rabbitmq为什么要基于erlang开发
kafka集群几乎不需要维护任何consumer和producer状态信息，这些信息有zookeeper保存；因此producer和consumer的客户端实现非常轻量级，它们可以随意离开，而不会对集群造成额外的影响。RabbitMQMQ在云计算的地位RabbitMQ大事记RabbitMQ卖点健壮易于使用高性能强大开源社区支持AMQP工作组成员，
rabbitmq集群搭建 rabbitmq集群部署方案
rabbitmq集群搭建 rabbitmq集群部署方案
RabbitMQ：具有消息消费确认，即使消费者消费失败，也会自动使消息体返回原队列，同时可全程持久化，保证消息体被正确消费
目前支持AMQP0-9-1RabbitMQ生态圈显微镜看RabbitMQ为什么要用Erlang实现Erlang消息机制与AMQP极度吻合高并发时间检验的高可靠高性能集群易扩展强大的管理功能方便的问题定位支持
AMQP交互图实现足够简单清晰高并发的秘密处处维稳自我保护AMQP协议级别流控ErlangVM层面内存、
CPU过载防护集群层面容灾预先警报性能(单Q)性能（8个Q）集群（逻辑视图）集群（物理布局）高可用集群无中心点。
消息中间件——RabbitMQ（四）命令行与管控台的基本作！
RabbitMQ：队列，消息，都可以选择是否持久化在前面的文章中我们介绍过RabbitMQ的搭建： RabbitMQ的安装过 以及各大主流消息中间件的对比： ，本章就主要来介绍下我们之前安装的管控台是如何使用以及如何通过命令行进行作。
Rabbitmqrabbitmqctl stop_app：关闭应用
rabbitmqctl start_app：启动应用
rabbtmqctl status：状态
rabbitmqctl add_user username password：添加用户
rabbitmqctl list_users：列出所有用户
rabbitmqctl delete_user username：删除用户
rabbitmqctl clear_permissions - p vhostpath username: 清除用户权限
rabbitmqctl list_user_permissions_username: 列出用户权限
rabbitmqctl change_password username newpassword：修改密码
rabbitmqctl set_permissions -p vhostpath username ". " ". " "." ：设置用户权限
涉及的用户命令还有许多，这里就不一一列举了。
rabbitmqctl add_vhost vhostpath:创建虚拟主机
rabbitmqctl list_vhosts:列出所有虚拟主机
rabbitmqctl list_permissions -p vhostpath:列出虚拟主机上所有权限
rabbitmqctl delete_vhost vhostpath:删除虚拟主机
rabbitmqctl list_queues：查看所有队列信息
rabbitmqctl -p vhostpath purge_queue bule：清除队列里的消息
rabbitmqctl reset：移除所有数据，要在rabbitmqctl stop_app之后使用
rabbitmqctl join_clust
rabbitmqctl clustr_status:查看集群状态
rabbitmqctl change_cluster_node_type disc|ram 修改集群的存储形式
rabbitmqctl forget_cluster_node [--offline] 忘记（摘除）
rabbitmqctl rename_cluster_node oldnode1 newnode1 [oldnode2] [newnode2..] (修改名称)
登录RabbitMQ web管理界面：
从图中可以看到:
Broker的属性
定义由 用户 ， 虚拟主机 ， 权限 ， 参数 ， 交换 ， 队列 和 绑定 组成。 它们不包括队列的内容或集群名称。 独占队列不会被导出。
导入的定义将与当前定义合并。 如果在导入过程中发生错误，则所做的任何更改都不会回滚。
连接的属性
通道的属性
交换器属性
在Admin界面可以添加用户或者虚拟主机等作。
参考文章：
文章：
消息中间件——RabbitMQ（一）Windws/Linux环境搭建（完整版）
消息中间件——RabbitMQ（二）各大主流消息中间件综合对比介绍！
消息中间件——RabbitMQ（三）理解RabbitMQ核心概念和AMQP协议！
rabbitmq ha 方案 集群可以动态增加吗
大多数模式下，集群中所有的计算2、nginx配置不当，nginx作为反向代默认的初始用户名和密码为： guest理，如果配置不当，可能会导致内存泄漏或者过载。需要检查nginx的配置文件，确保正确地配置了和负载均衡等参数。机拥有一个共同的名称，集群内任一系统上运行的服务可被所有的网络客户所使用。Cluster必须可以协调管理各分离的组件的错误和失败，并可透明地向Cluster中加入组件。 一个Cluster包含多台（至少二台）拥有共享数...
rabbitmq集群脑裂重启后消费者连接不上
Broker的概念来自与Apache ActiveMQ，通俗的讲就是MQ的。重新启动消费者。
有时候，脑裂重启后，消费者可能无法自动重新连接到RabbitMQ集群。在这种情况下，用户可以尝试手动重新启动消费者应用程序，以缺点：确保它们能够重新连接到集群。用户可以通过重启消费者应用程序或者重新启动消费者所在的来实现。
redis 可以代替 rabbitmq 吗
RabbitMQRedis：没有相应的机制保证消息的消费，当消费者消费失败的时候，消息体丢失，需要手动处理
可靠发布
Reids：不提供，需自行实现
RabbitMQ：具有发布确认功能，保证消息被发布到
高可用优点：格式简洁、占用带宽小、移动端通信、PUSH、嵌入式系统
Redis：采用主从模式，读写分离，但是故障转移还没有非常完善的解决方案
RabbitMQ：集群采用磁盘、内存，任意单点故障都不会影响整个队列的作
持久化
Redis：将整个Redis实例持久化到磁盘
消费者负载均衡
RabbitMQ：根据消费者情况，进行消息的均衡分发
RabbitMQ：后台可以某个队列的所有信息，（内存，磁盘，消费者，生产者，速率等）
流量控制
RabbitMQ：过载的情况，对生产者速率会进行限制，保证服务可靠性
出入队性能
对于RabbitMQ和Redis的入队和出队作，各执行100万次，每10万次记录一次执行时间。
测试数据分为128Bytes、512Bytes、1K和10K四个不同大小的数据。
初学者JAVA程序员怎样快速提升自己技术？
启动HAProxy很简单一个问题，多做一些项目，熟悉代码的使用如果所有的consumer都具有相同的group，这种情况和queue模式很像；消息将会在consumers之间负载均衡。，和解决程序问题的能力。单单看书学习是没用的，主要还是实际作。比较可以自己尝试写一些简单的应用系统，如学生管理系统，学籍管理系统，商店收银系统，邮件系统，都可以来练练手。
如何保证rabbitMQ集群一直运行
queue的元数据和消息都会存放在多个实例，每次写消息就自动同步到多个queue实例里。这样任何一个机器宕机，其他机器都可以顶上，但是性能开销太大，消息同步导致网络带宽压力和消耗很重，另外，没有扩展性可言，如果queue负载很重，加机器，新增的机器也包含了这个queue的所有数据，并没有办法线性扩展你的queue。此时，需要开启镜像集群模式，在rabbitmq管理控制台新增一个策略，将数据同步到指定数量的，然后你再次创建queue的时候，应用这个策略，就会自动将数据同步到其他的上去了。这需要保证很多地方：集群脑裂的处理（partitions）、client端的ha（断线可以选择不同的mq server）、队列ha（ror）、持久化（persistence）。这些设置都不是轻松就能get的，所以建议你看看这些方面的文档再合理设计部署方案，否则容易出现不稳定，甚至直接导致队列不可用。
XMPP（可扩展消息处理现场协议，Extensible Messaging and Presence Protocol）是基于可扩展标记语言（XML）的协议，多用于即时消息（IM）以及在线现场探测。适用于之间的准即时作。核心是基于XML流传输，这个协议可能最终允许因特网用户向因特网上的其他任何人发送即时消息，即使其作系统和浏览器不同。消息队列原理及选型
Redis：不提供，需自行实现消息队列（Message Queue）是一种进程间通信或同一进程的不同线程间的通信方式。
Broker（消息）
Producer（生产者）
业务的发起方，负责生产消息传输给broker
Consumer（消费者）
业务的处理方，负责从broker获取消息并进行业务逻辑处理
Topic（主题）
发布模式下的消息统一汇集地，不同生产者向topic发送消息，由MQ分发到不同的 者，实现消息的广播
Queue（队列）
PTP模式下，特定生产者向特定queue发送消息，消费者特定的queue完成指定消息的接收。
Message（消息体）
根据不同通信协议定义的固定格式进行编码的数据包，来封装业务数据，实现消息的传输
点对点模型用于消息生产者和消息消费者之间点到点的通信。
点对点模式包含三个角色：
每个消息都被发送到一个特定的队列，接收者从队列中获取消息。队列保留着消息，可以放在内存 中也可以持久化，直到他们被消费或超时。
发布模型包含三个角色：
多个发布者将消息发送到Topic，系统将这些消息传递给多个者。
AMQP即Aanced Message Queuing Protocol，是应用层协议的一个开放标准，为面向消息的中间件设计。消息中间件主要用于组件之间的解耦，消息的发送者无需知道消息使用者的存在，反之亦然。AMQP 的主要特征是面向消息、队列、路由（包括点对点和发布/）、可靠性、安全。
优点：可靠、通用
MQTT（Message Queuing Telemetry Transport，消息队列遥测传输）是IBM开发的一个即时通讯协议，有可能成为物联网的重要组成部分。该协议支持所有平台，几乎可以把所有联网物品和外部连接起来，被用来当做传感器和致动器（比如通过Twitter让房屋联网）的通信协议。
STOMP（Streaming Text Orientated Message Protocol）是流文本定向消息协议，是一种为MOM(Message Oriented Middleware，面向消息的中间件)设计的简单文本协议。STOMP提供一个可互作的连接格式，允许客户端与任意STOMP消息（Broker）进行交互。
优点：命令模式（非topicqueue模式）
优点：通用公开、兼容性强、可扩展、安全性高，但XML编码格式占用带宽大
RabbitMQ 是实现 AMQP（高级消息队列协议）的消息中间件的一种，最初起源于金融系统，用于在分布式系统中存储转发消息，在易用性、扩展性、高可用性等方面表现不俗。 RabbitMQ 主要是为了实现系统之间的双向解耦而实现的。当生产者大量产生数据时，消费者无法快速消费，那么需要一个中间层。保存这个数据。
RabbitMQ 是一个开源的 AMQP 实现，端用Erlang语言编写，支持多种客户端，如：Python、Ruby、.NET、Ja、JMS、C、PHP、ActionScript、XMPP、STOMP 等，支持 AJAX。用于在分布式系统中存储转发消息，在易用性、扩展性、高可用性等方面表现不俗。
Channel（通道）
道是两个管理器之间的一种单向点对点的的通信连接，如果需要双向交流，可以建立一对通道。
Exchange（消息交换机）
Exchange类似于数据通信网络中的交换机，提供消息路由策略。
RabbitMq中，producer不是通过信道直接将消息发送给queue，而是先发送给Exchange。一个Exchange可以和多个Queue进行绑定，producer在传递消息的时候，会传递一个ROUTING_KEY，Exchange会根据这个ROUTING_KEY按照特定的路由算法，将消息路由给指定的queue。和Queue一样，Exchange也可设置为持久化，临时或者自动删除。
Exchange有4种类型：direct(默认)，fanout， topic， 和headers。
不同类型的Exchange转发消息的策略有所区别：
Binding（绑定）
所谓绑定就是将一个特定的 Exchange 和一个特定的 Queue 绑定起来。Exchange 和Queue的绑定可以是多对多的关系。
Routing Key（路由关键字）
exchange根据这个关键字进行消息投递。
vhost（虚拟主机）
在RabbitMq server上可以创建多个虚拟的message broker，又叫做virtual hosts (vhosts)。每一个vhost本质上是一个mini-rabbitmq server，分别管理各自的exchange，和bindings。vhost相当于物理的server，可以为不同app提供边界隔离，使得应用安全的运行在不同的vhost实例上，相互之间不会干扰。producer和consumer连接rabbit server需要指定一个vhost。
设P1和C1注册了相同的Broker，Exchange和Queue。P1发送的消息最终会被C1消费。
基本的通信流程大概如下所示：
Consumer收到消息时需要显式的向rabbit broker发送basic。ack消息或者consumer消息时设置auto_ack参数为true。
在通信过程中，队列对ACK的处理有以下几种情况：
即消息的Ackownledge确认机制，为了保证消息不丢失，消息队列提供了消息Acknowledge机制，即ACK机制，当Consumer确认消息已经被消费处理，发送一个ACK给消息队列，此时消息队列便可以删除这个消息了。如果Consumer宕机/关闭，没有发送ACK，消息队列将认为这个消息没有被处理，会将这个消息重新发送给其他的Consumer重新消费处理。
消息的收发处理支持事务，例如：在任务中心场景中，一次处理可能涉及多个消息的接收、处理，这应该处于同一个事务范围内，如果一个消息处理失败，事务回滚，消息重新回到队列中。
消息的持久化，对于一些关键的核心业务来说是非常重要的，启用消息持久化后，消息队列宕机重启后，消息可以从持久化存储恢复，消息不丢失，可以继续消费处理。
fanout 模式
模式特点：
direct 模式
任何发送到Direct Exchange的消息都会被转发到routing_key中指定的Queue。
如果一个exchange 声明为direct，并且bind中指定了routing_key，那么发送消息时需要同时指明该exchange和routing_key。
简而言之就是：生产者生成消息发送给Exchange， Exchange根据Exchange类型和basic_publish中的routing_key进行消息发送 消费者：Exchange并根据Exchange类型和binding key(bindings 中的routing key) ，如果生产者和者的routing_key相同，Exchange就会路由到那个队列。
topic 模式
前面讲到direct类型的Exchange路由规则是完全匹配binding key与routing key，但这种严格的匹配方式在很多情况下不能满足实际业务需求。
topic类型的Exchange在匹配规则上进行了扩展，它与direct类型的Exchage相似，也是将消息路由到binding key与routing key相匹配的Queue中，但这里的匹配规则有些不同。
它约定：
RabbitMQ，部署分三种模式：单机模式，普通集群模式，镜像集群模式。
普通集群模式
多台机器部署，每个机器放一个rabbitmq实例，但是创建的queue只会放在一个rabbitmq实例上，每个实例同步queue的元数据。
如果消费时连的是其他实例，那个实例会从queue所在实例拉取数据。这就会导致拉取数据的开销，如果那个放queue的实例宕机了，那么其他实例就无法从那个实例拉取，即便开启了消息持久化，让rabbitmq落地存储消息的话，消息不一定会丢，但得等这个实例恢复了，然后才可以继续从这个queue拉取数据， 这就没什么高可用可言，主要是提供吞吐量 ，让集群中多个来服务某个queue的读写作。
Kafka 是 Apache 的子项目，是一个高性能跨语言的分布式发布/消息队列系统（没有严格实现 JMS 规范的点对点模型，但可以实现其效果），在企业开发中有广泛的应用。高性能是其优势，劣势是消息的可靠性（丢失或重复），这个劣势是为了换取高性能，开发者可以以稍降低性能，来换取消息的可靠性。
一个Topic可以认为是一类消息，每个topic将被分成多个partition(区)，每个partition在存储层面是append log文件。任何发布到此partition的消息都会被直接追加到log文件的尾部，每条消息在文件中的位置称为offset（偏移量），offset为一个long型数字，它是标特点：记一条消息。它的标记一条消息。kafka并没有提供其他额外的索引机制来存储offset，因为在kafka中几乎不允许对消息进行“随机读写”。
Kafka和JMS（Ja Message Serv）实现(activeMQ)不同的是:即使消息被消费，消息仍然不会被立即删除。日志文件将会根据broker中的配置要求，保留一定的时间之后删除；比如log文件保留2天，那么两天后，文件会被清除，无论其中的消息是否被消费。kafka通过这种简单的手段，来释放磁盘空间，以及减少消息消费之后对文件内容改动的磁盘IO开支。
对于consumer而言，它需要保存消费消息的offset，对于offset的保存和使用，有consumer来控制；当consumer正常消费消息时，offset将会"线性"的向前驱动，即消息将依次顺序被消费。事实上consumer可以使用任意顺序消费消息，它只需要将offset重置为任意值。(offset将会保存在zookeeper中，参见下文)
partitions的设计目的有多个。最根本原因是kafka基于文件存储。通过分区，可以将日志内容分散到多个server上，来避免文件尺寸达到单机磁盘的上限，每个partiton都会被当前server(kafka实例)保存；可以将一个topic切分多任意多个partitions，来消息保存/消费的效率。此外越多的partitions意味着可以容纳更多的consumer，有效提升并发消费的能力。(具体原理参见下文)。
一个Topic的多个partitions，被分布在kafka集群中的多个server上；每个server(kafka实例)负责partitions中消息的读写作；此外kafka还可以配置partitions需要备份的个数(replicas)，每个partition将会被备份到多台机器上，以提高可用性。
基于replicated方案，那么就意味着需要对多个备份进行调度；每个partition都有一个server为"leader"；leader负责所有的读写作，如果leader失效，那么将会有其他follower来接管(成为新的leader)；follower只是单调的和leader跟进，同步消息即可。由此可见作为leader的server承载了全部的请求压力，因此从集群的整体考虑，有多少个partitions就意味着有多少个"leader"，kafka会将"leader"均衡的分散在每个实例上，来确保整体的性能稳定。
Producers
Producer将消息发布到指定的Topic中，同时Producer也能决定将此消息归属于哪个partition；比如基于"round-robin"方式或者通过其他的一些算法等。
Consumers
本质上kafka只支持Topic。每个consumer属于一个consumer group；反过来说，每个group中可以有多个consumer。发送到Topic的消息，只会被此Topic的每个group中的一个consumer消费。
如果所有的consumer都具有不同的group，那这就是"发布-"；消息将会广播给所有的消费者。
在kafka中，一个partition中的消息只会被group中的一个consumer消费；每个group中consumer消息消费互相；我们可以认为一个group是一个""者，一个Topic中的每个partions，只会被一个"者"中的一个consumer消费，不过一个consumer可以消费多个partitions中的消息。kafka只能保证一个partition中的消息被某个consumer消费时，消息是顺序的。事实上，从Topic角度来说，消息仍不是有序的。
Kafka的设计原理决定，对于一个topic，同一个group中不能有多于partitions个数的consumer同时消费，否则将意味着某些consumer将无法得到消息。
Guarantees
Kafka就比较适合高吞吐量并且允许少量数据丢失的场景，如果非要保证“消息可靠传输”，可以使用JMS。
Kafka Producer 消息发送有两种方式(配置参数 producer.type)：
对于同步方式(producer.type=sync)？Kafka Producer 消息发送有三种确认方式(配置参数 acks)：
kafka的设计初衷是希望作为一个统一的信息收集平台，能够实时的收集反馈信息，并需要能够支撑较大的数据量，且具备良好的容错能力。
持久性
kafka使用文件存储消息，这就直接决定kafka在性能上依赖文件系统的本身特性。且无论任何OS下，对文件系统本身的优化几乎没有可能。文件缓存/直接内存映射等是常用的手段。因为kafka是对日志文件进行append作，因此磁盘检索的开支是较小的；同时为了减少磁盘写入的次数，broker会将消息暂时buffer起来，当消息的个数(或尺寸)达到一定阀值时，再flush到磁盘，这样减少了磁盘IO调用的次数。
需要考虑的影响性能点很多，除磁盘IO之外，我们还需要考虑网络IO，这直接关系到kafka的吞吐量问题。kafka并没有提供太多高超的技巧；对于producer端，可以将消息buffer起来，当消息的条数达到一定阀值时，批量发送给broker；对于consumer端也是一样，批量fetch多条消息。不过消息量的大小可以通过配置文件来指定。对于kafka broker端，似乎有个sendfile系统调用可以潜在的提升网络IO的性能:将文件的数据映射到系统内存中，socket直接读取相应的内存区域即可，而无需进程再次copy和交换。 其实对于producer/consumer/broker三者而言，CPU的开支应该都不大，因此启用消息压缩机制是一个良好的策略；压缩需要消耗少量的CPU资源，不过对于kafka而言，网络IO更应该需要考虑。可以将任何在网络上传输的消息都经过压缩。kafka支持gzip/snappy等多种压缩方式。
生产者
负载均衡: producer将会和Topic下所有partition leader保持socket连接；消息由producer直接通过socket发送到broker，中间不会经过任何“路由层“。事实上，消息被路由到哪个partition上，有producer客户端决定。比如可以采用“random““key-hash““轮询“等，如果一个topic中有多个partitions，那么在producer端实现“消息均衡分发“是必要的。
其中partition leader的位置(host:port)注册在zookeeper中，producer作为zookeeper client，已经注册了watch用来partition leader的变更。
异步发送：将多条消息暂且在客户端buffer起来，并将他们批量的发送到broker，小数据IO太多，会拖慢整体的网络延迟，批量延迟发送事实上提升了网络效率。不过这也有一定的隐患，比如说当producer失效时，那些尚未发送的消息将会丢失。
消费者
consumer端向broker发送“fetch”请求，并告知其获取消息的offset；此后consumer将会获得一定条数的消息；consumer端也可以重置offset来重新消费消息。
在JMS实现中，Topic模型基于push方式，即broker将消息推送给consumer端。不过在kafka中，采用了pull方式，即consumer在和broker建立连接之后，主动去pull(或者说fetch)消息；这中模式有些优点，首先consumer端可以根据自己的消费能力适时的去fetch消息并处理，且可以控制消息消费的进度(offset)；此外，消费者可以良好的控制消息消费的数量，batch fetch。
其他JMS实现，消息消费的位置是有prodiver保留，以便避免重复发送消息或者将没有消费成功的消息重发等，同时还要控制消息的状态。这就要求JMS broker需要太多额外的工作。在kafka中，partition中的消息只有一个consumer在消费，且不存在消息状态的控制，也没有复杂的消息确认机制，可见kafka broker端是相当轻量级的。当消息被consumer接收之后，consumer可以在本地保存消息的offset，并间歇性的向zookeeper注册offset。由此可见，consumer客户端也很轻量级。
对于JMS实现，消息传输担保非常直接:有且只有一次(exactly once)。
在kafka中稍有不同:
at most once: 消费者fetch消息，然后保存offset，然后处理消息；当client保存offset之后，但是在消息处理过程中出现了异常，导致部分消息未能继续处理。那么此后"未处理"的消息将不能被fetch到，这就是"at most once"。
at least once: 消费者fetch消息，然后处理消息，然后保存offset。如果消息处理成功之后，但是在保存offset阶段zookeeper异常导致保存作未能执行成功，这就导致接下来再次fetch时可能获得上次已经处理过的消息，这就是"at least once"，原因offset没有及时的提交给zookeeper，zookeeper恢复正常还是之前offset状态。
exactly once: kafka中并没有严格的去实现(基于2阶段提交，事务)，我们认为这种策略在kafka中是没有必要的。
通常情况下“at-least-once”是我们。(相比at most once而言，重复接收数据总比丢失数据要好)。
kafka高可用由多个broker组成，每个broker是一个；
创建一个topic，这个topic会划分为多个partition，每个partition存在于不同的broker上，每个partition就放一部分数据。
kafka是一个分布式消息队列，就是说一个topic的数据，是分散放在不同的机器上，每个机器就放一部分数据。
在0.8版本以前，是没有HA机制的，就是任何一个broker宕机了，那个broker上的partition就废了，没法写也没法读，没有什么高可用性可言。
0.8版本以后，才提供了HA机制，也就是就是replica副本机制。每个partition的数据都会同步到其他的机器上，形成自己的多个replica副本。然后所有replica会选举一个leader出来，那么生产和消费都跟这个leader打交道，然后其他replica就是follower。
写的时候，leader会负责把数据同步到所有follower上去，读的时候就直接读leader上数据即可。
kafka会均匀的将一个partition的所有replica分布在不同的机器上，从而提高容错性。
如果某个broker宕机了也没事，它上面的partition在其他机器上都有副本的，如果这上面有某个partition的leader，那么此时会重新选举一个新的leader出来，大家继续读写那个新的leader即可。这就有所谓的高可用性了。
写数据的时候，生产者就写leader，然后leader将数据落地写本地磁盘，接着其他follower自己主动从leader来pull数据。一旦所有follower同步好数据了，就会发送ack给leader，leader收到所有follower的ack之后，就会返回写成功的消息给生产者。
消息丢失会出现在三个环节，分别是生产者、mq中间件、消费者：
大体和RabbitMQ相同。
需要保证顺序的消息投递到同一个queue中，这个queue只能有一个consumer，如果需要提升性能，可以用内存队列做排队，然后分发给底层不同的worker来处理。
写入一个partition中的数据一定是有序的。生产者在写的时候 ，可以指定一个key，比如指定订单id作为key，这个订单相关数据一定会被分发到一个partition中去。消费者从partition中取出数据的时候也一定是有序的，把每个数据放入对应的一个内存队列，一个partition中有几条相关数据就用几个内存队列，消费者开启多个线程，每个线程处理一个内存队列。
rabbitmq集群，怎么实现消费者只从一个队列收到一份消息
以上图中的配置为例，routingKey=”quick.orange.rabbit”的消息会同时路由到Q1与Q2，routingKey=”lazy.orange.fox”的消息会路由到Q1，routingKey=”lazy.brown.fox”的消息会路由到Q2，routingKey=”lazy.pink.rabbit”的消息会路由到Q2（只会投递给Q2一次，虽然这个routingKey与Q2的两个bindingKey都匹配）；routingKey=”quick.brown.fox”、routingKey=”orange”、routingKey=”quick.orange.male.rabbit”的消息将会被丢弃，因为它们没有匹配任何bindingKey。。 declare一个队列，置AMQP_PASSIVE标志位，就不会影响服务端状态，并返回消息计数。 $conn = new AMQPConnection();//...$queue = new AMQPQueue($conn);$qA是Masterueue->setFlags(AMQP_PASSIVE);$messageCount = $queue->declare
通过nginx连接rabbitmq集群内存溢出
性能该情况的原因和解决办法如特点：下：
1、RabbitMQ集群的内存使用过高，这可能是由于消息队列中的数据过多或者消息处理速度过慢导致的。需要检查RabbitMQ集群的内存使用情况，并调整消息队列的大小和数量，以及优化消息处理逻辑。
3、程序bug，应用程序中存在bug，导致内存泄漏或者错误处理。需要检查应用程序的代码，并修复相关bug。
RabbitMQ 镜像集群 宕机恢复、负载均衡、跨机房多活
Kafka起因：在实际项目开发过程中，需要使用RabbitMQ来实现消息队列的功能，但仅仅实现功能之后并不能对自己满足，既然学一次，就要更深的了解她，吃一吃架构方面的相关内容，提升自己。
RabbitMQ在镜像集群中，机器其实是平行关系，所有的都是互相的
场景描述：
B是Sle
A正常运行，B宕机了，只需要启动B即可，B就会自动加入集群
A和B都宕机了，只要A在B之前启动就可以了
A和B都宕机了，A启动不起来了，即便是B启动了，有可以B直接启动不了啦
B和C都加入了A为Master的集群，这个时候都需要将B和C从A的集群中forget，B和C启动不起来了
RabbitMQv3.2版本以后提供了一个离线清除集群的命令参数，也就是无法启动状态下
HAProxy是一款提供高可用的负载均衡器（之前大家都是使用的Nginx居多，upstream反向实现负载均衡非常容易），HAProxy可以基于TCP四层（Lvs也是TCP四层的），HTTP七层（Nginx是HTTP七层）的负载均衡应用软件，免费高速可靠的一种LBS解决方案
HAProxy的并发连接完全可以支持以万为单位的
Nginx
1、工作在网络7层之上，可针对应用做一些分流的策略，如针对域名、目录结构，它的正规规则比HAProxy更为强大和灵活，所以，目前为止广泛流行。
2、Nginx对网络稳定性的依赖非常小，理论上能ping通就能进行负载功能。
3、Nginx安装与配置比较简单，测试也比较方便，基本能把错误日志打印出来。
4、可以承担高负载压力且稳定，硬件不的情况下一般能支撑几万次的并发量。
5、Nginx可以通过端口检测到内部的故障，如根据处理网页返回的状态码、超时等，并会把返回错误的请求重新提交到另一个。
6、不仅仅是的负载均衡器/反向软件，同时也是强大的Web应用。可作为静态网页和，在高流量环境中稳定性也很好。
7、可作为中层反向使用。
1、适应范围较小，仅能支持、s、Email协议。
2、对后端的健康检查，只支持通过端口检测，不支持来检测
3、负载均衡策略比较少：轮询、权重、IP_hash、_hash
HAProxy
1、HAProxy是支持虚拟主机的，可以工作在4、7层(支持多网段)
2、HAProxy的优点能够补充Nginx的一些缺点，比如支持Session的保持，Cookie的；同时支持通过获取指定的来检测后端的状态。
3、HAProxy跟LVS类似，本身就只是一款负载均衡软件；单纯从效率上来讲HAProxy会比Nginx有更出色的负载均衡速度，在并发处理上也是优于Nginx的。
4、HAProxy支持TCP协议的负载均衡转发，可以对MySQL读进行负载均衡，对后端的MySQL进行检测和负载均衡。
5、HAProxy负载均衡策略非常多，HAProxy的负载均衡算法现在具体有如下8种
1、不支持POP/SMTP协议
2、不支持SPDY协议
3、不支持HTTP cache功能。现在不少开源的lb项目，都或多或少具备HTTP cache功能。
4、重载配置的功能需要重启进程，虽然也是soft restart，但没有Nginx的reaload更为平滑和友好。
5、多进程模式支持不够好
HAProxy+Keepalived（负载均衡的高可用）
将上面的配置文件内容放入 /etc/haproxy/haproxy.cfg中
启用成功后可以到控制台进行验证
通过federation的配置来进行数据通道搭建
这个时候你需要自己定义一个上游upstream(166)，一个下游downstream(167)，federation是单向发送的，相当于消息发送到upstream的一个exchange上，然后转发到downstream的queue上
2、 在下游建立federation upstream规则和上游进行数据同步
3、 进入下游的federation status没有任何数据，需要建立策略来保证通道连通
4、 进入下游的Policy菜单，Pattern是个正则表达式，这里表示以down开头的exchange和queue都匹配
5、 这个时候看exchange和queue，规则就应用上了
6、 这个时候去federation status看，发现上游连接已经连接上了
7、 这个时候我们先去看上游的overview
8、 再看上游的exchange和queue就已经根据下游配置的upstream和policy规则将exchange和queue创建好了
灰色的这个重定向exchange不能发送消息，如果要发送则在down-exchange上进行发送
9、 我们在上游的down-exchange发送一条消息，进行测试
10、 因为上游及只是一个中转，如果上游及诶单也要消息down-exchange里的消息怎么办？
只需要在本地建立一个binding关系就好
不要以队列为每天把功能完成了就行了，这种思想是要不得的，互勉~！