为什么要使用队列系统？
- 因为一些任务需要在后台执行，让调用者不需要等待其完成就能返回。比如给用户发送邮件，短信之类的操作。
- 还有就是一个大系统内部的通信，可能会采用队列的方式传递消息。
对队列系统有哪些要求？
- 应对任务处理者：通常会有一些进程从队列里获取消息进行处理，而且通常这些进程都会启动很多个。所以队列需要能够处理并发的数据请求操作。
- 原子性：队列中的元素只能被取出一次，必须保证每次读取队列中元素进行操作和删除这个元素是原子性的。
- 快速：队列系统要能够快速地处理元素的写入和读取操作。
- 垃圾回收能力：如果一个任务处理到一半死掉了，那么必须能有方法监测到并且将这个任务重新放入队列中。
redis VS mongoDB
对于原子性，RabbitMQ通过对consume/ack协议的支持来实现。而由于MongoDB只支持对单个文档的原子性个性，所以你可以使用其findAndModify 命令 ，简单语法如下：
db.runCommand( { findAndModify : collection, { options } } )
这里的options是一个数组，其包含下面一些元素：
其它的一些考虑
除了上面说到的速度，原子性等特性，对于一个队列系统，还是有一些其它方面需要考虑的。
- 容错性：MongoDB的replica sets 架构提供了整体的高可用性。当其被用作队列时，也同样继承了这一我。而RabbitMQ并没有内置的支持。目前在RabbitMQ 2.6.0中有相关的支持
- 一致性：MongoDB默认会一分钟将数据flush到磁盘，但其同时提供一个默认100ms的操作日志可以增强其单机的可靠性。可以缓解宕机时数据丢失导致不一至的情况。如果你对一致性要求非常高，你也可以使用MongoDB的getLastError 命令来保证你的每次操作都写入操作日志或者磁盘上才返回成功。
- 扩展性：我们使用capped collection 来做消息队列，所以老数据的清除是自动的。在MongoDB中可以通过sharding 方式来实现数据的横向扩展，但是sharding并不支持用于capped collection 。你可以自己选择自己需要的应用方式。