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。
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/
【RabbitMQ，RocketMQ，Kafka 消息模型对比分析】https://boilingfrog.github.io/2021/12/18/几种消息队列的消息模型/