工作中這樣用MQ，很香！

👉 這是一個或許對你有用的社群

🐱 一對一交流/面試小冊/簡歷最佳化/求職解惑，歡迎加入「芋道快速開發平臺」知識星球。下面是星球提供的部分資料：

《專案實戰（影片）》：從書中學，往事上“練”

《網際網路高頻面試題》：面朝簡歷學習，春暖花開

《架構 x 系統設計》：摧枯拉朽，掌控面試高頻場景題

《精進 Java 學習指南》：系統學習，網際網路主流技術棧

《必讀 Java 原始碼專欄》：知其然，知其所以然

👉這是一個或許對你有用的開源專案

國產 Star 破 10w+ 的開源專案，前端包括管理後臺 + 微信小程式，後端支援單體和微服務架構。

功能涵蓋 RBAC 許可權、SaaS 多租戶、資料許可權、商城、支付、工作流、大屏報表、微信公眾號、ERP、CRM、AI 大模型等等功能：

Boot 多模組架構：https://gitee.com/zhijiantianya/ruoyi-vue-pro

Cloud 微服務架構：https://gitee.com/zhijiantianya/yudao-cloud

影片教程：https://doc.iocoder.cn

【國內首批】支援 JDK 17/21 + SpringBoot 3.3、JDK 8/11 + Spring Boot 2.7 雙版本

來源：蘇三說技術

前言

訊息佇列（MQ）是分散式系統中不可或缺的技術之一。

對很多小夥伴來說，剛接觸MQ時，可能覺得它只是個“傳話工具”，但用著用著，你會發現它簡直是系統的“潤滑劑”。

無論是解耦、削峰，還是非同步任務處理，都離不開MQ的身影。

下面我結合實際場景，從簡單到複雜，逐一拆解MQ的10種經典使用方式，希望對你會有所幫助。

基於 Spring Boot + MyBatis Plus + Vue & Element 實現的後臺管理系統 + 使用者小程式，支援 RBAC 動態許可權、多租戶、資料許可權、工作流、三方登入、支付、簡訊、商城等功能

專案地址：https://github.com/YunaiV/ruoyi-vue-pro

影片教程：https://doc.iocoder.cn/video/

1. 非同步處理：讓系統輕鬆一點

場景

小夥伴們是不是經常遇到這樣的情況：使用者提交一個操作，比如下單，然後要傳送簡訊通知。

如果直接在主流程裡呼叫簡訊介面，一旦簡訊服務響應慢，就會拖累整個操作。

使用者等得不耐煩，心態直接崩了。

解決方案

用MQ，把非關鍵流程抽出來非同步處理。下單時，直接把“發簡訊”這件事丟給MQ，訂單服務就能立刻響應使用者，而簡訊的事情讓MQ和消費者去搞定。

示例程式碼

// 訂單服務：生產者
Order order = createOrder(); 
// 訂單生成邏輯
rabbitTemplate.convertAndSend(
"order_exchange"
, 
"order_key"
, order);

System.out.println(
"訂單已生成，發簡訊任務交給MQ"
);
// 簡訊服務：消費者
@RabbitListener
(queues = 
"sms_queue"
)
publicvoidsendSms(Order order)
{

    System.out.println(
"傳送簡訊，訂單ID："
 + order.getId());
// 呼叫簡訊服務介面
}

深度解析

這種方式的好處是：主流程解耦，不受慢服務的拖累 。訂單服務只管自己的事，簡訊服務掛了也沒關係，MQ會把訊息暫存，等簡訊服務恢復後繼續處理。

基於 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 實現的後臺管理系統 + 使用者小程式，支援 RBAC 動態許可權、多租戶、資料許可權、工作流、三方登入、支付、簡訊、商城等功能

專案地址：https://github.com/YunaiV/yudao-cloud

影片教程：https://doc.iocoder.cn/video/

2. 流量削峰：穩住系統別崩

場景

每年的“雙十一”電商大促，使用者秒殺商品時一窩蜂衝進來。

突然湧入的高併發請求，不僅會壓垮應用服務，還會直接讓資料庫“趴窩”。

解決方案

秒殺請求先寫入MQ，後端服務以穩定的速度從MQ中消費訊息，處理訂單。

這樣既能避免系統被瞬時流量壓垮，還能提升處理的平穩性。

示例程式碼

// 使用者提交秒殺請求：生產者
rabbitTemplate.convertAndSend(
"seckill_exchange"
, 
"seckill_key"
, userRequest);

System.out.println(
"使用者秒殺請求已進入佇列"
);
// 秒殺服務：消費者
@RabbitListener
(queues = 
"seckill_queue"
)
publicvoidprocessSeckill(UserRequest request)
{

    System.out.println(
"處理秒殺請求，使用者ID："
 + request.getUserId());
// 執行秒殺邏輯
}

深度解析

MQ在這裡相當於一個緩衝池，把瞬時流量均勻分佈到一段時間內處理。系統穩定性提升，使用者體驗更好 。

3. 服務解耦：減少相互牽制

場景

比如一個訂單系統需要通知庫存系統扣減庫存，還要通知支付系統完成扣款。

如果直接用同步介面呼叫，服務間的依賴性很強，一個服務掛了，整個鏈條都會被拖垮。

解決方案

訂單服務只負責把訊息丟到MQ裡，庫存服務和支付服務各自從MQ中消費訊息。

這樣訂單服務不需要直接依賴它們。

示例程式碼

// 訂單服務：生產者
rabbitTemplate.convertAndSend(
"order_exchange"
, 
"order_key"
, order);

System.out.println(
"訂單生成訊息已傳送"
);
// 庫存服務：消費者
@RabbitListener
(queues = 
"stock_queue"
)
publicvoidupdateStock(Order order)
{

    System.out.println(
"扣減庫存，訂單ID："
 + order.getId());

}
// 支付服務：消費者
@RabbitListener
(queues = 
"payment_queue"
)
publicvoidprocessPayment(Order order)
{

    System.out.println(
"處理支付，訂單ID："
 + order.getId());

}

深度解析

透過MQ，各個服務之間可以實現松耦合。

即使庫存服務掛了，也不會影響訂單生成的流程，大幅提升系統的容錯能力 。

4. 分散式事務：保證資料一致性

場景

訂單服務需要同時生成訂單和扣減庫存，這涉及兩個不同的資料庫操作。

如果一個成功一個失敗，就會導致資料不一致。

解決方案

透過MQ實現分散式事務。

訂單服務生成訂單後，將扣減庫存的任務交給MQ，最終實現資料的一致性。

示例程式碼

// 訂單服務：生產者
rabbitTemplate.convertAndSend(
"order_exchange"
, 
"order_key"
, order);

System.out.println(
"訂單建立訊息已傳送"
);
// 庫存服務：消費者
@RabbitListener
(queues = 
"stock_queue"
)
publicvoidupdateStock(Order order)
{

    System.out.println(
"更新庫存，訂單ID："
 + order.getId());
// 執行扣減庫存邏輯
}

深度解析

透過“最終一致性”解決了分散式事務的難題，雖然短時間內可能有資料不一致，但最終狀態一定是正確的。

5. 廣播通知：一條訊息，通知多個服務

場景

比如商品價格調整，庫存、搜尋、推薦服務都需要同步更新。

如果每個服務都要單獨通知，工作量會很大。

解決方案

MQ的廣播模式（Fanout）可以讓多個消費者訂閱同一條訊息，實現訊息的“一發多收”。

示例程式碼

// 生產者：廣播訊息
rabbitTemplate.convertAndSend(
"price_update_exchange"
, 
""
, priceUpdate);

System.out.println(
"商品價格更新訊息已廣播"
);
// 消費者1：庫存服務
@RabbitListener
(queues = 
"stock_queue"
)
publicvoidupdateStockPrice(PriceUpdate priceUpdate)
{

    System.out.println(
"庫存價格更新："
 + priceUpdate.getProductId());

}
// 消費者2：搜尋服務
@RabbitListener
(queues = 
"search_queue"
)
publicvoidupdateSearchPrice(PriceUpdate priceUpdate)
{

    System.out.println(
"搜尋價格更新："
 + priceUpdate.getProductId());

}

深度解析

這種模式讓多個服務都能接收到同一條訊息，擴充套件性非常強 。

6. 日誌收集：分散式日誌集中化

場景

多個服務產生的日誌需要統一儲存和分析。

如果直接寫資料庫，可能導致效能瓶頸。

解決方案

各服務將日誌寫入MQ，日誌分析系統從MQ中消費訊息並統一處理。

示例程式碼

// 服務端：生產者
rabbitTemplate.convertAndSend(
"log_exchange"
, 
"log_key"
, logEntry);

System.out.println(
"日誌已傳送"
);
// 日誌分析服務：消費者
@RabbitListener
(queues = 
"log_queue"
)
publicvoidprocessLog(LogEntry log)
{

    System.out.println(
"日誌處理："
 + log.getMessage());
// 儲存或分析邏輯
}

7. 延遲任務：定時觸發操作

場景

使用者下單後，如果30分鐘內未支付，需要自動取消訂單。

解決方案

使用MQ的延遲佇列功能，設定訊息延遲消費的時間。

示例程式碼

// 生產者：傳送延遲訊息
rabbitTemplate.convertAndSend(
"delay_exchange"
, 
"delay_key"
, order, message -> {

    message.getMessageProperties().setDelay(
30
 * 
60
 * 
1000
); 
// 延遲30分鐘
return
 message;

});

System.out.println(
"訂單取消任務已設定"
);
// 消費者：處理延遲訊息
@RabbitListener
(queues = 
"delay_queue"
)
publicvoidcancelOrder(Order order)
{

    System.out.println(
"取消訂單："
 + order.getId());
// 取消訂單邏輯
}

8. 資料同步：跨系統保持資料一致

場景

在一個分散式系統中，多個服務依賴同一份資料來源。

例如，電商平臺的訂單狀態更新後，需要同步到快取系統和推薦系統。

如果讓每個服務直接從資料庫拉取資料，會增加資料庫壓力，還可能出現延遲或不一致的問題。

解決方案

利用MQ進行資料同步。訂單服務更新訂單狀態後，將更新資訊傳送到MQ，快取服務和推薦服務從MQ中消費訊息並同步資料。

示例程式碼

訂單服務：生產者

// 更新訂單狀態後，將訊息傳送到MQ
Order order = updateOrderStatus(orderId, 
"PAID"
); 
// 更新訂單狀態為已支付
rabbitTemplate.convertAndSend(
"order_exchange"
, 
"order_status_key"
, order);

System.out.println(
"訂單狀態更新訊息已傳送："
 + order.getId());

快取服務：消費者

@RabbitListener
(queues = 
"cache_update_queue"
)
publicvoidupdateCache(Order order)
{

    System.out.println(
"更新快取，訂單ID："
 + order.getId() + 
" 狀態："
 + order.getStatus());
// 更新快取邏輯
    cacheService.update(order.getId(), order.getStatus());

}

推薦服務：消費者

@RabbitListener
(queues = 
"recommendation_queue"
)
publicvoidupdateRecommendation(Order order)
{

    System.out.println(
"更新推薦系統，訂單ID："
 + order.getId() + 
" 狀態："
 + order.getStatus());
// 更新推薦服務邏輯
    recommendationService.updateOrderStatus(order);

}

深度解析

透過MQ實現資料同步的好處是：

減輕資料庫壓力 ：避免多個服務同時查詢資料庫。
最終一致性 ：即使某個服務處理延遲，MQ也能保障訊息不丟失，最終所有服務的資料狀態一致。

9. 分散式任務排程

場景

有些任務需要定時執行，比如每天凌晨清理過期訂單。

這些訂單可能分佈在多個服務中，如果每個服務獨立執行定時任務，可能會出現重複處理或任務遺漏的問題。

解決方案

使用MQ統一分發排程任務，每個服務根據自身的業務需求，從MQ中消費任務並執行。

示例程式碼

任務排程服務：生產者

// 定時任務生成器
@Scheduled
(cron = 
"0 0 0 * * ?"
) 
// 每天凌晨觸發
publicvoidgenerateTasks()
{

    List<Task> expiredTasks = taskService.getExpiredTasks();
for
 (Task task : expiredTasks) {

        rabbitTemplate.convertAndSend(
"task_exchange"
, 
"task_routing_key"
, task);

        System.out.println(
"任務已傳送："
 + task.getId());

    }

}

訂單服務：消費者

@RabbitListener
(queues = 
"order_task_queue"
)
publicvoidprocessOrderTask(Task task)
{

    System.out.println(
"處理訂單任務："
 + task.getId());
// 執行訂單清理邏輯
    orderService.cleanExpiredOrder(task);

}

庫存服務：消費者

@RabbitListener
(queues = 
"stock_task_queue"
)
publicvoidprocessStockTask(Task task)
{

    System.out.println(
"處理庫存任務："
 + task.getId());
// 執行庫存釋放邏輯
    stockService.releaseStock(task);

}

深度解析

分散式任務排程可以解決：

重複執行 ：每個服務只處理自己佇列中的任務。
任務遺漏 ：MQ確保任務可靠傳遞，防止任務丟失。

10. 檔案處理：非同步執行大檔案任務

場景

使用者上傳一個大檔案後，需要對檔案進行處理（如格式轉換、壓縮等）並存儲。

如果同步執行這些任務，前端頁面可能會一直載入，導致使用者體驗差。

解決方案

使用者上傳檔案後，立即將任務寫入MQ，後臺非同步處理檔案，處理完成後通知使用者或更新狀態。

示例程式碼

上傳服務：生產者

// 上傳檔案後，將任務寫入MQ
FileTask fileTask = 
new
 FileTask();

fileTask.setFileId(fileId);

fileTask.setOperation(
"COMPRESS"
);

rabbitTemplate.convertAndSend(
"file_task_exchange"
, 
"file_task_key"
, fileTask);

System.out.println(
"檔案處理任務已傳送，檔案ID："
 + fileId);

檔案處理服務：消費者

@RabbitListener
(queues = 
"file_task_queue"
)
publicvoidprocessFileTask(FileTask fileTask)
{

    System.out.println(
"處理檔案任務："
 + fileTask.getFileId() + 
" 操作："
 + fileTask.getOperation());
// 模擬檔案處理邏輯
if
 (
"COMPRESS"
.equals(fileTask.getOperation())) {

        fileService.compressFile(fileTask.getFileId());

    } 
elseif
 (
"CONVERT"
.equals(fileTask.getOperation())) {

        fileService.convertFileFormat(fileTask.getFileId());

    }
// 更新任務狀態
    taskService.updateTaskStatus(fileTask.getFileId(), 
"COMPLETED"
);

}

前端輪詢或回撥通知

// 前端輪詢檔案處理狀態
setInterval(() => {

    fetch(`/file/status?fileId=${fileId}`)

        .then(response => response.json())

        .then(status => {
if
 (status === 
"COMPLETED"
) {

                alert(
"檔案處理完成！"
);

            }

        });

}, 
5000
);