RabbitMQ 其他知识点

灰太狼 2024-03-31 17:01 67阅读 0赞

**目录**

9.1. 幂等性

9.1.1. 概念

9.1.2. 消息重复消费

9.1.3. 解决思路

9.1.4. 消费端的幂等性保障

9.1.5. 唯一ID+指纹码机制

9.1.6. Redis 原子性

9.2. 优先级队列

9.2.1. 使用场景

9.2.2. 如何添加

c.消息中代码添加优先级

9.2.3. 实战

9.3. 惰性队列

9.3.1. 使用场景

9.3.2. 两种模式

9.3.3. 内存开销对比

--------------------

### **9.1.** **幂等性** ###

#### **9.1.1. 概念** ####

用户对于同一操作发起的一次请求或者多次请求的结果是一致的，不会因为多次点击而产生了副作用。

举个最简单的例子，那就是支付，用户购买商品后支付，支付扣款成功，但是返回结果的时候网络异常，

此时钱已经扣了，用户再次点击按钮，此时会进行第二次扣款，返回结果成功，用户查询余额发现多扣钱

了，流水记录也变成了两条。在以前的单应用系统中，我们只需要把数据操作放入事务中即可，发生错误

立即回滚，但是再响应客户端的时候也有可能出现网络中断或者异常等等

#### **9.1.2. 消息重复消费** ####

消费者在消费 MQ 中的消息时，MQ 已把消息发送给消费者，消费者在给MQ 返回 ack 时网络中断，

故 MQ 未收到确认信息，该条消息会重新发给其他的消费者，或者在网络重连后再次发送给该消费者，但

实际上该消费者已成功消费了该条消息，造成消费者消费了重复的消息。

#### **9.1.3. 解决思路** ####

MQ 消费者的幂等性的解决一般使用全局 ID 或者写个唯一标识比如时间戳 或者 UUID 或者订单消费

者消费 MQ 中的消息也可利用 MQ 的该 id 来判断，或者可按自己的规则生成一个全局唯一 id，每次消费消

息时用该 id 先判断该消息是否已消费过。

#### **9.1.4. 消费端的幂等性保障** ####

在海量订单生成的业务高峰期，生产端有可能就会重复发生了消息，这时候消费端就要实现幂等性，

这就意味着我们的消息永远不会被消费多次，即使我们收到了一样的消息。业界主流的幂等性有两种操作:a.

唯一 ID+指纹码机制,利用数据库主键去重, b.利用 redis 的原子性去实现

#### **9.1.5. 唯一ID+指纹码机制**  ####

指纹码:我们的一些规则或者时间戳加别的服务给到的唯一信息码,它并不一定是我们系统生成的，基

本都是由我们的业务规则拼接而来，但是一定要保证唯一性，然后就利用查询语句进行判断这个 id 是否存

在数据库中,优势就是实现简单就一个拼接，然后查询判断是否重复；劣势就是在高并发时，如果是单个数

据库就会有写入性能瓶颈当然也可以采用分库分表提升性能，但也不是我们最推荐的方式。

#### **9.1.6. Redis 原子性** ####

利用 redis 执行 setnx 命令，天然具有幂等性。从而实现不重复消费

### **9.2.** **优先级队列** ###

#### **9.2.1. 使用场景** ####

在我们系统中有一个**订单催付**的场景，我们的客户在天猫下的订单,淘宝会及时将订单推送给我们，如

果在用户设定的时间内未付款那么就会给用户推送一条短信提醒，很简单的一个功能对吧，但是，tmall

商家对我们来说，肯定是要分大客户和小客户的对吧，比如像苹果，小米这样大商家一年起码能给我们创

造很大的利润，所以理应当然，他们的订单必须得到优先处理，而曾经我们的后端系统是使用 redis 来存

放的定时轮询，大家都知道 redis 只能用 List 做一个简简单单的消息队列，并不能实现一个优先级的场景，所以订单量大了后采用 RabbitMQ 进行改造和优化,如果发现是大客户的订单给一个相对比较高的优先级， 否则就是默认优先级。

#### **9.2.2. 如何添加** ####

a.控制台页面添加

![3aec29391b1ef0b625a5f659f541a9b9.png][]

b.队列中代码添加优先级

![8b86064e4f70adfb84e39f7f22fd08f5.png][]

#### c.消息中代码添加优先级 ####

![317bb1d6d1dbb2d2522f0a55091ee3d3.png][]

**d.****注意事项**

要让队列实现优先级需要做的事情有如下事情:队列需要设置为优先级队列，消息需要设置消息的优先

级，消费者需要等待消息已经发送到队列中才去消费因为，这样才有机会对消息进行排序

#### **9.2.3. 实战** ####

a.消息生产者

public class Producer {
        // 队列名称
        public static  final String QUEUE_NAME="hello";
    
        // 发消息
        public static void main(String[] args) throws IOException, TimeoutException {
            // 创建一个连接工厂
            ConnectionFactory factory = new ConnectionFactory();
    
            // 工厂IP连接RabbitMQ的队列
            factory.setHost("192.168.163.128");
            // 用户名
            factory.setUsername("admin");
            // 密码
            factory.setPassword("123");
    
            // 创建连接
            Connection connection = factory.newConnection();
            // 获取信道
            Channel channel = connection.createChannel();
            
            Map<String, Object> arguments = new HashMap<>();
            //官方允许是0-255之间，此处设置10，允许优化级范围为0-10，不要设置过大，浪费CPU与内存
            arguments.put("x-max-priority",10);
            channel.queueDeclare(QUEUE_NAME,true,false,false,arguments);
            // 发消息
            for (int i = 0; i < 10; i++) {
                String message = "info" + i;
                if(i == 5){
                    AMQP.BasicProperties properties = new AMQP.BasicProperties().builder().priority(5).build();
                    channel.basicPublish("",QUEUE_NAME,properties,message.getBytes(StandardCharsets.UTF_8));
                }else {
                    channel.basicPublish("",QUEUE_NAME,null,message.getBytes(StandardCharsets.UTF_8));
    
                }
            }
            System.out.println("消息发送完毕！");
        }
    }

b.消息消费者

public class Consumer {
        // 队列名称
        public static final String QUEUE_NAME = "hello";
    
        // 接受消息
        public static void main(String[] args) throws IOException, TimeoutException {
            // 创建连接工厂
            ConnectionFactory factory = new ConnectionFactory();
    
            factory.setHost("192.168.163.128");
            factory.setUsername("admin");
            factory.setPassword("123");
            Connection connection = factory.newConnection();
            Channel channel = connection.createChannel();
            // 声明 接受消息
            DeliverCallback deliverCallback = (consumerTag,message) -> {
                System.out.println(new String(message.getBody()));
            };
            // 声明 取消消息
            CancelCallback cancelCallback = consumer -> {
                System.out.println("消息消费被中断");
            };
            System.out.println("C2等待接受消息.......");
            channel.basicConsume(QUEUE_NAME,true,deliverCallback,cancelCallback);
        }
    }

### **9.3.** **惰性队列** ###

#### **9.3.1. 使用场景** ####

RabbitMQ 从 3.6.0 版本开始引入了惰性队列的概念。惰性队列会尽可能的将消息存入磁盘中，而在消

费者消费到相应的消息时才会被加载到内存中，它的一个重要的设计目标是能够支持更长的队列，即支持

更多的消息存储。当消费者由于各种各样的原因(比如消费者下线、宕机亦或者是由于维护而关闭等)而致

使长时间内不能消费消息造成堆积时，惰性队列就很有必要了。

默认情况下，当生产者将消息发送到 RabbitMQ 的时候，队列中的消息会尽可能的存储在内存之中，

这样可以更加快速的将消息发送给消费者。即使是持久化的消息，在被写入磁盘的同时也会在内存中驻留

一份备份。当 RabbitMQ 需要释放内存的时候，会将内存中的消息换页至磁盘中，这个操作会耗费较长的

时间，也会阻塞队列的操作，进而无法接收新的消息。虽然 RabbitMQ 的开发者们一直在升级相关的算法， 但是效果始终不太理想，尤其是在消息量特别大的时候。

#### **9.3.2. 两种模式** ####

队列具备两种模式：default 和 lazy。默认的为default 模式，在3.6.0 之前的版本无需做任何变更。lazy

模式即为惰性队列的模式，可以通过调用 channel.queueDeclare 方法的时候在参数中设置，也可以通过

Policy 的方式设置，如果一个队列同时使用这两种方式设置的话，那么 Policy 的方式具备更高的优先级。

如果要通过声明的方式改变已有队列的模式的话，那么只能先删除队列，然后再重新声明一个新的。

在队列声明的时候可以通过“x-queue-mode”参数来设置队列的模式，取值为“default”和“lazy”。下面示

例中演示了一个惰性队列的声明细节：

Map<String, Object> args = new HashMap<String, Object>();

args.put("x-queue-mode", "lazy");

channel.queueDeclare("myqueue", false, false, false, args);

#### **9.3.3. 内存开销对比** ####

![f0683853a29b17520e439b1a7970ed40.png][]

在发送 1 百万条消息，每条消息大概占 1KB 的情况下，普通队列占用内存是 1.2GB，而惰性队列仅仅

占用 1.5MB

[3aec29391b1ef0b625a5f659f541a9b9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/f7c069d1c0834f5fb18d1f31c0b22337.png
[8b86064e4f70adfb84e39f7f22fd08f5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/cfd27ad1366d40e28fc0950b76e7f4b5.png
[317bb1d6d1dbb2d2522f0a55091ee3d3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/c8586faab4af4fc9a086548d990b96d4.png
[f0683853a29b17520e439b1a7970ed40.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/4f2837b519da4f19b0dbd0d013c0506c.png