我舉個例子，我們以前做過一個 MySQL binlog 同步的系統(tǒng)，壓力還是非常大的，日同步數(shù)據(jù)要達到上億，就是說數(shù)據(jù)從一個 mysql 庫原封不動地同步到另一個 mysql 庫里面去（mysql -> mysql）。常見的一點在于說比如大數(shù)據(jù) team，就需要同步一個 mysql 庫過來，對公司的業(yè)務(wù)系統(tǒng)的數(shù)據(jù)做各種復(fù)雜的操作。

你在 mysql 里增刪改一條數(shù)據(jù)，對應(yīng)出來了增刪改 3 條 binlog 日志，接著這三條 binlog 發(fā)送到 MQ 里面，再消費出來依次執(zhí)行，起碼得保證人家是按照順序來的吧？不然本來是：增加、修改、刪除；你楞是換了順序給執(zhí)行成刪除、修改、增加，不全錯了么。

本來這個數(shù)據(jù)同步過來，應(yīng)該最后這個數(shù)據(jù)被刪除了；結(jié)果你搞錯了這個順序，最后這個數(shù)據(jù)保留下來了，數(shù)據(jù)同步就出錯了。

先看看順序會錯亂的倆場景：

• RabbitMQ：一個 queue，多個 consumer。比如，生產(chǎn)者向 RabbitMQ 里發(fā)送了三條數(shù)據(jù)，順序依次是 data1/data2/data3，壓入的是 RabbitMQ 的一個內(nèi)存隊列。有三個消費者分別從 MQ 中消費這三條數(shù)據(jù)中的一條，結(jié)果消費者2先執(zhí)行完操作，把 data2 存入數(shù)據(jù)庫，然后是 data1/data3。這不明顯亂了。

 

• Kafka：比如說我們建了一個 topic，有三個 partition。生產(chǎn)者在寫的時候，其實可以指定一個 key，比如說我們指定了某個訂單 id 作為 key，那么這個訂單相關(guān)的數(shù)據(jù)，一定會被分發(fā)到同一個 partition 中去，而且這個 partition 中的數(shù)據(jù)一定是有順序的。    
  消費者從 partition 中取出來數(shù)據(jù)的時候，也一定是有順序的。到這里，順序還是 ok 的，沒有錯亂。接著，我們在消費者里可能會搞     多個線程來并發(fā)處理消息。因為如果消費者是單線程消費處理，而處理比較耗時的話，比如處理一條消息耗時幾十 ms，那么 1 秒鐘只能處理幾十條消息，這吞吐量太低了。而多個線程并發(fā)跑的話，順序可能就亂掉了。

 

解決方案

RabbitMQ

拆分多個 queue，每個 queue 一個 consumer，就是多一些 queue 而已，確實是麻煩點；或者就一個 queue 但是對應(yīng)一個 consumer，然后這個 consumer 內(nèi)部用內(nèi)存隊列做排隊，然后分發(fā)給底層不同的 worker 來處理。

Kafka

• 一個 topic，一個 partition，一個 consumer，內(nèi)部單線程消費，單線程吞吐量太低，一般不會用這個。
• 寫 N 個內(nèi)存 queue，具有相同 key 的數(shù)據(jù)都到同一個內(nèi)存 queue；然后對于 N 個線程，每個線程分別消費一個內(nèi)存 queue 即可，這樣就能保證順序性。