假设有这样一个场景,服务A产生数据,而服务B,C,D需要这些数据,那么我们可以在A服务中直接调用B,C,D服务,把数据传递到下游服务即可
但是随着我们的应用规模不断扩大,会有更多的服务需要A的数据,比如有几十个甚至上百个下游服务,而且会不断变更,再加上要考虑下游服务出错的情况,那么A服务中调用代码的维护会极为困难
这是由于服务之间的耦合度过于紧密
再来考虑用RabbitMQ解耦的情况
A服务只需要向消息服务器发送消息,而不用考虑谁需要这些数据,下游服务如果需要数据,自行从消息服务器订阅消息,不再需要数据时则取消订阅即可
假设我们有一个应用,平时访问量是每秒300请求,我们用一台服务器即可轻松应对
在高峰期,访问量瞬间翻了10倍,达到每秒3000次请求,那么单台服务器肯定无法应对,这时我们可以考虑增加到10台服务器,来分散访问压力
但如果这种瞬间高峰的情况每天只出现一次,每次只有半个小时,那么我们10台服务器在多数时间都只分担每秒几十次请求,这样就有点浪费资源了
这种情况,我们就可以使用RabbitMQ来进行流量削峰,高峰情况下,瞬间出现的大量请求数据,先发送到消息队列服务器,排队等待被处理,而我们的应用,可以慢慢的从消息队列接收请求数据进行处理,这样把数据处理时间拉长,以减轻瞬间压力。
这是消息队列服务器非常典型的应用场景
考虑定外卖支付成功的情况
支付后要发送支付成功的通知,在寻找外卖小哥来进行配送,而寻找外卖小哥的过程非常耗时,尤其是高峰期,可能要等待几十秒甚至更长
这样就造成整条调用链路响应非常缓慢
而如果我们引入RabbitMQ消息队列,订单数据可以发送到消息队列服务器,那么调用链路也就可以到此结束,订单系统则可以立即得到响应,整条链路的响应时间只有200毫秒左右
寻找外卖小哥的应用可以以异步的方式从消息队列接收订单消息,在执行耗时的寻找操作
原文:https://www.cnblogs.com/lxzlovewyq/p/13762749.html