消息模型
消息队列的演进
消息队列模型
早起的消息队列是按照”队列”的数据结构来设计的。
生产者（Producer）产生消息，进行入队操作，消费者（Consumer）接收消息，就是出队操作，存在于服务端的消息容器就称为消息队列。
当然消费者也可能不止一个，存在的多个消费者是竞争的关系，消息被其中的一个消费者消费了，其它的消费者就拿不到消息了。
发布订阅模型
如果一个人消息想要同时被多个消费者消费，那么上面的队列模式就不适用了，于是又引出了一种新的模式，发布订阅模型。
在发布-订阅模型中，消息的发送方称为发布者（Publisher），消息的接收方称为订阅者（Subscriber），服务端存放消息的容器称为主题（Topic）。
发布者发送消息到主题中，然后订阅者需要先订阅主题。订阅主题的订阅者之后就可以收到发送者发送的消息了。
发布订阅也是兼容消息队列模型的，如果只有一个订阅者，就是消息队列模型了。
RabbitMQ的消息模型
RabbitMQ 使用的还是消息队列这种消息模型，不过它引入了一个 exchange 的概念。
exchange 也就是交换器，位于生产者和队列之间，生产者产生的数据是直接发送到 exchange 中，然后 exchange 根据配置的策略将消息发送到对应的队列中。
RabbitMQ 中通过绑定将交换器和队列关联起来，绑定的时候一般会指定一个绑定键(BindingKey)。
生产者发送消息的时候会指定一个 RoutingKey ,当 RoutingKey 和 BindingKey，一样的时候就会被发送的对应的队列中去。
交换器的类型
RabbitMQ 中肠常用的交换器有 fanout、direct、topic、headers 四种，这里来一一分析下
direct
direct 会根据发送消息的 RoutingKey ，然后发送到和 RoutingKey 匹配的 BindingKey 对应的队列中去。
如果发送消息的路由键也就是 RoutingKey，为 log 的时候，两个消息队列都会收到消息，如果路由键为 debug ，exchange 只会把消息发送到消息队列1中。
Default Exchange
Default Exchange 是一种特殊的 Direct Exchange。
如果不指定 Exchange ,当你手动创建一个队列时，后台会自动将这个队列绑定到一个名称为空的 Direct Exchange 上，绑定 RoutingKey 与队列名称相同。通过使用这个默认的交换器，可以省略掉 RoutingKey 的绑定，直接使用队列即可，在某些场景可以简化我们的代码。
topic
direct 中的 RoutingKey 和 BindingKey 是完全匹配才能发送消息，topic 中在此基础之上做了扩展，也就是引入了模糊匹配机制。
- RoutingKey 和 BindingKey 中使用 . ，来分割字符串，被 . 分割开的每一段字符串就是一个匹配字符；
- BindingKey 中主要通过 * 和 # ,用于模糊匹配，* 表示一个单词，# 代表任意0个或多个单词；
- BindingKey 中单独使用 # 时，会接收所有的消息，这与类型 fanout一致；
栗子：
1、路由键为 test.rabbitmq 消息队列1和消息队列2都会收到消息；
2、路由键为 rabbitmq 没有队列能收到消息；
3、路由键为 test 消息队列2会收到消息；
4、路由键为 rr.info.ww 消息队列2会收到消息；
5、路由键为 info 没有队列能收到消息；
fanout
该交换器收到的信息会被发送到所有与改交换器绑定的队列中。
headers
headers 类型的交换器不依赖于路由键的匹配规则来路由消息，而是根据发送的消息内容中 headers 属性进行匹配。在绑定队列和交换器时制定一组键值对当发送消息到交换器时，RabbitMQ 会获取到该消息的 headers (也是一个键值对的形式) ，对比其中的键值对是否完全匹配队列和交换器绑定时指定的键值对，如果完全匹配则消息会路由到该队列，否则不会路由到该队列 headers 类型的交换器性能会很差，而且也不实用，基本上不会看到它的存在。
Kafka的消息模型
Kafaka 中引入了一个 broker。broker 接收生产者的信息，为消息设置偏移量，并且保存的磁盘中。broker 为消费者提供服务，对读取分区的请求作出响应，返回已经提交到磁盘上的消息。
同时 broker 也会对生产者和消费者进行消息的确认。
生产者发送消息到 broker，如果没有收到 broker 的确认就可以选择继续发送；
消费者同理,在消费端，消费者在收到消息并完成自己的消费业务逻辑（比如，将数据保存到数据库中）后，也会给服务端发送消费成功的确认，broker 只有收到消费确认后，才认为一条消息被成功消费，否则它会给消费者重新发送这条消息，直到收到对应的消费成功确认。
如果一个主题中，每次只有一个消费实例在处理，同时我们也要保持消息的有序性，当前消息没有被消费掉就不能接着消费下一个消息。那么，消费的性能将是极低的，这时候引入了一个分区的概念。
主题可以被分为若干个分区，一个分区就是一个提交日志。消息以追加的方式写入分区，然后以先入先出的顺序读取。要注意，由于一个主题一般包含几个分区，因此无法在整个主题范围内保证消息的顺序，但可以保证消息在单个分区内的顺序。
同时引入了消费者组，消费者是消费者组中的一部分，这样会有一个或者多个消费者读一个分支，不过群组会保证一个分区只能被一个消费者消费，通过多消费者，这样消费的性能就提高了。
每个消费组都消费主题中一份完整的消息，不同消费组之间消费进度彼此不受影响，也就是说，一条消息被Consumer Group1消费过，也会再给Consumer Group2消费。不过同组内是竞争关系，同组内一个消息只能被同组内的一个消息消费。
消费者通过偏移量来确认读过的数据，他是个不断累加的数据，每次成功消费一个数据这个偏移量就加一。在给定的分区中，每个消息的偏移量都是唯一的。消费者会把每个分区读取的消息偏移量保存在 Zookeeper 或 Kafka 上，如果消费者关闭或重启，它的读取状态不会丢失。
RocketMQ的消息模型
RocketMQ 中的消息模型和 Kafaka 类似，把 Kafaka 中的分区换成队列，就是 RocketMQ 的消息模型了。
不过虽然消息模型类似，但是实现方式还是有很大的差别的。
参考
【消息队列高手课】https://time.geekbang.org/column/intro/100032301
【消息队列设计精要】https://tech.meituan.com/2016/07/01/mq-design.html
【RabbitMQ实战指南】https://book.douban.com/subject/27591386/
【Kafka权威指南】https://book.douban.com/subject/27665114/