大V推荐！Cloud-借助消息队列解决分布式事务电子版已问世

た入场券 2022-10-06 09:58 98阅读 0赞

> 作者：享学课堂讲师  
> 转发请注明出处

# 前言 #

这次先介绍一下RabbitMQ的基本概念

# 核心概念 #

![e9f6772df2706665de5cc9ce552359f6.png][]  
重要组成部分说明如下：  
Broker：消息队列服务进程，此进程包括两个部分：Exchange和Queue。（邮局部门/快递公司）  
Exchange：消息队列交换机，按一定的规则将消息路由转发到某个队列，对消息进行过虑。  
（邮局的快递员/快递公司快递员）  
Queue：消息队列，存储消息的队列，消息到达队列并转发给指定的消费方。（收件人家的信箱/菜鸟驿站）  
Producer：消息生产者，即生产方客户端，生产方客户端将消息发送到MQ。（寄信人/寄货人）  
Consumer：消息消费者，即消费方客户端，接收MQ转发的消息。（收信人/收货人）

\-----发送消息-----  
1、生产者和Broker建立TCP连接。  
2、生产者和Broker建立通道。  
3、生产者通过通道消息发送给Broker，由Exchange将消息进行转发。  
4、Exchange将消息转发到指定的Queue（队列）

\----接收消息-----  
1、消费者和Broker建立TCP连接  
2、消费者和Broker建立通道  
3、消费者监听指定的Queue（队列）  
4、当有消息到达Queue时Broker默认将消息推送给消费者。  
5、消费者接收到消息。

# 工作流程 #

生产者将数据通过RabbitMQ-client发送到RabbitMQ-server中的exchange，exchange根据路由配置，分发给Queue，消费者从Queue拿到数据

# 分布式事务的产生 #

多个系统相互配合工作，产生数据一致性问题。  
例如外卖场景中，下单中心，运单中心两个系统要配合工作，必须保证两个系统数据一致性。  
错误的解决方案：  
使用API接口调用，下单中心插入数据，调用运单中心的API接口处理数据，并启动事务回滚。  
咋一看这场景没有什么问题，毕竟有事务回滚，一起成功一起失败，但其实存在API调用超时的情况，此时下单中心以为调用失败回滚，而运单中心只是超时仍会继续执行程序，从而造成两个系统数据不一致。  
假设API调用成功，也有可能是在订单中心提交事务时失败了，此时订单中心回滚，而API已经调用，下单中心的数据已经产生，数据不一致。

# 使用消息队列解决分布式事务 #

![e8293fa8d986a7c606b2ea25336a0c18.png][]  
问题的核心就是保证可靠生产与可靠消费  
**可靠生产**：下单中心处理数据和状态表更改应该保证事务一致。生产者往消息队列发送数据时，在本地建立一张状态表，看是否成功发送给队列。利用RabbitMQ的确认机制看是否重发还是定时扫描状态表重发，保证可靠生产。兜底方案还是定时扫描状态表。  
代码

/**
         * 分单处理队列
         */
        public static final String QUEUE_NAME_TRANSACTION = "xucheng.distribute.queue";
        
        /**
         * 分单处理交换机
         */
        public static final String EXCHANGE_NAME_TRANSACTION = "xucheng.distribute.exchange";
        
        /**
         * 消息队列服务进程，此进程包括两个部分：Exchange和Queue。
         */
        public static final String ROUTE_NAME_TRANSACTION = "xucheng.distribute.route";
        
        
        /**
         * 补单队列
         */
        //public static final String CREATE_QUEUE_NAME_TRANSACTION = "xucheng.order.reCreate.queue";
     
        /**
         * 1、交换机绑定到分单队列
         * @return
         */
         @Bean
         public DirectExchange transExchange() {
             return new DirectExchange(EXCHANGE_NAME_TRANSACTION);
         }
    
        /**
         *2、分单队列
         *
         * @return
         */
        @Bean
        public Queue scoreQueue() {
            return new Queue(QUEUE_NAME_TRANSACTION, true);
        }
       
         /**
          * 3、Binding
          * @return
          */
        @Bean
        public Binding bindingExchangeOrderReceiverQueue() {
        	//通过Binding将Exchange与Queue关联起来。　　
            return BindingBuilder.bind(scoreQueue()).to(transExchange()).with(ROUTE_NAME_TRANSACTION);
    }

![59fcfe7162ee1fc1c3c1b19dad3aeb1b.png][]  
**可靠消费**：消费端开启手动ACK，给MQ队列发送确认信息。对每条数据进行记录，一旦有异常记录可以试着去重试重新要求MQ再发数据，但不能重试太多次。可以将数据主键插入数据库，这样同一数据就不会执行两次，或者使用redis记录数据操作。  
代码：  
![a2c6a815a227606f8d2dc77f0a80fa64.png][]

> 喜欢请关注「享学课堂online」官方账号

# Kafka实战笔记 #

> **关于这份笔记，为了不影响大家的阅读体验，我只能在文章中展示部分的章节内容和核心截图，如果你需要完整的pdf版本，[戳这里即可免费领取][Link 1]。**

![image.png][]

*  **Kafka入门**
 *  **为什么选择Kafka**
 *  **Karka的安装、管理和配置**

![image.png][image.png 1]

*  **Kafka的集群**
 *  **第一个Kafka程序**
 *  ![image.png][image.png 2]

afka的生产者

![image.png][image.png 3]

*  **Kafka的消费者**
 *  **深入理解Kafka**
 *  **可靠的数据传递**

![image.png][image.png 4]

![image.png][image.png 5]

*  **Spring和Kalka的整合**
 *  **Sprinboot和Kafka的整合**
 *  **Kafka实战之削峰填谷**
 *  **数据管道和流式处理(了解即可)**

![image.png][image.png 6]

*  **Kafka实战之削峰填谷**

![image.png][image.png 7]

之削峰填谷\*\*

*  **数据管道和流式处理(了解即可)**

\[外链图片转存中…(img-hnDG16ys-1623501235464)\]

*  **Kafka实战之削峰填谷**

\[外链图片转存中…(img-JphZbWJL-1623501235465)\]

[e9f6772df2706665de5cc9ce552359f6.png]: /images/20221005/b6d31f05032e4a488c6c4cf773938d43.png
[e8293fa8d986a7c606b2ea25336a0c18.png]: /images/20221005/aad654faa6da4539b85dddd5462f785f.png
[59fcfe7162ee1fc1c3c1b19dad3aeb1b.png]: /images/20221005/c7412192741d484281f56e7589506084.png
[a2c6a815a227606f8d2dc77f0a80fa64.png]: /images/20221005/bcccee441f7d4734bc89ab98d0bbbb21.png
[Link 1]: https://docs.qq.com/doc/DSmxTbFJ1cmN1R2dB
[image.png]: /images/20221005/f67e36d3d5844abf9d583dc9fa5b26d1.png
[image.png 1]: /images/20221005/71baff57bfd144d0afc95d8d0cdbd920.png
[image.png 2]: /images/20221005/84b14124995a45d4b38a0de7eb3f4672.png
[image.png 3]: /images/20221005/c75ac58854fc45379c325bc9bcd65251.png
[image.png 4]: /images/20221005/f7ce2c69780d412db951393782fb3829.png
[image.png 5]: /images/20221005/826ba481e5e846e8a2017ecc3f583a7b.png
[image.png 6]: /images/20221005/a56c945806df41e19ea4484173d8e72b.png
[image.png 7]: /images/20221005/106d671e9866413583f395dfb7eae5ca.png