这一次我们就来说说消息队列的高可用的原理。这里主要讲的是现在使用比较多的RabbitMQ和大数据相关的Kafka两种消息中间件的高可用。这里只是讲解他们的实现原理，不会实战。
1、RabbitMQ的高可用
RabbitMQ是基于主从复制来实现高可用的，不支持分布式。既然是主从复制，那么肯定就不是单台机器能保证的，所以是通过集群来保证高可用。而RabbitMQ的集群模式有两种：普通集群和镜像集群。真正实现高可用的是镜像集群模式。
1.1 普通集群模式
图中注释已经讲解了，该集群模式不能保证高可用，它的作用只是提高了系统的吞吐量，同一个队列的消息，可以有多个消费者去消费。而且它的缺点是：在实例之间会产生网络传输，增加系统开销。
而且如果那个存有queue的真实数据的实例宕机了，会导致接下来其他实例都无法拉取数据；如果没有开启消息的持久化会丢失消息；就算开启了消息的持久化，消息不一定会丢，但是也要等这个实例恢复了，才可以继续拉取数据。
1.2 镜像集群模式
这种集群模式是可以保证可用的，因为每个实例都存有完整的数据，就算其中的某一个实例宕机了，也只是这一个实例不能提供服务，其他的实例都能继续提供服务。
不过它也有缺点：
1、性能消耗太大，所有机器都要进行消息的同步，导致网络压力和消耗很大。
2、没有扩展性可言，如果有一个queue负载很重，就算加了机器，新增的机器还是包含了这个queue的所有数据，并没有办法扩展queue。
实际上RabbitMQ并不是分布式消息队列，他就是传统的消息队列，只不过提供了一些集群、HA的机制而已，因为无论如何配置，rabbitmq一个queue的数据就存放在一个节点里面，镜像集群下，也是每个节点都放这个queue的全部数据。
1.3 开启镜像集群
在控制台新增一个镜像集群模式的策略，指定的时候可以要求数据同步到所有节点，也可以要求同步到指定节点，然后在创建queue的时候，应用这个策略，就会自动将数据同步到其他的节点上面去了。
2、Kafka的高可用
Kafka的一个基本架构：多个broker组成，一个broker是一个节点；一个topic可以划分成多个partition，每个partition可以存在于不同的broker上面，每个partition存放一部分数据。这是天然的分布式消息队列。
Kafka在0.8以前是没有HA机制的，也就是说任何一个broker宕机了，那个broker上的partition就丢了，没法读也没法写，没有什么高可用可言。
Kafka在0.8之后，提过了HA机制，也就是replica副本机制。每个partition的数据都会同步到其他机器上，形成自己的replica副本。然后所有的replica副本会选举一个leader出来，那么生产者消费者都和这个leader打交道，其他的replica就是follower。写的时候，leader会把数据同步到所有follower上面去，读的时候直接从leader上面读取即可。
为什么只能读写leader：因为要是你可以随意去读写每个follower，那么就要关心数据一致性问题，系统复杂度太高，容易出问题。kafka会均匀度讲一个partition的所有数据replica分布在不同的机器上，这样就可以提高容错性。
这样就是高可用了，因为如果某个broker宕机 了，没事儿，那个broker的partition在其他机器上有副本，如果这上面有某个partition的leader，那么此时会重新选举出一个新的leader出来，继续读写这个新的leader即可。
写消息： 写数据的时候，生产者就写向leader，然后leader将数据落到磁盘上之后，接着其他follower自己主动从leader来pull数据。一旦所有follower同步好了数据，就会发送ack给leader，leader收到了所有的follower的ack之后，就会返回写成功的消息给消息生产者。（这只是一种模式，可以调整）。
读数据: 消费数据的时候，只会从leader进行消费。但是只有一个消息已经被所有follower都同步成功返回ack的时候，这个消息才会被消费者读到。