前言

消息队列（MQ）是分布式系统中不可或缺的技术之一.

对很多小伙伴来说，刚接触MQ时，可能觉得它只是个“传话工具”，但用着用着，你会发现它简直是系统的“润滑剂”.

无论是解耦、削峰，还是异步任务处理，都离不开MQ的身影.

下面我结合实际场景，从简单到复杂，逐一拆解MQ的10种经典使用方式，希望对你会有所帮助.

1. 异步处理：让系统轻松一点

场景

小伙伴们是不是经常遇到这样的情况：用户提交一个操作，比如下单，然后要发送短信通知.

如果直接在主流程里调用短信接口，一旦短信服务响应慢，就会拖累整个操作.

用户等得不耐烦，心态直接崩了.

解决方案

用MQ，把非关键流程抽出来异步处理。下单时，直接把“发短信”这件事丢给MQ，订单服务就能立刻响应用户，而短信的事情让MQ和消费者去搞定.

示例代码

// 订单服务：生产者
Order order = createOrder(); // 订单生成逻辑
rabbitTemplate.convertAndSend("order_exchange", "order_key", order);
System.out.println("订单已生成，发短信任务交给MQ");

// 短信服务：消费者
@RabbitListener(queues = "sms_queue")
public void sendSms(Order order) {
    System.out.println("发送短信，订单ID：" + order.getId());
    // 调用短信服务接口
}

深度解析

这种方式的好处是：主流程解耦，不受慢服务的拖累。订单服务只管自己的事，短信服务挂了也没关系，MQ会把消息暂存，等短信服务恢复后继续处理.

2. 流量削峰：稳住系统别崩

场景

每年的“双十一”电商大促，用户秒杀商品时一窝蜂冲进来.

突然涌入的高并发请求，不仅会压垮应用服务，还会直接让数据库“趴窝”.

解决方案

秒杀请求先写入MQ，后端服务以稳定的速度从MQ中消费消息，处理订单.

这样既能避免系统被瞬时流量压垮，还能提升处理的平稳性.

示例代码

// 用户提交秒杀请求：生产者
rabbitTemplate.convertAndSend("seckill_exchange", "seckill_key", userRequest);
System.out.println("用户秒杀请求已进入队列");

// 秒杀服务：消费者
@RabbitListener(queues = "seckill_queue")
public void processSeckill(UserRequest request) {
    System.out.println("处理秒杀请求，用户ID：" + request.getUserId());
    // 执行秒杀逻辑
}

深度解析

MQ在这里相当于一个缓冲池，把瞬时流量均匀分布到一段时间内处理。系统稳定性提升，用户体验更好.

3. 服务解耦：减少相互牵制

场景

比如一个订单系统需要通知库存系统扣减库存，还要通知支付系统完成扣款.

如果直接用同步接口调用，服务间的依赖性很强，一个服务挂了，整个链条都会被拖垮.

解决方案

订单服务只负责把消息丢到MQ里，库存服务和支付服务各自从MQ中消费消息.

这样订单服务不需要直接依赖它们.

示例代码

// 订单服务：生产者
rabbitTemplate.convertAndSend("order_exchange", "order_key", order);
System.out.println("订单生成消息已发送");

// 库存服务：消费者
@RabbitListener(queues = "stock_queue")
public void updateStock(Order order) {
    System.out.println("扣减库存，订单ID：" + order.getId());
}

// 支付服务：消费者
@RabbitListener(queues = "payment_queue")
public void processPayment(Order order) {
    System.out.println("处理支付，订单ID：" + order.getId());
}

深度解析

通过MQ，各个服务之间可以实现松耦合.

即使库存服务挂了，也不会影响订单生成的流程，大幅提升系统的容错能力.

4. 分布式事务：保证数据一致性

场景

订单服务需要同时生成订单和扣减库存，这涉及两个不同的数据库操作.

如果一个成功一个失败，就会导致数据不一致.

解决方案

通过MQ实现分布式事务.

订单服务生成订单后，将扣减库存的任务交给MQ，最终实现数据的一致性.

示例代码

// 订单服务：生产者
rabbitTemplate.convertAndSend("order_exchange", "order_key", order);
System.out.println("订单创建消息已发送");

// 库存服务：消费者
@RabbitListener(queues = "stock_queue")
public void updateStock(Order order) {
    System.out.println("更新库存，订单ID：" + order.getId());
    // 执行扣减库存逻辑
}

深度解析

通过“最终一致性”解决了分布式事务的难题，虽然短时间内可能有数据不一致，但最终状态一定是正确的.

5. 广播通知：一条消息，通知多个服务

场景

比如商品价格调整，库存、搜索、推荐服务都需要同步更新.

如果每个服务都要单独通知，工作量会很大.

解决方案

MQ的广播模式（Fanout）可以让多个消费者订阅同一条消息，实现消息的“一发多收”.

示例代码

// 生产者：广播消息
rabbitTemplate.convertAndSend("price_update_exchange", "", priceUpdate);
System.out.println("商品价格更新消息已广播");

// 消费者1：库存服务
@RabbitListener(queues = "stock_queue")
public void updateStockPrice(PriceUpdate priceUpdate) {
    System.out.println("库存价格更新：" + priceUpdate.getProductId());
}

// 消费者2：搜索服务
@RabbitListener(queues = "search_queue")
public void updateSearchPrice(PriceUpdate priceUpdate) {
    System.out.println("搜索价格更新：" + priceUpdate.getProductId());
}

深度解析

这种模式让多个服务都能接收到同一条消息，扩展性非常强.

6. 日志收集：分布式日志集中化

场景

多个服务产生的日志需要统一存储和分析.

如果直接写数据库，可能导致性能瓶颈.

解决方案

各服务将日志写入MQ，日志分析系统从MQ中消费消息并统一处理.

示例代码

// 服务端：生产者
rabbitTemplate.convertAndSend("log_exchange", "log_key", logEntry);
System.out.println("日志已发送");

// 日志分析服务：消费者
@RabbitListener(queues = "log_queue")
public void processLog(LogEntry log) {
    System.out.println("日志处理：" + log.getMessage());
    // 存储或分析逻辑
}

7. 延迟任务：定时触发操作

场景

用户下单后，如果30分钟内未支付，需要自动取消订单.

解决方案

使用MQ的延迟队列功能，设置消息延迟消费的时间.

示例代码

// 生产者：发送延迟消息
rabbitTemplate.convertAndSend("delay_exchange", "delay_key", order, message -> {
    message.getMessageProperties().setDelay(30 * 60 * 1000); // 延迟30分钟
    return message;
});
System.out.println("订单取消任务已设置");

// 消费者：处理延迟消息
@RabbitListener(queues = "delay_queue")
public void cancelOrder(Order order) {
    System.out.println("取消订单：" + order.getId());
    // 取消订单逻辑
}

8. 数据同步：跨系统保持数据一致

场景

在一个分布式系统中，多个服务依赖同一份数据源.

例如，电商平台的订单状态更新后，需要同步到缓存系统和推荐系统.

如果让每个服务直接从数据库拉取数据，会增加数据库压力，还可能出现延迟或不一致的问题.

解决方案

利用MQ进行数据同步。订单服务更新订单状态后，将更新信息发送到MQ，缓存服务和推荐服务从MQ中消费消息并同步数据.

示例代码

订单服务：生产者 。

// 更新订单状态后，将消息发送到MQ
Order order = updateOrderStatus(orderId, "PAID"); // 更新订单状态为已支付
rabbitTemplate.convertAndSend("order_exchange", "order_status_key", order);
System.out.println("订单状态更新消息已发送：" + order.getId());

缓存服务：消费者 。

@RabbitListener(queues = "cache_update_queue")
public void updateCache(Order order) {
    System.out.println("更新缓存，订单ID：" + order.getId() + " 状态：" + order.getStatus());
    // 更新缓存逻辑
    cacheService.update(order.getId(), order.getStatus());
}

推荐服务：消费者 。

@RabbitListener(queues = "recommendation_queue")
public void updateRecommendation(Order order) {
    System.out.println("更新推荐系统，订单ID：" + order.getId() + " 状态：" + order.getStatus());
    // 更新推荐服务逻辑
    recommendationService.updateOrderStatus(order);
}

深度解析

通过MQ实现数据同步的好处是:

1. 减轻数据库压力：避免多个服务同时查询数据库。
2. 最终一致性：即使某个服务处理延迟，MQ也能保障消息不丢失，最终所有服务的数据状态一致。

9. 分布式任务调度

场景

有些任务需要定时执行，比如每天凌晨清理过期订单.

这些订单可能分布在多个服务中，如果每个服务独立运行定时任务，可能会出现重复处理或任务遗漏的问题.

解决方案

使用MQ统一分发调度任务，每个服务根据自身的业务需求，从MQ中消费任务并执行.

示例代码

任务调度服务：生产者 。

// 定时任务生成器
@Scheduled(cron = "0 0 0 * * ?") // 每天凌晨触发
public void generateTasks() {
    List<Task> expiredTasks = taskService.getExpiredTasks();
    for (Task task : expiredTasks) {
        rabbitTemplate.convertAndSend("task_exchange", "task_routing_key", task);
        System.out.println("任务已发送：" + task.getId());
    }
}

订单服务：消费者 。

@RabbitListener(queues = "order_task_queue")
public void processOrderTask(Task task) {
    System.out.println("处理订单任务：" + task.getId());
    // 执行订单清理逻辑
    orderService.cleanExpiredOrder(task);
}

库存服务：消费者 。

@RabbitListener(queues = "stock_task_queue")
public void processStockTask(Task task) {
    System.out.println("处理库存任务：" + task.getId());
    // 执行库存释放逻辑
    stockService.releaseStock(task);
}

深度解析

分布式任务调度可以解决:

1. 重复执行：每个服务只处理自己队列中的任务。
2. 任务遗漏：MQ确保任务可靠传递，防止任务丢失。

10. 文件处理：异步执行大文件任务

场景

用户上传一个大文件后，需要对文件进行处理（如格式转换、压缩等）并存储.

如果同步执行这些任务，前端页面可能会一直加载，导致用户体验差.

解决方案

用户上传文件后，立即将任务写入MQ，后台异步处理文件，处理完成后通知用户或更新状态.

示例代码

上传服务：生产者 。

// 上传文件后，将任务写入MQ
FileTask fileTask = new FileTask();
fileTask.setFileId(fileId);
fileTask.setOperation("COMPRESS");
rabbitTemplate.convertAndSend("file_task_exchange", "file_task_key", fileTask);
System.out.println("文件处理任务已发送，文件ID：" + fileId);

文件处理服务：消费者 。

@RabbitListener(queues = "file_task_queue")
public void processFileTask(FileTask fileTask) {
    System.out.println("处理文件任务：" + fileTask.getFileId() + " 操作：" + fileTask.getOperation());
    // 模拟文件处理逻辑
    if ("COMPRESS".equals(fileTask.getOperation())) {
        fileService.compressFile(fileTask.getFileId());
    } else if ("CONVERT".equals(fileTask.getOperation())) {
        fileService.convertFileFormat(fileTask.getFileId());
    }
    // 更新任务状态
    taskService.updateTaskStatus(fileTask.getFileId(), "COMPLETED");
}

前端轮询或回调通知 。

// 前端轮询文件处理状态
setInterval(() => {
    fetch(`/file/status?fileId=${fileId}`)
        .then(response => response.json())
        .then(status => {
            if (status === "COMPLETED") {
                alert("文件处理完成！");
            }
        });
}, 5000);

深度解析

异步文件处理的优势:

1. 提升用户体验：主线程迅速返回，减少用户等待时间。
2. 后台任务灵活扩展：支持多种操作逻辑，适应复杂文件处理需求。

总结

消息队列不只是传递消息的工具，更是系统解耦、提升稳定性和扩展性的利器.

在这10种经典场景中，每一种都能解决特定的业务痛点.

希望这篇文章对你理解MQ的应用场景有帮助！ 。

最后说一句(求关注，别白嫖我)

如果这篇文章对您有所帮助，或者有所启发的话，帮忙关注一下我的同名公众号：苏三说技术，您的支持是我坚持写作最大的动力.

求一键三连：点赞、转发、在看.

关注公众号：【苏三说技术】，在公众号中回复：进大厂，可以免费获取我最近整理的10万字的面试宝典，好多小伙伴靠这个宝典拿到了多家大厂的offer.

最后此篇关于工作中这样用MQ，很香！的文章就讲到这里了,如果你想了解更多关于工作中这样用MQ，很香！的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。