RabbitMQ的高可用性
RabbitMQ是基于主从做高可用性的，有三种模式：单机模式，普通集群模式，镜像集群模式
单机模式：
demo级别
普通集群模式：
在多台机器上启动rabbitmq实例，每个机器启动一个。
但是你创建的queue，只会放在一个rabbtimq实例上，每个实例都同步queue的元数据。
消费的时候，实际上如果连接到了另外一个实例，那么那个实例会从queue所在实例上拉取数据过来。 这种方式没做到所谓的分布式，就是个普通集群。
如果那个放queue的实例宕机了，会导致接下来其他实例就无法从那个实例拉取。
所以这就没有什么所谓的高可用性可言了，这方案主要是提高吞吐量的，就是说让集群中多个节点来服务某个queue的读写操作。
镜像集群模式：
这种模式，才是所谓的rabbitmq的高可用模式
你创建的queue，无论元数据还是queue里的消息都会存在于多个实例上，然后每次你写消息到queue的时候，都会自动把消息到多个实例的queue里进行消息同步。
这样的话，好处在于，你任何一个机器宕机了，别的机器都可以用。
坏处在于，第一，性能开销大，消息同步所有机器，导致网络带宽压力和消耗很重！
第二，没有扩展性，如果某个queue负载很重，你加机器，新增的机器也包含了这个queue的所有数据，并没有办法线性扩展你的queue
开启镜像集群模式：rabbitmq有很好的管理控制台，在后台新增一个策略，这个策略是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的，也可以要求就同步到指定数量的节点，然后你再次创建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去了。
kafka的高可用性
kafka一个最基本的架构认识：多个broker组成，每个broker是一个节点。
创建一个topic，这个topic可以划分为多个partition，每个partition可以存在于不同的broker上，每个partition就放一部分数据，这就是天然的分布式消息队列。
kafka 0.8以后，提供了HA机制，就是replica副本机制。每个partition的数据都会同步到其他机器上，形成自己的多个replica副本。
然后所有replica会选举一个leader出来，那么生产和消费都跟这个leader打交道，然后其他replica就是follower。
写的时候，leader会负责把数据同步到所有follower上去，读的时候就直接读leader上数据即可。
kafka会均匀的将一个partition的所有replica分布在不同的机器上，这样才可以提高容错性。
如果某个broker宕机了，没事，那个broker上面的partition在其他机器上都有副本的，如果这上面有某个partition的leader，那么此时会重新选举一个新的leader出来，大家继续读写那个新的leader即可。
写数据的时候，生产者就写leader，然后leader将数据落地写本地磁盘，接着其他follower自己主动从leader来pull数据。一旦所有follower同步好数据了，就会发送ack给leader，leader收到所有follower的ack之后，就会返回写成功的消息给生产者。（当然，这只是其中一种模式，还可以适当调整这个行为）
消费的时候，只会从leader去读，但是只有一个消息已经被所有follower都同步成功返回ack的情况下，这个消息才会被消费者读到。
转自：中华石杉Java工程师面试突击