2.3 消除单点故障
NSQ被设计以分布的方式被使用 。nsqd 客户端（通过 TCP ）连接到指定话题的所有生产者实例 。没有中间人，没有消息代理，也没有单点故障 。
这种拓扑结构消除单链，聚合，反馈 。相反 ， 你的消费者直接访问所有生产者 。从技术上讲 ， 哪个客户端连接到哪个 NSQ 不重要，只要有足够的消费者连接到所有生产者，以满足大量的消息 ， 保证所有东西最终将被处理 。对于 nsqlookupd，高可用性是通过运行多个实例来实现 。他们不直接相互通信和数据被认为是最终一致 。消费者轮询所有的配置的 nsqlookupd 实例和合并 response 。失败的，无法访问的 ， 或以其他方式故障的节点不会让系统陷于停顿 。
2.4 效率
对于数据的协议，通过推送数据到客户端最大限度地提高性能和吞吐量的，而不是等待客户端拉数据 。这个概念，称之为 RDY 状态，基本上是客户端流量控制的一种形式 。
efficiency
2.5 心跳和超时
组合应用级别的心跳和 RDY 状态，避免头阻塞现象，也可能使心跳无用（即，如果消费者是在后面的处理消息流的接收缓冲区中，操作系统将被填满 ， 堵心跳）为了保证进度 ， 所有的网络 IO 时间上限势必与配置的心跳间隔相关联 。这意味着，你可以从字面上拔掉之间的网络连接 nsqd 和消费者，它会检测并正确处理错误 。当检测到一个致命错误，客户端连接被强制关闭 。在传输中的消息会超时而重新排队等待传递到另一个消费者 。最后，错误会被记录并累计到各种内部指标 。
2.6 分布式
因为NSQ没有在守护程序之间共享信息，所以它从一开始就是为了分布式操作而生 。个别的机器可以随便宕机随便启动而不会影响到系统的其余部分 ， 消息发布者可以在本地发布，即使面对网络分区 。
这种“分布式优先”的设计理念意味着NSQ基本上可以永远不断地扩展，需要更高的吞吐量？那就添加更多的nsqd吧 。唯一的共享状态就是保存在lookup节点上，甚至它们不需要全局视图，配置某些nsqd注册到某些lookup节点上这是很简单的配置，唯一关键的地方就是消费者可以通过lookup节点获取所有完整的节点集 。清晰的故障事件——NSQ在组件内建立了一套明确关于可能导致故障的的故障权衡机制，这对消息传递和恢复都有意义 。虽然它们可能不像Kafka系统那样提供严格的保证级别 ， 但NSQ简单的操作使故障情况非常明显 。
2.7 no replication
不像其他的队列组件，NSQ并没有提供任何形式的复制和集群，也正是这点让它能够如此简单地运行，但它确实对于一些高保证性高可靠性的消息发布没有足够的保证 。我们可以通过降低文件同步的时间来部分避免 ， 只需通过一个标志配置，通过EBS支持我们的队列 。但是这样仍然存在一个消息被发布后马上死亡 ， 丢失了有效的写入的情况 。
2.8 没有严格的顺序
虽然Kafka由一个有序的日志构成，但NSQ不是 。消息可以在任何时间以任何顺序进入队列 。在我们使用的案例中 ， 这通常没有关系，因为所有的数据都被加上了时间戳 ， 但它并不适合需要严格顺序的情况 。
2.9 无数据重复删除功能
NSQ对于超时系统，它使用了心跳检测机制去测试消费者是否存活还是死亡 。很多原因会导致我们的consumer无法完成心跳检测 ， 所以在consumer中必须有一个单独的步骤确保幂等性 。
3. 实践安装过程
本文将nsq集群具体的安装过程略去 ， 大家可以自行参考，比较简单 。这部分介绍下笔者实验的拓扑，以及nsqadmin的相关信息 。
推荐阅读
- 火星模拟经营游戏，火星模拟器游戏
- thinkphp3.2w3c路由，thinkphp 路由配置
- 如何推广包装酱酒，酱类产品怎么推广
- thinkphp表查询多个，php查询多个数据表并返回结果
- go语言流程管理框架 go语言工作流
- 电脑白色线怎么取，电脑白色线是正还是负
- 京东小程序代理平台费用，京东小程序代理平台费用怎么算
- 赛车小游戏安卓推荐哪个，赛车 小游戏
- python函数内部类 python函数内部定义函数