消息模型
- 队列模型
- 发布-订阅模型（Publish-Subscribe Pattern）
队列模式和发布 - 订阅模式是并存的，有些消息队列同时支持这两种消息模型，比如 ActiveMQ。对比这两种模型，生产者就是发布者，消费者就是订阅者，队列就是主题，并没有本质的区别。它们最大的区别其实就是，一份消息数据能不能被消费多次的问题。
如何利用事务消息实现分布式事务
消息队列中的“事务”，主要解决的是消息生产者和消息消费者的数据一致性问题。
一个严格意义的事务实现，应该具有 4 个属性：原子性、一致性、隔离性、持久性。这四个属性通常称为 ACID 特性。
比较常见的分布式事务实现有 2PC（Two-phase Commit，也叫二阶段提交）、TCC(Try-Confirm-Cancel) 和事务消息。
事务消息适用的场景主要是那些需要异步更新数据，并且对数据实时性要求不太高的场景。
在 RocketMQ 中的事务实现中，增加了事务反查的机制来解决事务消息提交失败的问题。
如何确保消息不会丢失
分布式链路追踪系统
利用消息队列的有序性来验证是否有消息丢失
如果对消息的可靠性要求非常高，可以通过配置 Broker 参数来避免因为宕机丢消息。在收到消息后，将消息写入磁盘后再给 Producer 返回确认响应，这样即使发生宕机，由于消息已经被写入磁盘，就不会丢失消息，恢复后还可以继续消费。例如，在 RocketMQ 中，需要将刷盘方式 flushDiskType 配置为 SYNC_FLUSH 同步刷盘。
编写消费代码时需要注意的是，不要在收到消息后就立即发送消费确认，而是应该在执行完所有消费业务逻辑之后，再发送消费确认。
- 在生产阶段，你需要捕获消息发送的错误，并重发消息。
- 在存储阶段，你可以通过配置刷盘和复制相关的参数，让消息写入到多个副本的磁盘上，来确保消息不会因为某个 Broker 宕机或者磁盘损坏而丢失。
- 在消费阶段，你需要在处理完全部消费业务逻辑之后，再发送消费确认。
如何处理消费过程中的重复消息
用幂等性解决重复消息问题，一般解决重复消息的办法是，在消费端，让消费消息的操作具备幂等性。
几种常用的设计幂等操作的方法
- 利用数据库的唯一约束实现幂等
- 为更新的数据设置前置条件
- 记录并检查操作
消息积压如何处理
在消息的收发两端，我们的业务代码怎么和消息队列配合，达到一个最佳的性能。
要保证消费端的消费性能要高于生产端的发送性能，这样的系统才能健康的持续运行。
能导致积压突然增加，最粗粒度的原因，只有两种：要么是发送变快了，要么是消费变慢了。
开源代码该如何入手
- 通过文档来了解开源项目
通过看文档，快速地掌握这个软件整体的结构，它有哪些功能特性，它涉及到的关键技术、实现原理和它的生态系统等等。
- 用以点带面的方式来阅读源码
带着问题去读源码，最好是带着问题的答案去读源码。你每次读源码之前，确定一个具体的问题。
如何使用异步设计提升系统性能
异步思想就是，当我们要执行一项比较耗时的操作时，不去等待操作结束，而是给这个操作一个命令：“当操作完成后，接下来去执行什么。”
如何实现高性能的异步网络传输
序列化与反序列化：通过网络传输结构化的数据
序列化实现的时候，需要综合考虑数据可读性，实现复杂度，性能和信息密度这四个因素。
传输协议：应用程序之间对话的语言
在传输数据的的时候，首先要解决的就是断句问题。对于传输层来说，收到的数据是什么样的？就是一段一段的字节，但是，因为网络的不确定性，你收到的分段并不一定是我们发出去的分段。
所谓的单工通信就是，任何一个时刻，数据只能单向传输，一个人说的时候，另外一个人只能听。HTTP1 协议
在实际上设计协议的时候，一般不关心顺序，只要需要确保请求和响应能够正确对应上就可以了。这个问题可以这样解决：发送请求的时候，给每个请求加一个序号，这个序号在本次会话内保证唯一，然后在响应中带上请求的序号，这样就可以把请求和响应对应上了。这样就解决了双工通信的问题
“使用 ID 来标识请求与响应对应关系”的方法，是一种比较通用的实现双工通信的方法，可以有效提升数据传输的吞吐量。
内存管理：避免内存溢出和频繁的垃圾回收
垃圾回收完成后，还需要进行内存碎片整理，将不连续的空闲内存移动到一起，以便空出足够的连续内存空间供后续使用
垃圾回收是不可控的，而且是无法避免的。但是，可以通过一些方法来降低垃圾回收的频率，减少进程暂停的时长。使用过被丢弃的对象才是垃圾回收的目标，所以，我们需要想办法在处理大量请求的同时，尽量少的产生这种一次性对象。
对于需要频繁使用，占用内存较大的一次性对象，我们可以考虑自行回收并重用这些对象，来减轻垃圾回收的压力。
Kafka 如何实现高性能 IO
使用批量消息提升服务端处理能力
使用顺序读写提升磁盘 IO 性能
利用 PageCache 加速消息读写
ZeroCopy：零拷贝技术
缓存策略：使用缓存减少磁盘 IO
选择只读缓存还是读写缓存？唯一的区别就是，在更新数据的时候，是否经过缓存。
读写缓存的这种设计，它天然就是不可靠的，是一种牺牲数据一致性换取性能的设计。
正确使用锁保护共享数据，协调异步线程
锁的原理是：任何时间都只能有一个线程持有锁，只有持有锁的线程才能访问被锁保护的资源。
如果能不用锁，就不用锁；如果不确定是不是应该用锁，那也不要用锁。加锁和解锁过程都是需要 CPU 时间的，这是一个性能的损失。
只有在并发环境中，共享资源不支持并发访问，或者说并发访问共享资源会导致系统错误的情况下，才需要使用锁。
使用读写锁要兼顾性能和安全性
用硬件同步原语（CAS）替代锁
硬件同步原语（Atomic Hardware Primitives）是由计算机硬件提供的一组原子操作，我们比较常用的原语主要是 CAS 和 FAA 这两种。
数据压缩：时间换空间的游戏
数据压缩不仅能节省存储空间，还可以用于提升网络传输性能。
压缩它的本质是资源的置换，是一个时间换空间，或者说是 CPU 资源换存储资源的游戏。
在选择压缩算法的之前，用系统的样例业务数据做一个测试，可以帮助找到最合适的压缩算法。
如果要对流数据进行压缩，那必须把流数据划分成多个帧，一帧一帧的分段压缩。