消息队列简介及安装

首先，在安装消息队列之前，我们需要知道消息队列是解决什么问题呢?

消息队列本质是解决消息传递的问题，场景都是扩展出来的。

可能你会问，一条消息不能直接传递吗?比如服务A不总是能将消息直接传给服务B吗?为啥还要引入一个消息队列?

有一些时候是不能的，举几个例子:

接收方处理不过来的时候，比如接收方每秒只能处理1000条消息，但是你因为搞活动，瞬间1s有10000条，这时候打过去接收方也扛不住啊，通过消息队列可以让接收方按自己的能力来协调，把消息压力摊平，这就是削峰
发送一个通知到短信服务，让短信服务发一条短信给客户，这时候如果要等待短信发完，发送方就会慢，不需要关注结果，就可以实现解耦

面对上述问题，没有什么事是引入一个中间层解决不了的；这就是引入消息队列作为中间层，来解决某些场景下消息传递的问题，这就是消息队列的意义；

接下来介绍消息队列的应用场景

解耦

比如发送短信场景，假设服务SvrA发送消息给SvrB，SvrB发送短信给客户，很多时候业务是允许SvrA不需要得到SvrB发送完成的回应，只需要消息发送到SvrB就行了，这种情况下，如果还让SvrA等待SvrB的返回，显然会导致性能变低，同时还要去关注SvrB的运行结果。所以，如果业务可以去除这种依赖，那么就能获得性能，可靠性等的提升；

异步

如果一个接口，处理时间很长，而且不能通过水平扩容来解决，就需要异步。那么，什么情况下不能通过水平扩容解决呢?

有很多，比如视频处理，涉及到视频下载，那受限于网络带宽等因素，扩容无用;比如区块链这种共识场景，只有单机才能出块，扩容也没有用;还有更常见的，比如一个业务流程，过了10多个微服务，单个也许不长，加起来就很难接受。

以上的情况下，用户很难通过同步接口长时间等待结果，那就应该做成异步，先扔进消息队列，后续再进行消费，和解耦一样可以收获更高的性能，以及获得更好的可靠性。

异步和解耦最大的区别在于，解耦是业务上本身就不需要依赖，异步是可能还是需要关注结果，但是不一定干等，可以回头再找。

消息分发

假设一个核心服务A，是用来发布某种信号的，发布之后，需要通知到下游服务B、C，这种模式在只有B、C两兄弟的时候，没啥问题。但随着业务需要，可能会有D、E、F等更多的打工人出现，这时候A服务就需要更改代码，将消息也传递给这些新加入的兄弟，每次增加打工人，就需要更改一次代码。

而引入消息队列，就可以解决这个问题，实现代码复用，业务解耦，拥有高扩展性

削峰

每天要被人打48拳，1小时之内打完48拳可能人就挺不过去了，但是分散到24小时，1小时两拳，就能存活，这就是削峰。

我们经常遇到的秒杀场景就需要削峰的能力，一般而言就是将扣减库存操作均匀化处理，以防止瞬时流量打崩MySQL，如下所示(上面的图是削峰前，下面的图是削峰后):

最后就是进入了kafka的安装，本文主要是在wsl2中通过docker来拉取安装

打开wsl2终端，进入我的用户主目录:
bash 复制代码
```
cd ~
```
创建一个专门放 Kafka 的文件夹
bash 复制代码
```
mkdir kafka-dev
```

创建配置文件 (docker-compose.yml)

bash 复制代码

nano docker-compose.yml

bash 复制代码

services:
  kafka:
    image: apache/kafka:latest
    container_name: kafka
    ports:
      - "9092:9092"
    environment:
      # KRaft 模式配置，不需要 Zookeeper
      KAFKA_NODE_ID: 1
      KAFKA_PROCESS_ROLES: 'broker,controller'
      KAFKA_LISTENERS: 'PLAINTEXT://:9092,CONTROLLER://:9093'
      KAFKA_ADVERTISED_LISTENERS: 'PLAINTEXT://localhost:9092'
      KAFKA_CONTROLLER_LISTENER_NAMES: 'CONTROLLER'
      KAFKA_LISTENER_SECURITY_PROTOCOL_MAP: 'CONTROLLER:PLAINTEXT,PLAINTEXT:PLAINTEXT'
      KAFKA_CONTROLLER_QUORUM_VOTERS: '1@localhost:9093'
      KAFKA_OFFSETS_TOPIC_REPLICATION_FACTOR: 1
    volumes:
      - kafka_data:/var/lib/kafka/data

  kafka-ui:
    image: provectuslabs/kafka-ui:latest
    container_name: kafka-ui
    ports:
      - "8080:8080"
    environment:
      KAFKA_CLUSTERS_0_NAME: local-cluster
      KAFKA_CLUSTERS_0_BOOTSTRAPSERVERS: kafka:9092
    depends_on:
      - kafka

volumes:
  kafka_data:

按下 Ctrl + O （保存），然后按 Enter 确认文件名。按下 Ctrl + X（退出编辑器）。

一键启动
bash 复制代码
```
docker compose up -d
```
-d 的意思是"后台运行"，这样你关掉终端窗口 Kafka 也不会挂掉。
验证安装结果
bash 复制代码
```
docker ps
```
因为安装了 Kafka UI， 所以不用敲复杂的 Linux 命令，直接用你刚才安装的 Kafka UI （可视化界面）来操作：http://localhost:8080

9092 是 Kafka 搬运工的端口（给代码、数据用的）。

8080 是 Kafka-UI 监控器的端口（给人看网页用的）。

如果后期今天还要写代码，直接关掉 WSL 终端窗口即可，不用管它。Kafka 会在后台静默运行，随时待命。

但如果今天不写代码了，准备看电影或关机，建议手动停止它，释放内存给 Windows：

bash 复制代码

cd ~/kafka-dev

docker compose stop

之后如果你重启了 Windows：

确保 Docker Desktop 已经启动。
打开 WSL 终端，进入目录
再次输入：docker compose up -d。 它会秒级启动，并且你之前创建的 Topic 和数据都会通过我们配置的 volumes 自动找回来。

进入kafka的命令:

bash 复制代码

docker exec -it kafka bash