Map & Reduce 　是一种计算的模形
RabbitMQ是分配任务的的实现。

使用的方式是现实的问题，用map & reduce的计算模型去实现。写好怎么分配任务，怎么折分，写好map的函数，通过队列把任务分到很多map进程，写好reduce函数，把map的计算结果，折分出来，放到队列，队列再投放到reduce进程。这样方式，可以通过增加机器增加计算量，某种程度上对某些任务的分布式计算。

这里面实现的很多细节都是需要自己去定义的。

这样就可以专注于功能的开发，对计算量大的，可以以服务的形式独立出去。再写成分布式计算。

这是对架构具有关键性的一步，如果没有它，就意味着架构没法成长。后面，流量大了，可以增加机器很简单就可以解决问题。至此，再也不用担心架构超级大型的系统了，就是说，随着流量的增加，我的系统是可能过增加机器来增加算力，而且可以接近无法的扩展。

用rabbitMQ的一个很大好处，可以不局限用一种语言，我可以用任何语言来实现复杂的服务，但是还是具有可扩展性的，因为只要增加机器就可以进行扩展了，完全可以用原来的代码。

可以做出很复杂的应用，当一些服务很稳定，流量很大时，就可以独立开来，用分布式计算来实现。

能常程序之间的通迅是1:1,　但是这里面可以做到M:N，而且可以把任务分配到很多机器那里去。这里用队列来实现任务的分配。

这是一个非常棒的东西，它同时解决了两个问题，
一是服务流量增长的可扩展性，只要增加机器算力，就可以把问题给解决；
二，但同时也不行灵活性，因为可以用任何语言进行服务的开发，那样就完全可以使用动态语言进行快速开发。流量上来了，增加机器就搞定。到一定程度，可以换成更底层的语言来实现。