法:没显存,搞不来)添加小检测头(想法:P5模型…