消息队列概述
MQ 是分布式系统的“缓冲区”和“解耦器”。面试主线：解决什么、核心概念、主流选型（本分类以 Kafka 为主线，见系统设计篇的异步化章节）。
MQ 的三大价值
| 价值 | 说明 | 例子 |
|---|---|---|
| 削峰填谷 | 峰值流量入队，下游匀速消费 | 秒杀、抢购 |
| 解耦 | 生产者不关心消费者 | 下单 → 通知/积分/搜索 |
| 异步提速 | 耗时操作后台化 | 发邮件、报表生成 |
核心概念（Kafka 视角）
Topic 分区分发: 并行与扩展的基石
- Topic：消息的逻辑分类（订单、日志）
- Partition：Topic 的物理分片（并行单位、顺序单位）
- Offset：分区内消息的序号（消费位置）
- Consumer Group：一组消费者分摊分区（见消费组篇）
- Broker：Kafka 服务节点（集群）
选型框架
| 场景 | 选择 |
|---|---|
| 高吞吐、日志流、大数据管道 | Kafka |
| 业务消息、灵活路由、中小规模 | RabbitMQ |
| 云原生、多租户、低延迟 | Pulsar |
| 轻量、随应用部署 | Redis Stream |
本分类以 Kafka 为主线（架构/生产者/消费组/高吞吐/可靠性/顺序事务），死信延迟篇覆盖通用机制，对比篇给出全选型。
消息模型
- 队列模型（RabbitMQ）：一条消息一个消费者（点对点）
- 发布订阅模型（Kafka）：一条消息广播给所有订阅组，组内竞争
- Kafka 的消费组 = 队列 + 发布订阅的结合（组内竞争、组间广播）
面试追问
- MQ 解决什么？ 削峰填谷、解耦、异步提速。三价值
- Topic 和 Partition？ Topic 逻辑分类，Partition 物理分片（并行 + 顺序单位）
- 队列和发布订阅？ 点对点 vs 广播。Kafka 消费组两者兼有
- 什么时候不该用 MQ？ 强一致事务场景（MQ 是最终一致）、简单同步调用。引入 MQ 增加复杂度
- 选型看什么？ 吞吐、路由需求、运维成本。高吞吐日志用 Kafka，业务消息用 RabbitMQ