在课程一开始，我就带你了解了高并发系统设计的三个目标:性能、可用性和可扩展性，而 在提升系统性能方面，我们一直关注的是系统的查询性能。也用了很多的篇幅去讲解数据库 的分布式改造，各类缓存的原理和使用技巧。究其原因在于，我们遇到的大部分场景都是读 多写少，尤其是在一个系统的初级阶段。
比如说，一个社区的系统初期一定是只有少量的种子用户在生产内容，而大部分的用户都 在“围观”别人在说什么。此时，整体的流量比较小，而写流量可能只占整体流量的百分之 一，那么即使整体的 QPS 到了 10000 次 / 秒，写请求也只是到了每秒 100 次，如果要对 写请求做性能优化，它的性价比确实不太高。
但是，随着业务的发展，你可能会遇到一些存在高并发写请求的场景，其中秒杀抢购就是最 典型的场景。假设你的商城策划了一期秒杀活动，活动在第五天的 00:00 开始，仅限前 200 名，那么秒杀即将开始时，后台会显示用户正在疯狂地刷新 APP 或者浏览器来保证自 己能够尽量早的看到商品。
这时，你面对的依旧是读请求过高，那么应对的措施有哪些呢?
因为用户查询的是少量的商品数据，属于查询的热点数据，你可以采用缓存策略，将请求尽 量挡在上层的缓存中，能被静态化的数据，比如说商城里的图片和视频数据，尽量做到静态 化，这样就可以命中 CDN 节点缓存，减少 Web 服务器的查询量和带宽负担。Web 服务 器比如 Nginx 可以直接访问分布式缓存节点，这样可以避免请求到达 Tomcat 等业务服务 器。
当然，你可以加上一些限流的策略，比如，对于短时间之内来自某一个用户、某一个 IP 或 者某一台设备的重复请求做丢弃处理。
通过这几种方式，你发现自己可以将请求尽量挡在数据库之外了。
稍微缓解了读请求之后，00:00 分秒杀活动准时开始，用户瞬间向电商系统请求生成订单， 扣减库存，用户的这些写操作都是不经过缓存直达数据库的。1 秒钟之内，有 1 万个数据 库连接同时达到，系统的数据库濒临崩溃，寻找能够应对如此高并发的写请求方案迫在眉 睫。这时你想到了消息队列。
我所理解的消息队列
关于消息队列是什么，你可能有所了解了，所以有关它的概念讲解，就不是本节课的重点， 这里只聊聊我自己对消息队列的看法。在我历年的工作经历中，我一直把消息队列看作暂时 存储数据的一个容器，认为消息队列是一个平衡低速系统和高速系统处理任务时间差的工 具，我给你举个形象的例子。
比方说，古代的臣子经常去朝见皇上陈述一些国家大事，等着皇上拍板做决策。但是大臣很 多，如果同时去找皇上，你说一句我说一句，皇上肯定会崩溃。后来变成臣子到了午门之后 要原地等着皇上将他们一个一个地召见进大殿商议国事，这样就可以缓解皇上处理事情的压 力了。你可以把午门看作一个暂时容纳臣子的容器，也就是我们所说的消息队列。
其实，你在一些组件中都会看到消息队列的影子:
在 Java 线程池中我们就会使用一个队列来暂时存储提交的任务，等待有空闲的线程处理 这些任务;
操作系统中，中断的下半部分也会使用工作队列来实现延后执行;
我们在实现一个 RPC 框架时，也会将从网络上接收到的请求写到队列里，再启动若干个 工作线程来处理。
…… 总之，队列是在系统设计时一种常见的组件。
那么我们如何用消息队列解决秒杀场景下的问题呢?接下来，我们来结合具体的例子来看看 消息队列在秒杀场景下起到的作用。
削去秒杀场景下的峰值写流量
刚才提到，在秒杀场景下，短时间之内数据库的写流量会很高，那么依照我们以前的思路应 该对数据做分库分表。如果已经做了分库分表，那么就需要扩展更多的数据库来应对更高的 写流量。但是无论是分库分表，还是扩充更多的数据库，都会比较复杂，原因是你需要将数 据库中的数据做迁移，这个时间就要按天甚至按周来计算了。
而在秒杀场景下，高并发的写请求并不是持续的，也不是经常发生的，而只有在秒杀活动开 始后的几秒或者十几秒时间内才会存在。为了应对这十几秒的瞬间写高峰，就要花费几天甚 至几周的时间来扩容数据库，再在秒杀之后花费几天的时间来做缩容，这无疑是得不偿失 的。
所以，我们的思路是:将秒杀请求暂存在消息队列中，然后业务服务器会响应用户“秒杀结 果正在计算中”，释放了系统资源之后再处理其它用户的请求。
我们会在后台启动若干个队列处理程序，消费消息队列中的消息，再执行校验库存、下单等 逻辑。因为只有有限个队列处理线程在执行，所以落入后端数据库上的并发请求是有限的。 而请求是可以在消息队列中被短暂地堆积，当库存被消耗完之后，消息队列中堆积的请求就 可以被丢弃了。
这就是消息队列在秒杀系统中最主要的作用:削峰填谷，也就是说它可以削平短暂的流量高 峰，虽说堆积会造成请求被短暂延迟处理，但是只要我们时刻监控消息队列中的堆积长度， 在堆积量超过一定量时，增加队列处理机数量，来提升消息的处理能力就好了，而且秒杀的 用户对于短暂延迟知晓秒杀的结果，也是有一定容忍度的。
这里需要注意一下，我所说的是“短暂”延迟，如果长时间没有给用户公示秒杀结果，那么 用户可能就会怀疑你的秒杀活动有猫腻了。所以，在使用消息队列应对流量峰值时，需要对 队列处理的时间、前端写入流量的大小，数据库处理能力做好评估，然后根据不同的量级来 决定部署多少台队列处理程序。
比如你的秒杀商品有 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
其实，在大量的写请求“攻击”你的电商系统的时候，消息队列除了发挥主要的削峰填谷的 作用之外，还可以实现异步处理来简化秒杀请求中的业务流程，提升系统的性能。
你想，在刚才提到的秒杀场景下，我们在处理购买请求时，需要 500ms。这时，你分析了 一下整个的购买流程，发现这里面会有主要的业务逻辑，也会有次要的业务逻辑:比如说， 主要的流程是生成订单、扣减库存;次要的流程可能是我们在下单购买成功之后会给用户发 放优惠券，会增加用户的积分。
假如发放优惠券的耗时是 50ms，增加用户积分的耗时也是 50ms，那么如果我们将发放优 惠券、增加积分的操作放在另外一个队列处理机中执行，那么整个流程就缩短到了
400ms，性能提升了 20%，处理这 1000 件商品的时间就变成了 400s。如果我们还是希望 能在 50s 之内看到秒杀结果的话，只需要部署 8 个队列程序就好了。
经过将一些业务流程异步处理之后，我们的秒杀系统部署结构也会有所改变:
解耦实现秒杀系统模块之间松耦合
除了异步处理和削峰填谷以外，消息队列在秒杀系统中起到的另一个作用是解耦合。
比如数据团队对你说，在秒杀活动之后想要统计活动的数据，借此来分析活动商品的受欢迎 程度、购买者人群的特点以及用户对于秒杀互动的满意程度等等指标。而我们需要将大量的 数据发送给数据团队，那么要怎么做呢?
一个思路是:可以使用 HTTP 或者 RPC 的方式来同步地调用，也就是数据团队这边提供一 个接口，我们实时将秒杀的数据推送给它，但是这样调用会有两个问题:
整体系统的耦合性比较强，当数据团队的接口发生故障时，会影响到秒杀系统的可用 性。
当数据系统需要新的字段，就要变更接口的参数，那么秒杀系统也要随着一起变更。 这时，我们可以考虑使用消息队列降低业务系统和数据系统的直接耦合度。
秒杀系统产生一条购买数据后，我们可以先把全部数据发送给消息队列，然后数据团队再订 阅这个消息队列的话题，这样它们就可以接收到数据，然后再做过滤和处理了。
秒杀系统在这样解耦合之后，数据系统的故障就不会影响到秒杀系统了，同时，当数据系统 需要新的字段时，只需要解析消息队列中的消息，拿到需要的数据就好了。
异步处理、解耦合和削峰填谷是消息队列在秒杀系统设计中起到的主要作用，其中，异步处 理可以简化业务流程中的步骤，提升系统性能;削峰填谷可以削去到达秒杀系统的峰值流 量，让业务逻辑的处理更加缓和;解耦合可以将秒杀系统和数据系统解耦开，这样两个系统 的任何变更都不会影响到另一个系统，
如果你的系统想要提升写入性能，实现系统的低耦合，想要抵挡高并发的写流量，那么你就 可以考虑使用消息队列来完成。
课程小结
本节课，我结合自己的实际经验，主要带你了解了，消息队列在高并发系统设计中起到的作 用，以及一些注意事项，你需要了解的重点如下:
削峰填谷是消息队列最主要的作用，但是会造成请求处理的延迟。
异步处理是提升系统性能的神器，但是你需要分清同步流程和异步流程的边界，同时消 息存在着丢失的风险，我们需要考虑如何确保消息一定到达。
解耦合可以提升你的整体系统的鲁棒性。
当然，你要知道，在使用消息队列之后虽然可以解决现有的问题，但是系统的复杂度也会上 升。比如上面提到的业务流程中，同步流程和异步流程的边界在哪里?消息是否会丢失，是 否会重复?请求的延迟如何能够减少?消息接收的顺序是否会影响到业务流程的正常执行? 如果消息处理流程失败了之后是否需要补发?这些问题都是我们需要考虑的。我会利用接下 来的两节课，针对最主要的两个问题来讲讲解决思路:一个是如何处理消息的丢失和重复， 另一个是如何减少消息的延迟。
引入了消息队列的同时也会引入了新的问题，需要新的方案来解决，这就是系统设计的挑 战，也是系统设计独有的魅力，而我们也会在这些挑战中不断提升技术能力和系统设计能 力。
思考时间
在今天的课程中，我提到了消息队列在高并发系统设计中起到的作用。那么你在开发过程中 会在什么样的场景下使用消息队列呢?欢迎在留言区与我分享你的经验。
最后，感谢你的阅读，如果这篇文章让你有所收获，也欢迎你将它分享给更多的朋友。