在面试大型互联网公司的时候，很可能会被问到消息队列的问题：
1.在何种场景下使用了消息中间件？
2.为什么要在系统里引入消息中间件？
3.如何实现幂等？
链式调用是我们在写程序时候的一般流程，为了完成一个整体功能，会将其拆分成多个函数（或子模块），比如模块A调用模块B，模块B调用模块C，模块C调用模块D。但在大型分布式应用中，系统间的RPC交互繁杂，一个功能背后要调用上百个接口并非不可能，这种架构有如下几个劣势：
1、 这些接口之间耦合比较严重，每新增一个下游功能，都要对上有的相关接口进行改造；举个例子：假如系统A要发送数据给系统B和C，发送给每个系统的数据可能有差异，因此系统A对要发送给每个系统的数据进行了组装，然后逐一发送；当代码上线后，新增了一个需求：把数据也发送给D。此时就需要修改A系统，让他感知到D的存在，同时把数据处理好给D。在这个过程中你会看到，每接入一个下游系统，都要对A系统进行代码改造，开发联调的效率很低。其整体架构如下图：
2、面对大流量并发时，容易被冲垮。每个接口模块的吞吐能力是有限的，这个上限能力如果堤坝，当大流量（洪水）来临时，容易被冲垮。
3、存在性能问题。RPC接口基本上是同步调用，整体的服务性能遵循“木桶理论”，即链路中最慢的那个接口。比如A调用B/C/D都是50ms，但此时B又调用了B1，花费2000ms，那么直接就拖累了整个服务性能。
根据上述的几个问题，在设计系统时可以明确要达到的目标：
1、 要做到系统解耦，当新的模块接进来时，可以做到代码改动最小；
2、设置流量缓冲池，可以让后端系统按照自身吞吐能力进行消费，不被冲垮；
3、强弱依赖梳理，将非关键调用链路的操作异步化，提升整体系统的吞吐能力，比如上图中A、B、C、D是让用户发起付款，然后返回付款成功提示的几个关键流程，而B1是通知付款后通知商家发货的模块，那么实质上用户对B1完成的时间容忍度比较大（比如几秒之后），可以将其异步化。
在现在的系统视线中，MQ消息队列是普遍使用的，可以完美的解决这些问题的利器。下图是使用了MQ的简单架构图，可以看到MQ在最前端对流量进行蓄洪，下游的系统ABC只与MQ打交道，通过事先定义好的消息格式来解析。
引入MQ之后的系统架构、交互方式与最初的链式调用架构非常不同，虽然可以解决上文提到的问题，但也要充分理解其原理特性来避免其带来的副作用，这里以消息队列如何保证“消息的可靠投递”为切入点，来看看MQ的实现方式。
1. Client如何将消息可靠投递到MQ
1.Client发送消息给MQ
2.MQ将消息持久化后，发送Ack消息给Client，此处有可能因为网络问题导致Ack消息无法发送到Client，那么Client在等待超时后，会重传消息；
3.Client收到Ack消息后，认为消息已经投递成功。
2. MQ如何将消息可靠投递到Client
1.MQ将消息push给Client（或Client来pull消息）
2.Client得到消息并做完业务逻辑
3.Client发送Ack消息给MQ，通知MQ删除该消息，此处有可能因为网络问题导致Ack失败，那么Client会重复消息，这里就引出消费幂等的问题；
4.MQ将已消费的消息删除
看完了这篇分享，不知道你对自己的Java学习是不是有了更多的感悟~
扩展阅读
