消息中间件概述

分布式架构通信

分布式架构通信原理

• RPC 主要基于 TCP/UDP 协议， HTTP 协议是应用层协议，是构建在传输层协议 TCP 之上的，
• RPC 效率更高， RPC 是长连接：不必每次通信都像 HTTP 一样三次握手，减少网络开销；
• HTTP 服务开发迭代更快：在接口不多，系统与系统之间交互比较少的情况下， HTTP 就显得更加方便；相反，在接口比较多，系统与系统之间交互比较多的情况下， HTTP 就没有 RPC 有优势。

分布式同步通信的问题

电商项目中，如果后台添加商品信息，该信息放到数据库。 我们同时，需要更新搜索引擎的倒排索引，同时，假如有商品页面的静态化处理，也需要更新该页面信息

应该怎么解决？

方式一 ：可以在后台添加商品的方法中，如果数据插入数据库成功，就调用更新倒排索引的方法，接着调用更新静态化页面的方法。

代码应该是：

Long goodsId = addGoods(goods);
if (goodsId != null) {
    refreshInvertedIndex(goods);
    refreshStaticPage(goods);
}

问题：假如更新倒排索引失败，该怎么办？假如更新静态页面失败怎么办？

解决方式： 如果更新倒排索引失败，重试；如果更新静态页面失败，重试

代码应该是这样：

public Long saveGoods() {
    Long goodsId = addGoods(goods);
    if (goodsId != null) {
        // 调用递归的方法，实现重试
        boolean indexFlag = refreshInvertedIndex(goods);
        // 调用递归的方法，实现重试
        boolean pageFlag = refreshStaticPage(goods);
    }
} 

private boolean refreshInvertedIndex(Goods goods) {
    // 调用服务的方法
    boolean flag = indexService.refreshIndex(goods);
    if (!flag) {
        refreshInvertedIndex(goods);
    }
} 

private boolean refreshStaticPage(Goods goods) {
    // 调用服务的方法
    boolean flag = staticPageService.refreshStaticPage(goods);
    if (!flag) {
        refreshStaticPage(goods);
    }
}

以上代码在执行中的问题：

1. 如果相应的更新一直失败，岂不是一直死循环直到调用栈崩溃？
2. 如果相应的更新一直在重试，在重试期间，添加商品的方法调用是不是一直阻塞中？
3. 如果添加商品的时候并发量很大，效率岂不是很低？

或许可以加上迭代的等待时间，迭代的次数加以限制，减少CPU消耗。

或许还可以加上多线程，同时执行更新的操作，减少执行的时间。

但是都是基于该调用一定在可见的时间内调用成功。

还是老问题：如果更新失败怎么办？

归根到底，是同步调用处理不当。这个问题在分布式架构中尤为严重。

方式二：可以先执行添加商品的方法，商品添加成功，将更新索引和更新静态页面的任务缓存到一个公共的位置，然后由相应的服务从该位置获取任务来执行。

Long goodsId = addGoods(goods);
if (goodsId != null) {
    goodsTaskService.cache(goods);
}

此时，由于添加商品仅仅是将数据插入数据库，然后将任务信息缓存，调用立刻返回。

对于添加商品方法的调用，不会存在线程阻塞，不会存在调用栈崩溃。

再考虑远一点：由于更新倒排索引的的服务和更新静态页面的服务要从公共的缓存或者叫任务池中取出任务并执行，它们也会有执行失败的问题，也需要重试。如果一直更新失败，也需要一个方式来处理。

比如如果更新失败，则每隔 3 秒钟重试一次，重试三次都失败则放弃执行。然后将错误结果放到另一个公共的地方，等待后续的补偿，无论是手工还是自动的。

还有问题：

1. 这个公共的任务池，会不会宕机？会不会服务不可用？如何解决？
2. 你一定确信消息发送到任务池了吗？
3. 如果在向任务池发送任务失败该如何处理？
4. 如果重试的时候发送成功了，但是实际上发送了多次，更新倒排索引服务和更新静态页面服务会不会重复执行？
5. 如果重复执行，最终结果会不会不一样？
6. 。。。

看来真是解决了一个问题，引进来三个问题。

如果上述的问题都由我们从 0 开始解决，开发难度可想而知。

分布式服务中，由于业务拆分，应用也需要拆分，甚至数据库分库分表。

但是完成一个业务处理，往往要设计到多个模块之间的协调处理。此时模块之间，服务与服务之间以及客户端与服务端之间的通信将变得非常复杂。

分布式异步通信模式

比较典型的 生产者消费者模式 ，可以跨平台、支持异构系统，通常借助消息中间件来完成。

优点 ：系统间解耦，并具有一定的可恢复性，支持异构系统，下游通常可并发执行，系统具备弹性。服务解耦、流量削峰填谷等

缺点 ：消息中间件存在一些瓶颈和一致性问题，对于开发来讲不直观且不易调试，有额外成本。

使用异步消息模式需要注意的问题：

1. 哪些业务需要同步处理，哪些业务可以异步处理？
2. 如何保证消息的安全？消息是否会丢失，是否会重复？
3. 请求的延迟如何能够减少？
4. 消息接收的顺序是否会影响到业务流程的正常执行？
5. 消息处理失败后是否需要重发？如果重发如何保证幂等性？

消息中间件简介

消息中间件概念

维基百科对消息中间件的解释：面向消息的系统（消息中间件）是在分布式系统中完成消息的发送和接收的基础软件。

消息中间件也可以称消息队列，是指用高效可靠的消息传递机制进行与平台无关的数据交流，并基于数据通信来进行分布式系统的集成。通过提供消息传递和消息队列模型，可以在分布式环境下扩展进程的通信。

消息中间件就是在通信的上下游之间截断：break it，Broker

然后利用中间件解耦、异步的特性，构建弹性、可靠、稳定的系统。

体会一下：“必有歹人从中作梗”，”定有贵人从中相助“

异步处理、流量削峰、限流、缓冲、排队、最终一致性、消息驱动 等需求的场景都可以使用消息中间件。

自定义消息中间件

并发编程领域经典面试题：请使用 Java 代码来实现 “生产者消费者模式”。

BlockingQueue（阻塞队列）是 Java 中常见的容器，在多线程编程中被广泛使用。

• 当队列容器已满时生产者线程被阻塞，直到队列未满后才可以继续 put
• 当队列容器为空时，消费者线程被阻塞，直至队列非空时才可以继续 take

@Data
@AllArgsConstructor
@NoArgsConstructor
public class KouZhao {
    private String id;
    private String type;
}

public class Producer implements Runnable {
    private final BlockingQueue<KouZhao> blockingQueue;

    public Producer(BlockingQueue<KouZhao> blockingQueue) {
        this.blockingQueue = blockingQueue;
    }

    @Override
    public void run() {
        while (true) {
            try {
                Thread.sleep(200);
                if (blockingQueue.remainingCapacity() > 0) {
                    KouZhao kouZhao = new KouZhao(UUID.randomUUID().toString(), "N95");
                    blockingQueue.add(kouZhao);
                    System.out.println("我在生产口罩，当前库存是：" + blockingQueue.size());
                } else {
                    System.out.println("我的仓库已经堆满了" + blockingQueue.size() + "个口罩，快来买口罩啊！");
                }
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
    }
}

public class Consumer implements Runnable {
    private final BlockingQueue<KouZhao> blockingQueue;

    public Consumer(BlockingQueue<KouZhao> blockingQueue) {
        this.blockingQueue = blockingQueue;
    }

    @Override
    public void run() {
        while (true) {
            try {
                Thread.sleep(100);
                long startTime = System.currentTimeMillis(); // 获取开始时间
                KouZhao kouZhao = blockingQueue.take();
                long endTime = System.currentTimeMillis(); // 获取结束时间
                System.out.println("我消费了口罩：" + kouZhao + ", 等到货时我阻塞了" + (endTime - startTime) + "ms");
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
    }
}

public class App {
    public static void main(String[] args) throws InterruptedException {
        BlockingQueue<KouZhao> queue = new ArrayBlockingQueue<>(20);
        Producer producer = new Producer(queue);
        Consumer consumer = new Consumer(queue);
        new Thread(producer).start();
        Thread.sleep(20000);
        new Thread(consumer).start();
    }
}

上述代码放到生产环境显然是不行的，比如没有集群，没有分布式，玩法太单一，不能满足企业级应用的要求

比如：

• 消息有没有持久化？
• 怎么确定消息一定能发送成功？
• 怎么确定消息一定能被消费成功？
• 高并发下的性能怎么样？
• 系统可靠吗？
• 有没有 Pub/Sub 模式？
• 有没有考虑过限流？
• 。。。

主流消息中间件及选型

• 在传统金融机构、银行、政府机构等有一些老系统还在使用 IBM 等厂商提供的商用 MQ 产品。
• 当前业界比较流行的开源消息中间件包括： ActiveMQ 、 RabbitMQ 、 RocketMQ 、 Kafka 、 ZeroMQ 等，其中 应用最为广泛的要数 RabbitMQ 、 RocketMQ 、 Kafka 这三款。
• Redis 在某种程度上也可以是实现类似 Queue 和 Pub/Sub 的机制，严格意义上不算消息中间件。

选取原则

首先，产品应该是开源的。开源意味着如果队列使用中遇到 bug ，可以很快修改，而不用等待开发者的更新。

其次，产品必须是近几年比较流行的，要有一个活跃的社区。这样遇到问题很快就可以找到解决方法。同时流行也意味着 bug 较少。流行的产品一般跟周边系统兼容性比较好。

最后，作为消息队列，要具备以下几个特性：

1. 消息传输的可靠性：保证消息不会丢失
2. 支持集群，包括横向扩展，单点故障都可以解决
3. 性能要好，要能够满足业务的性能需求

RabbitMQ

RabbitMQ 开始是用在 电信业务 的可靠通信的，也是少有的几款支持 AMQP 协议的产品之一。

优点：

1. 轻量级，快速，部署使用方便
2. 支持灵活的路由配置。 RabbitMQ 中，在生产者和队列之间有一个交换器模块。根据配置的路由规则，生产者发送的消息可以发送到不同的队列中。路由规则很灵活，还可以自己实现。
3. RabbitMQ 的客户端支持大多数的编程语言。

缺点：

1. 如果有大量消息堆积在队列中，性能会急剧下降
2. RabbitMQ 对比 Kafka 和 RocketMQ 是 性能最差 的，每秒处理几万到几十万的消息。如果应用要求高的性能，不要选择 RabbitMQ
3. RabbitMQ 是 Erlang 开发 的，功能扩展和二次开发代价很高

RocketMQ

• RocketMQ 是一个开源的消息队列，使用 Java 实现。借鉴了 Kafka 的设计并做了很多改进。 RocketMQ 主要用于有序，事务，流计算，消息推送，日志流处理， Binlog 分发等场景。经过了历次的双 11 考验，性能，稳定性可可靠性没的说。
• RocketMQ 几乎具备了消息队列应该具备的所有特性和功能。
• Java 开发，阅读源代码、扩展、二次开发很方便。
• 对 电商领域 的响应延迟做了很多优化。在大多数情况下，响应在毫秒级。如果应用很关注响应时间，可以使用 RocketMQ 。
• 性能比 RabbitMQ 高一个数量级，每秒处理几十万的消息。
• 缺点 ：跟周边系统的整合和兼容不是很好。

Kafka

• Kafka 的可靠性，稳定性和功能特性基本满足大多数的应用场景。
• 跟周边系统的兼容性是数一数二的，尤其是大数据和流计算领域，几乎所有相关的开源软件都支持 Kafka。
• Kafka 高效，可伸缩，消息持久化。支持分区、副本和容错。
• Kafka 是 Scala 和 Java 开发的 ，对 批处理 和 异步处理 做了大量的设计，因此 Kafka 可以得到非常高的性能。它的异步消息的发送和接收是三个中最好的，但是跟 RocketMQ 拉不开数量级，每秒处理几十万的消息。
• 如果是异步消息，并且开启了压缩，Kafka 最终可以达到每秒处理 2000w 消息的级别。
• 但是由于是异步的和批处理的，延迟也会高，不适合电商场景。

三种消息中间件的对比

消息中间件应用场景

消息中间件的使用场景非常广泛，比如，12306 购票的排队锁座，电商秒杀，大数据实时计算等。

电商秒杀案例

比如 6.18 ，活动从 0:00 开始，仅限前 200 名，秒杀即将开始时，用户会疯狂刷新 APP 或者浏览器来保证自己能够尽早的看到商品。

• 当秒杀开始前，用户在不断的刷新页面，系统应该如何应对高并发的读请求呢？
• 在秒杀开始时，大量并发用户瞬间向系统请求生成订单，扣减库存，系统应该如何应对高并发的写请求呢？

系统应该如何应对高并发的读请求：

• 使用缓存策略将请求挡在上层中的缓存中
• 能静态化的数据尽量做到静态化
• 加入限流（比如对短时间之内来自某一个用户，某一个 IP 、某个设备的重复请求做丢弃处理）

系统应该如何应对高并发的写请求？生成订单，扣减库存，用户这些操作不经过缓存直达数据库。如果在 1s 内，有 1 万个数据连接同时到达，系统的数据库会濒临崩溃。如何解决这个问题呢？我们可以使用 消息队列。

消息队列的作用：

• 削去秒杀场景下的峰值写流量—— 流量削峰
• 通过异步处理简化秒杀请求中的业务流程—— 异步处理
• 解耦，实现秒杀系统模块之间松耦合—— 解耦

削去秒杀场景下的峰值写流量

将秒杀请求暂存于消息队列，业务服务器响应用户 “秒杀结果正在处理中。。。”，释放系统资源去处理其它用户的请求。

削峰填谷，削平短暂的流量高峰，消息堆积会造成请求延迟处理，但秒杀用户对于短暂延迟有一定容忍度。

秒杀商品有 1000 件，处理一次购买请求的时间是 500ms，那么总共就需要 500s 的时间。这时你部署 10 个队列处理程序，那么秒杀请求的处理时间就是 50s，也就是说用户需要等待 50s 才可以看到秒杀的结果，这是可以接受的。这时会并发 10 个请求到达数据库，并不会对数据库造成很大的压力。

通过异步处理简化秒杀请求中的业务流程

先处理主要的业务，异步处理次要的业务。

如主要流程是生成订单、扣减库存；次要流程比如购买成功之后会给用户发优惠券，增加用户的积分。

此时秒杀只要处理生成订单，扣减库存的耗时，发放优惠券、增加用户积分异步去处理了。

解耦，实现秒杀系统模块之间松耦合

将秒杀数据同步给数据团队，有两种思路：

1. 使用 HTTP 或者 RPC 同步调用，即提供一个接口，实时将数据推送给数据服务

   问题：系统的耦合度高，如果其中一个服务有问题，可能会导致另一个服务不可用

2. 使用消息队列

   将数据全部发送给消息队列，然后数据服务订阅这个消息队列，接收数据进行处理

拉勾 B 端 C 端数据同步案例

拉勾网站分 B 端和 C 端， B 端面向企业用户， C 端面向求职者。

这两个模块业务处理逻辑不同，数据库表结构不同，实际上是处于解耦的状态。

但是各自又需要对方的数据，需要共享：如

1. 当 C 端求职者在更新简历之后， B 端企业用户如何尽早看到该简历更新？
2. 当 B 端企业用户发布新的职位需求后， C 端用户如何尽早看到该职位信息？

无论是 B 端还是 C 端，都有各自的搜索引擎和缓存， B 端需要获取 C 端的更新以更新搜索引擎和缓存； C 端需要获取 B 端的更新以更新 C 端的搜索引擎与缓存。

如何解决 B 端 C 端数据共享的问题？

1. 同步方式： B 端和 C 端通过 RPC 或 Web Service 的方式发布服务，让对方来调用，以获取对方的信息。求职者每更新一次简历，就调用一次 B 端的服务，进行数据的同步； B 端企业用户每更新职位需求，就调用 C 端的服务，进行数据的同步。
2. 异步方式：使用消息队列， B 端将更新的数据发布到消息队列， C 端将更新的数据发布到消息队列， B 端订阅 C 端的消息队列， C 端订阅 B 端的消息队列。

使用同步方式， B 端和 C 端耦合比较紧密，如果其中一个服务有问题，可能会导致另一个服务不可用。比如 C 端的 RPC 挂掉，企业用户有可能无法发布新的职位信息，因为发布了对方也看不到； B 端的 RPC 挂掉，求职者可能无法更新简历，因为即使简历更新了，对方也看不到。

你可能会想，可以让 B 端或 C 端在对方 RPC 挂掉的时候，先将该通知消息缓存起来，等对方服务恢复之后再进行同步。

这正是引入异步方式，使用消息队列的目的。

使用消息队列的异步方式，对 B 端 C 端进行解耦，只要消息队列可用，双方都可以将需要同步的信息发送到消息队列，对方在收到消息队列推送来的消息的时候，各自更新自己的搜索引擎，更新自己的缓存数据。

支付宝购买电影票

如上图，用户在支付宝购买了一张电影票后很快就收到消息推送和短信（电影院地址、几号厅、座位号、场次时间等），同时用户会积累一定的会员积分。

这里，交易系统并不需要一直等待消息送达等动作都完成后才返回成功，允许一定延迟和瞬时不一致（最终一致性），而且后面两个动作通常可以并发执行。

如果后期监控大盘想要获取实时交易数据，只需要新增个消费者程序并订阅该消息即可，交易系统对此并不感知，松耦合。

JMS 规范和 AMQP 协议

JMS 经典模式详解

JMS 即 Java 消息服务（ Java Message Service ）应用程序接口，是一个 Java 平台中关于面向消息中间件（ MOM ， Message oriented Middleware ）的 API ，用于在两个应用程序之间，或分布式系统中发送消息，进行异步通信。与具体平台无关的 API ，绝大多数 MOM 提供商都支持。

它类似于 JDBC （ Java Database Connectivity ）。

JMS 消息

• 消息是 JMS 中的一种类型对象，由两部分组成：报文头和消息主体。
• 报文头包括消息头字段和消息头属性。字段是 JMS 协议规定的字段，属性可以由用户按需添加。

JMS 报文头全部字段：

消息主体则携带着应用程序的数据或有效负载。

根据有效负载的类型来划分，可以将消息分为几种类型：

1. 简单文本（ TextMessage ）
2. 可序列化的对象（ ObjectMessage ）
3. 属性集合（ MapMessage ）
4. 字节流（ BytesMessage ）
5. 原始值流（ StreamMessage ）
6. 无有效负载的消息（ Message ）

体系架构

JMS 由以下元素组成：

对象模型

模式

Java 消息服务应用程序结构支持两种模式：

• 点对点模式（也叫 队列模式）
• 发布/订阅模式

1. 在点对点或队列模型下

   一个生产者向一个特定的队列发布消息，一个消费者从该队列中读取消息。这里，生产者知道消费者的队列，并直接将消息发送到消费者的队列，概括为：

   • 一条消息只有一个消费者获得
   • 生产者无需在接收者消费该消息期间处于运行状态，接收者也同样无需在消息发送时处于运行状态
   • 每一个成功处理的消息要么自动确认，要么由接收者手动确认

   

2. 发布/订阅模式

   • 支持向一个特定的主题发布消息
   • 0 或多个订阅者可能对接收特定消息主题的消息感兴趣
   • 发布者和订阅者彼此不知道对方
   • 多个消费者可以获得消息

   在发布者和订阅者之间存在时间依赖性：

   • 发布者需要建立一个主题，以便客户能够订阅
   • 订阅者必须保持持续的活动状态以接收消息，否则会丢失未上线时的消息
   • 对于持久订阅，订阅者未连接时发布的消息将在订阅者重连时重发

   

传递方式

JMS 有两种传递消息的方式：标记为 NON_PERSISTENT 的消息最多投递一次，而标记为 PERSISTENT 的消息将使用暂存后再转送的机制投递。

如果一个 JMS 服务下线，持久性消息不会丢失，等该服务恢复时再传递。

默认的消息传递方式是非持久性的。使用非持久性消息可能降低内务和需要的存储器，当不需要接收所有消息时使用。

MQ 供应商

开源软件：

1. Apache ActiveMQ
2. RabbitMQ
3. RocketMQ
4. JBoss 社区所研发的 HornetQ
5. Joram
6. Coridan 的 MantaRay
7. The OpenJMS Group 的 OpenJMS

专有的供应商包括：

1. BEA 的 BEA WebLogic Server JMS
2. TIBCO Software 的 EMS
3. GigaSpaces Technologies 的 GigaSpaces
4. Softwired 2006 的 iBus
5. IONA Technologies 的 IONA JMS
6. SeeBeyond 的 IQManager（ 2005 年 8 月被 Sun Microsystems 并购 ）
7. webMethods 的 JMS+-
8. my-channels 的 Nirvana
9. Sonic Software 的 SonicMQ
10. SwiftMQ 的 SwiftMQ
11. IBM 的 WebSphere MQ

JMS 在应用集群中的问题

生产中应用基本上都是以集群部署的。在 Queue 模式下，消息的消费没有什么问题，因为不同节点的相同应用会抢占式地消费消息，这样还能分摊负载。

如果使用 Topic 广播模式？对于一个消息，不同节点的相同应用都会收到该消息，进行相应的操作，这样就重复消费了。

• 方案一：选择 Queue 模式，创建多个一样的 Queue ，每个应用消费自己的 Queue

  弊端 ：浪费空间，生产者还需要关注下游到底有几个消费者，违反了 解耦 的初衷

• 方案二：选择 Topic 模式，在业务上做散列，或者通过分布式锁等方式来实现不同节点间的竞争

  弊端 ：对业务侵入较大，不是优雅的解决方法

ActiveMQ 通过“虚拟主题”解决了这个问题。

生产中似乎需要结合这两种模式：即不同节点的相同应用间存在竞争，会部分消费（ P2P ），而不同的应用都需要消费到全量的消息（ Topic ）模式。这样就可以避免重复消费。

JMS规范文档(jms-1_1-fr-spec.pdf)下载地址

JMS 是 JEE 平台的标准消息传递 API 。它可以在商业和开源实现中使用。每个实现都包括一个 JMS 服务器，一个 JMS 客户端库，以及用于管理消息传递系统的其他特定于实现的组件。 JMS 提供程序可以是消息传递服务的独立实现，也可以是非 JMS 消息传递系统的桥梁。

JMS 客户端 API 是标准化的，因此 JMS 应用程序可在供应商的实现之间移植。但是：

1. 底层消息传递实现未指定，因此 JMS 实现之间没有互操作性。除非存在桥接技术，否则想要共享消息传递的 Java 应用程序必须全部使用相同的 JMS 实现
2. 如果没有供应商特定的 JMS 客户端库来启用互操作性，则非 Java 应用程序将无法访问 JMS

• AMQP 0-9-1 是一种 消息传递协议，而不是像 JMS 这样的 API 。任何实现该协议的客户端都可以访问支持 AMQP 0-9-1 的代理
• 协议级的互操作性允许以 任何编程语言 编写且在任何操作系统上运行的 AMQP 0-9-1 客户端都可以参与消息传递系统，而无需桥接不兼容的服务器实现

AMQP 协议剖析

协议架构

AMQP 全称高级消息队列协议（ Advanced Message Queuing Protocol ），是一种标准，类似于 JMS 。目前 RabbitMQ 主流支持 AMQP 0-9-1 ， 3.8.4 版本支持 AMQP 1.0 。

AMQP 中的概念

AMQP 传输层架构

简要概述

AMQP 是一个二进制的协议，信息被组织成数据帧，有很多类型。数据帧携带协议方法和其他信息。所有数据帧都拥有基本相同的格式：帧头，负载，帧尾。数据帧负载的格式依赖于数据帧的类型。

我们假定有一个可靠的面向流的网络传输层（ TCP/IP 或等价的协议）。

在一个单一的 Socket 连接中，可能有多个相互独立的控制线程，称为 channel 。每个数据帧使用通道号码编号。通过数据帧的交织，不同的通道共享一个连接。对于任意给定通道，数据帧严格按照序列传输。

我们使用小的数据类型来构造数据帧，如 bit ， integer ， string 以及字段表。数据帧的字段做了轻微的封装，不会让传输变慢或解析困难。根据协议规范机械地生成数据帧层相对简单。

线级别（wire-level，线路层）的格式被设计为可伸缩和足够通用，以支持任意的高层协议（不仅是 AMQP ）。我们假定 AMQP 会扩展，改进以及随时间的其他变化，并要求 wire-level 格式支持这些变化。

数据类型

AMQP 使用的数据类型如下：

• Integers （数值范围 1-8 的十进制数字）：用于表示大小，数量，限制等，整数类型无符号的，可以在帧内不对齐。
• Bits （统一为 8 个字节）：用于表示 开/关 值。
• Short strings ：用于保存简短的文本属性，字符串个数限制为 255 ， 8 个字节
• Long strings ：用于保存二进制数据块。
• Field tables ：包含键值对，字段值一般为字符串，整数等。

协议协商

AMQP 客户端和服务端进行协议协商。意味着当客户端连接上之后，服务端会向客户端提出一些选项，客户端必须能接收或修改。如果双方都认同协商的结果，继续进行连接的建立过程。

协议协商是一个很有用的技术手段，因为它可以让我们断言假设和前置条件。

在 AMQP 中，我们需要协商协议的一些特殊方面：

1. 真实的协议和版本。服务器可能在同一个端口支持多个协议
2. 双方的加密参数和认证方式。这是功能层的一部分
3. 数据帧最大大小，通道数量以及其他操作限制

对限制条件的认同可能会导致双方重新分配 key 的缓存，避免死锁。每个发来的数据帧要么遵守认同的限制，也就是安全的，要么超过了限制，此时另一方出错，必须断开连接。出色地践行了 要么一切工作正常，要么完全不工作 的 RabbitMQ 哲学。

协商双方认同限制到一个小的值，如下：

1. 服务端必须告诉客户端它加上了什么限制
2. 客户端响应服务器，或许会要求对客户端的连接降低限制

数据帧界定

TCP/IP 是流协议，没有内置的机制用于界定数据帧。现有的协议从以下几个方面来解决：

1. 每个连接发送单一数据帧：简单但是慢
2. 在流中添加帧的边界：简单，但是解析很慢
3. 计算数据帧的大小，在每个数据帧头部加上该数据帧大小：简单，快速，AMQP 的选择

AMQP 客户端实现 JMS 客户端

RabbitMQ 的 JMS 客户端用 RabbitMQ Java 客户端实现，既与 JMS API 兼容，也与 AMQP 0-9-1 协议兼容。

存在局限性：

RabbitMQ JMS 客户端不支持某些 JMS 1.1 功能：

• JMS 客户端不支持服务器会话
• XA 事务支持接口未实现
• RabbitMQ JMS 主题选择器插件支持主题选择器。队列选择器尚未实现
• 支持 RabbitMQ 连接的 SSL 和套接字选项，但仅使用 RabbitMQ 客户端提供的（默认） SSL 连接协议
• RabbitMQ 不支持 JMS NoLocal 订阅功能，该功能禁止消费者接收通过消费者自己的连接发布的消息。可以调用包含 NoLocal 参数的方法，但该方法将被忽略

RabbitMQ 使用 AMQP 协议， JMS 规范仅对于 Java 的使用作出的规定，跟其他语言无关，AMQP 协议是语言无关的，只要语言实现了该协议，就可以做客户端。如此，则不同语言之间互操作性得以保证。

AMQP 协议文档下载地址

20200311 1. 消息中间件概述

原文：https://www.cnblogs.com/huangwenjie/p/14516098.html