RabbitMQ 高频考点

超、凢脫俗 2023-01-12 05:28 285阅读 0赞

![format_png][]

# 1 MQ 存在的意义    #

消息中间件一般主要用来做 **异步处理、应用解耦、流量削峰、日志处理** 等方面。

### 1.1 异步处理 ###

一个用户登陆网址注册，然后系统发短信跟邮件告知注册成功，一般有三种解决方法。

1.  串行方式，依次执行，问题是用户注册后就可以使用了，没必要等短信跟邮件啊。
2.  注册成功后，邮件跟验证码用并行等方式执行，问题是邮件跟短信是非重要的任务，系统注册还要等这俩完成么？
3.  基于异步MQ的处理，用户注册成功后直接把信息异步发送到MQ中，然后邮件系统跟短信系统主动去消费数据。
    
    ![异步处理][format_png 1] 异步处理

### 1.2 应用解耦 ###

比如有一个订单系统，还要一个库存系统，用户下订单后要调用库存系统来处理，直接调用话，库存系统出现问题咋办呢？

![应用解耦][format_png 2] 应用解耦

### 1.3 流量削峰 ###

举办一个 秒杀活动，如何较好到设计？服务层直接接受瞬间高密度访问绝对不可以，起码要加入一个MQ来实现削峰。

![流量削峰][format_png 3] 流量削峰

### 1.4 日志处理 ###

用户通过 WebUI 访问发送请求到时候后端如何接受跟处理呢一般？

![日志处理][format_png 4] 日志处理

### 1.5 MQ 带来的弊端 ###

1.  **系统可用性降低**：引入第三方依赖则需考虑第三方的稳定性。
2.  **系统复杂性增加**：要多考虑很多方面的问题，比如一致性问题、如何保证消息不被重复消费，如何保证保证消息可靠传输。因此需要考虑的东西更多，系统复杂性增大。

# 2 常见的 MQ #

消息中间件具有低耦合、可靠投递、广播、流量控制、最终一致性等一系列功能，成为异步RPC的主要手段之一。当今市面上有很多主流的消息中间件，如老牌的ActiveMQ、RabbitMQ、炙手可热的Kafka、阿里巴巴自主开发RocketMQ等。

1.  ActiveMQ：老牌的消息中间件，但是不适合高并发互联网，适合传统企业。
2.  RabbitMQ：支持高并发、高吞吐、性能好，还有完善的管理界面等。支持集群化，缺点是Erlang语言开发的。
3.  RocketMQ：阿里出品，性能优越，Java开发，二次改造。
4.  Kafka：超高吞吐量实时日志采集，一般在大数据体系配合实时计算Spark Streaming、Flink等使用。

<table> 
 <thead> 
  <tr> 
   <th>对比</th> 
   <th>ActiveMQ</th> 
   <th>RabbitMQ</th> 
   <th>RocketMQ</th> 
   <th>Kafka</th> 
   <th>ZeroMQ</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>单机吞吐量</td> 
   <td>比RabbitMQ低</td> 
   <td>2.6w/s（消息做持久化）</td> 
   <td>11.6w/s</td> 
   <td>17.3w/s</td> 
   <td>29w/s</td> 
  </tr> 
  <tr> 
   <td>开发语言</td> 
   <td>Java</td> 
   <td>Erlang，基于AMQP协议</td> 
   <td>Java</td> 
   <td>Scala/Java</td> 
   <td>C</td> 
  </tr> 
  <tr> 
   <td>主要维护者</td> 
   <td>Apache</td> 
   <td>Mozilla/Spring</td> 
   <td>Alibaba</td> 
   <td>Apache</td> 
   <td>iMatix</td> 
  </tr> 
  <tr> 
   <td>成熟度</td> 
   <td>成熟</td> 
   <td>成熟</td> 
   <td>开源版本不够成熟</td> 
   <td>比较成熟</td> 
   <td>只有C/PHP等版本成熟</td> 
  </tr> 
  <tr> 
   <td>订阅形式</td> 
   <td>点对点(p2p)、广播（发布-订阅）</td> 
   <td>提供了4种：direct, topic ,Headers和fanout。fanout就是广播模式</td> 
   <td>基于topic/messageTag以及按照消息类型、属性进行正则匹配的发布订阅模式</td> 
   <td>基于topic以及按照topic进行正则匹配的发布订阅模式</td> 
   <td>点对点(p2p)</td> 
  </tr> 
  <tr> 
   <td>持久化</td> 
   <td>支持少量堆积</td> 
   <td>支持少量堆积</td> 
   <td>支持大量堆积</td> 
   <td>支持大量堆积</td> 
   <td>不支持</td> 
  </tr> 
  <tr> 
   <td>顺序消息</td> 
   <td>不支持</td> 
   <td>不支持</td> 
   <td>支持</td> 
   <td>支持</td> 
   <td>不支持</td> 
  </tr> 
  <tr> 
   <td>性能稳定性</td> 
   <td>好</td> 
   <td>好</td> 
   <td>一般</td> 
   <td>较差</td> 
   <td>很好</td> 
  </tr> 
  <tr> 
   <td>集群方式</td> 
   <td>支持简单集群模式，比如’主-备’，对高级集群模式支持不好</td> 
   <td>支持简单集群，'复制’模式，对高级集群模式支持不好</td> 
   <td>常用 多对’Master-Slave’ 模式，开源版本需手动切换Slave变成Master</td> 
   <td>天然的‘Leader-Slave’无状态集群，每台服务器既是Master也是Slave</td> 
   <td>不支持</td> 
  </tr> 
  <tr> 
   <td>管理界面</td> 
   <td>一般</td> 
   <td>较好</td> 
   <td>一般</td> 
   <td>无</td> 
   <td>无</td> 
  </tr> 
 </tbody> 
</table>

1.  中小型公司，技术实力较为一般，技术挑战不是特别高，用 **RabbitMQ** 是不错的选择。
2.  大型公司，基础架构研发实力较强，用 **RocketMQ** 是很好的选择。

# 3 RabbitMQ 常见模式 #

**RabbitMQ** 是一个开源的 **AMQP** 实现，服务器端用 **Erlang** 语言编写，支持多种客户端，用于在分布式系统中存储转发消息，在易用性、扩展性、高可用性等方面表现不俗。

**AMQP**：

> AdvancedMessageQueuingProtocol：高级消息队列协议，是应用层协议的一个开放标准，为面向消息的中间件设计。

### 3.1 RabbitMQ 基本概念 ###

![RabbitMQ模型][RabbitMQ] RabbitMQ模型

1.  **Broker**：简单来说就是消息队列服务器实体
2.  **Exchange**：消息交换机，它指定消息按什么规则，路由到哪个队列。
3.  **Queue**：消息队列载体，每个消息都会被投入到一个或多个队列。
4.  **Binding**：它的作用就是把 exchange 和 queue 按照路由规则绑定起来
5.  **Routing Key**：路由关键字，exchange 根据这个关键字进行消息投递。
6.  **VHost**：vhost 可以理解为虚拟 broker ，即 mini-RabbitMQ server。其内部均含有独立的 queue、exchange 和 binding 等，但最最重要的是，其拥有独立的权限系统，可以做到 vhost 范围的用户控制。当然，从 RabbitMQ 的全局角度，vhost 可以作为不同权限隔离的手段（一个典型的例子就是不同的应用可以跑在不同的 vhost 中）。
7.  **Producer**：消息生产者，就是投递消息的程序
8.  **Consumer**：消息消费者，就是接受消息的程序
9.  **Channel**：消息通道，在客户端的每个连接里，可建立多个 channel，每个 channel 代表一个会话任务

由 Exchange、Queue、RoutingKey 三个才能决定一个从 Exchange 到 Queue 的唯一的线路。

### 3.2 RabbitMQ 工作模式 ###

##### 3.2.1 simple模式 #####

![simple模式][simple] simple模式  
生产者产生消息，将消息放入队列，消费者监听消息队列，如果队列中有消息就消费掉，消息被拿走后会自动从队列中删除，存在隐患需要消费者设置ACK确认，消费者处理完后要及时发送ack给队列，否则会造成内存溢出。

**简单队列的不足**：耦合性过高，生产者一一对应消费者，如果有多个消费者想消费队列中信息就无法实现了。

##### 3.2.2 work工作模式(资源的竞争) #####

![work工作模式][work] work工作模式  
生产者将消息放入队列，消费者可以有多个。一般有两种模式：

1.  **轮询分发(round-robin)**：MQ不管两个消费者谁忙，数据总是你一个我一个，MQ 给两个消费发数据的时候是不知道消费者性能的，默认就是雨露均沾。此时 autoAck = true。
2.  **公平分发**：要让消费者消费完毕一条数据后就告知MQ，再让MQ发数据即可。自动应答要关闭，实现按照消费者性能消费。

##### 3.2.3 fanout publish/subscribe 发布订阅模式 #####

![fanout模式][fanout] fanout模式  
类似公众号的订阅跟发布，属于 fanout 模式，不处理路由键。不需要指定routingKey，我们只需要把队列绑定到交换机， 消息就会被发送到所有到队列中：

1.  一个生产者多个消费者
2.  每一个消费者都有一个自己的队列
3.  生产者没有把消息直接发送到队列而是发送到了交换机转化器(exchange)。
4.  每一个队列都要绑定到交换机上。
5.  生产者发送的消息经过交换机到达队列，从而实现一个消息被多个消费者消费。

##### 3.2.4 direct routing 路由模式 #####

direct：处理路由键，需要指定routingKey，此时生产者发送数据到MQ的时候会指定key，任务队列也会指定key，只有key一样消息才会被传送到队列中。如下图

![direct模式][direct] direct模式  
**缺点**：路由key必须要明确，无法实现规则性模糊匹配。

##### 3.2.5 topic 主题模式 #####

将路由键跟某个模式匹配，生产者会带 routingKey，但是消费者的MQ会带模糊routingKey：

![topic模式][topic] topic模式

1.  `#` 表示匹配 >=1个字符。
2.  `*` 表示匹配一个。
3.  路由功能添加模糊匹配。
4.  消息产生者产生消息，把消息交给交换机。
5.  交换机根据key的规则模糊匹配到对应的队列，由队列的监听消费者接收消息消费。

##### 3.2.6 总计 #####

如果需要指定模式一般是在消费者端设置，灵活性调节。

<table> 
 <thead> 
  <tr> 
   <th>模式</th> 
   <th>生产者Queue</th> 
   <th>生产者exchange</th> 
   <th>生产者routingKey</th> 
   <th>消费者exchange</th> 
   <th>消费者queue</th> 
   <th>routingKey</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Simple(简单模式少用)</td> 
   <td>指定</td> 
   <td>不指定</td> 
   <td>不指定</td> 
   <td>不指定</td> 
   <td>指定</td> 
   <td>不指定</td> 
  </tr> 
  <tr> 
   <td>WorkQueue(多个消费者少用)</td> 
   <td>指定</td> 
   <td>不指定</td> 
   <td>不指定</td> 
   <td>不指定</td> 
   <td>指定</td> 
   <td>不指定</td> 
  </tr> 
  <tr> 
   <td>fanout(publish/subscribe模式)</td> 
   <td>不指定</td> 
   <td>指定</td> 
   <td>不指定</td> 
   <td>指定</td> 
   <td>指定</td> 
   <td>不指定</td> 
  </tr> 
  <tr> 
   <td>direct(路由模式)</td> 
   <td>不指定</td> 
   <td>指定</td> 
   <td>指定</td> 
   <td>指定</td> 
   <td>指定</td> 
   <td>消费者 routingKey 精确指定多个</td> 
  </tr> 
  <tr> 
   <td>topic(主题模糊匹配)</td> 
   <td>不指定</td> 
   <td>指定</td> 
   <td>指定</td> 
   <td>指定</td> 
   <td>指定</td> 
   <td>消费者 routingKey 进行模糊匹配</td> 
  </tr> 
 </tbody> 
</table>

# 4 常见考题 #

### 4.1 消息怎么路由的 ###

生成者生产消息后消息带有 routing Key，通过routing Key 消费者队列被绑定到交换器上，消息到达交换器根据交换器规则匹配，常见交换器如下：

1.  **fanout**：如果交换器收到消息，将会广播到所有绑定的队列上
2.  **direct**：如果路由键完全匹配，消息就被投递到相应的队列
3.  **topic**：可以使来自不同源头的消息能够到达同一个队列。使用 topic 交换器时，可以使用通配符

### 4.2 RabbitMQ 消息基于什么传输 ###

信道是生产消费者与rabbit通信的渠道，生产者 publish 或是消费者 subscribe 一个队列都是通过信道来通信的。信道是建立在TCP连接上的虚拟连接，就是说 RabbitMQ 在一条TCP上建立成百上千个信道来达到多个线程处理，这个TCP被多个线程共享，每个线程对应一个信道，信道在RabbitMQ 都有唯一的ID来保证信道私有性，对应唯一的线程使用。用信道而不用 TCP 的原因是由于 TCP 连接的创建和销毁开销较大，且并发数受系统资源限制，会造成性能瓶颈。

### 4.3 如何保证 RabbitMQ 消息不丢失 ###

消息丢失主要分为 生产者丢失消息、消息列表丢失消息、消费者丢失消息。

##### 4.3.1 生产者丢失消息 #####

RabbitMQ 提供 **transaction** 和 **confirm** 模式来确保生产者不丢消息。

**transaction 机制就是说**：发送消息前，开启事务(channel.txSelect)，然后发送消息，如果发送过程中出现什么异常，事务就会回滚（channel.txRollback()），如果发送成功则提交事务channel.txCommit()。事务卡顿会导致后面无法发送，官方说加入事务机制MQ会降速250倍。

**confirm(发送方确认模式)模式用的居多**：一旦 channel 进入 confirm 模式，所有在该信道上发布的消息都将会被指派一个从1开始的唯一的ID，一旦消息被投递到所有匹配的队列之后，RabbitMQ 就会发送一个包含消息的唯一ID 的 ACK给生产者，这就使得生产者知道消息已经正确到达目的队列了，如果 RabbitMQ 没能处理该消息，则会发送一个 Nack (not acknowledged) 消息给你，你可以进行重试操作。

发送方确认模式是异步的，生产者应用程序在等待确认的同时，可以继续发送消息。当确认消息到达生产者应用程序，生产者应用程序的回调方法就会被触发来处理确认消息。

##### 4.3.2 消息列表 丢失消息 #####

处理消息队列丢数据的情况，一般是开启持久化磁盘的配置。这个持久化配置可以和 **confirm** 机制配合使用，你可以在消息持久化磁盘后，再给生产者发送一个 Ack 信号。这样，如果消息持久化磁盘之前，**RabbitMQ** 挂了后生产者收不到Ack信号，生产者会自动重发。

通过如下持久化设置，即使 RabbitMQ 挂了重启后也能恢复数据。

1.  **durable** = true, 将 queue 的持久化设置为 true，则代表是一个持久的队列
2.  发送消息的时候将 **deliveryMode**=2

关于持久化其实是个权衡问题，持久化可能会导致系统QPS下降，所以一般仅对关键消息作持久化处理（根据业务重要程度），且应该保证关键消息的持久化不会导致系统性能瓶颈。

##### 4.3.3 消费者丢失消息 #####

消费者丢失消息：消费者丢数据一般是因为**采用了自动确认消息模式**，改为手动确认消息即可！

消费者在收到消息之后，处理消息之前，会**自动回复**RabbitMQ已收到消息；如果这时处理消息失败，就会丢失该消息。

**解决方案**：处理消息成功后，手动回复确认消息。消费者跟消息队列的连接不中断，RabbitMQ 给了 Consumer 足够长的时间来处理消息，保证数据的最终一致性。

**注意点**：

1.  消费者接收到消息却没有确认消息，连接也未断开，则 RabbitMQ 认为该消费者繁忙，将不会给该消费者分发更多的消息。
2.  如果消费者接收到消息，在确认之前断开了连接或取消订阅，RabbitMQ 会认为消息没有被分发，然后重新分发给下一个订阅的消费者，这时可能存在消息重复消费的隐患，需要去重！

### 4.3 如何避免消息重复投递或重复消费 ###

### 4.3.1 消息简介 ###

消息重复消费是各个MQ都会发生的常见问题之一，在一些比较敏感的场景下，重复消费会造成比较严重的后果，比如重复扣款等。

消息重复消费的场景大概可以分为 生产者端重复消费 和 消费者端重复消费，解决办法是是通过**幂等性**来保证重复消费的消息不对结果产生影响即可。

1.  消息生成时 RabbitMQ 内部 对每个生产的消息生成个 inner-msg-id，作为去重和幂等的依据（消息投递失败并重传），避免重复的消息进入队列。
2.  消息消费时 要求消息体中必须要有一个 bizId（对于同一业务全局唯一，如支付 ID、订单 ID、帖子 ID 等）作为去重的依据，避免同一条消息被重复消费。
3.  在 RocketMQ 中生产者发送消息前询问 RocketMQ 信息是否已发送过，或者通过Redis记录已查询记录。不过最好的还是直接在消费端去重消费。

### 4.3.2 举例 ###

1.  消费者拿到这个消息做数据库的insert操作。给这个消息做一个唯一主键，那么就算出现重复消费的情况，就会导致主键冲突，避免数据库出现脏数据。
2.  拿到消息后如果做的是 redis 的 set 操作就不用解决了，因为你无论set几次结果都是一样的。
3.  准备个第三方介质，来做消费记录。以redis为例，给消息分配一个全局id，只要消费过该消息，将以K-V形式写入redis。那消费者开始消费前，先去redis中查询有没消费记录即可。

### 4.4 RabbitMQ 如何保证消息顺序执行 ###

**顺序性 必要性**：生产者的信息是\[插入、更新、删除\]，消费者执行顺序是\[删除、插入、更新\]，这是跟预期不一致的。

##### 4.4.1 乱序情况 #####

出现消费乱序一般是如下两种情况：

1.  一个 queue，有多个 consumer 去消费，每个 consumer 的执行时间是不固定的，无法保证先读到消息的 consumer 一定先完成操作。  
    
    
    ![多个消费者乱序][format_png 5] 多个消费者乱序
2.  一个 queue 对应一个 consumer，但是 consumer 里面进行了**多线程**消费，这样也会造成消息消费顺序错误。  
    
    
    ![多线程乱序][format_png 6] 多线程乱序

##### 4.4.2 解决乱序 #####

1.  拆分多个 queue，每个 queue 一个 consumer，将三个有先后顺序的消息根据用户订单id 哈希后发送到同一个queue中，来保证消息的先后性。当然这样会造成吞吐量下降。

![一个队列保证前后][format_png 7] 一个队列保证前后

1.  一个 queue 对应一个 consumer，在 consumer 内部根据ID映射到不同内存队列，然后用内存队列做排队 分发给底层不同的 worker 来处理  
    
    
    ![内存队列实现顺序][format_png 8] 内存队列实现顺序

### 4.5 RabbitMQ 的集群 ###

RabbitMQ 是基于主从（非分布式）做高可用性的。RabbitMQ 有三种模式：**单机模式、普通集群模式、镜像集群模式**。

##### 4.5.1 单机模式 #####

单机版的 就是 Demo 级别，生产系统一般没人用单机模式。

##### 4.5.2 普通集群模式 #####

在 N 台机器上启动 N 个 RabbitMQ 实例。创建的 queue 只会放在一个 RabbitMQ 实例上，但每个MQ实例都 同步 queue 的元数据（元数据可以认为是 queue 的一些配置信息，通过元数据，可以找到 queue 所在实例）。消费时如果连接到了另外一个实例，那么那个实例会从 queue 所在实例上拉取数据过来。让集群中多个节点来服务某个 queue 的读写操作来提高吞吐量。

##### 4.5.3 镜像集群模式 #####

RabbitMQ 的高可用模式，在镜像集群模式下，你创建的 queue无论元数据还是 queue 里的消息都会存在于多个实例上，每个 RabbitMQ 节点都有这个 queue 的全部数据的。写消息到 queue 的时候都会自动把消息同步到多个实例的 queue 上。RabbitMQ 有很好的管理控制台，就是在后台新增一个策略，这个策略是镜像集群模式的策略，指定的时候是可以要求数据同步到所有节点的，也可以要求同步到指定数量的节点，再次创建 queue 的时候，应用这个策略，就会自动将数据同步到其他的节点上去了。

1.  **优点**在于任何一个机器宕机了其它节点还包含了这个 queue 的完整数据，别的 consumer 都可以到其它节点上去消费数据。
2.  **缺点**在于消息需要同步到所有机器上，导致网络带宽压力和消耗很重。也是每个节点都放这个 queue 的完整数据。

### 4.6 死信队列 跟 延迟队列 ###

##### 4.6.1 死信队列 #####

死信 Dead Letter 是 RabbitMQ 中的一种消息机制，当消费消息时队列里的消息出现以下情况那么该消息将成为死信。死信消息会被RabbitMQ进行特殊处理，如果配置了 死信队列 信息，那么该消息将会被丢进死信队列中，如果没有配置，则该消息将会被丢弃：

1.  消息被否定确认，使用channel.basicNack 或 channel.basicReject ，并且此时 default-requeue-rejected(由于监听器抛出异常而拒绝的消息是否被重新放回队列) 属性被设置为false。
2.  消息在队列的存活时间超过设置的TTL时间。
3.  消息队列的消息数量已经超过最大队列长度。

> 1.  对队列中消息总数进行限制，x-max-length = 指定值。则超出阈值后队头数据被抛弃。
> 2.  对队列中消息体总字节数进行限制，只计算消息体的字节数。x-max-length-bytes = 指定值。

死信队列 并不是什么特殊的队列，只不过是绑定在死信交换机上的队列。死信交换机只不过是用来接受死信的普通交换机，所以可以为任何类型，比如Direct、Fanout、Topic。

**适用场景**：

> 在较为重要的业务队列中，确保未被正确消费的消息不被丢弃，在系统因为参数解析、数据校验、网咯拨打等导致异常后通过配置死信队列，可以让未正确处理的消息暂存到另一个队列中，待后续排查清楚问题后，编写相应的处理代码来处理死信消息。

**死信消息的生命周期**：

> 1.  业务消息被投入业务队列
> 2.  消费者消费业务队列的消息，由于处理过程中发生异常，于是进行了nck或者reject操作
> 3.  被nck或reject的消息由RabbitMQ投递到死信交换机中
> 4.  死信交换机将消息投入相应的死信队列
> 5.  死信队列的消费者消费死信消息

死信消息是 RabbitMQ 为我们做的**一层保证**，其实我们也可以不使用死信队列，而是在消息消费异常时，将消息主动投递到另一个交换机中，明白死信队列运行机制后就知道这些 Exchange 和 Queue 想怎样配合就能怎么配合。比如从死信队列拉取消息，然后发送邮件、短信、钉钉通知来通知开发人员关注。或者将消息重新投递到一个队列然后设置过期时间，来进行延时消费。

##### 4.6.2 RabbitMQ 中的 TTL #####

TTL(Time To Live) 是 RabbitMQ 中一个 **消息** 或 **队列** 的属性，如果一条消息设置了 TTL属性或者进入了有 TTL属性的队列，那么这条消息如果在TTL设置的时间内没有被消费，则会成为死信。如果同时配置了队列的TTL和消息的TTL，那么较小的那个值将会被使用。

1.  queue 设置 TTL

1Map<String, Object> args = new HashMap<String, Object>();
    2args.put("x-message-ttl", 6000); // ms
    3channel.queueDeclare(queueName, durable, exclusive, autoDelete, args);

1.  Msg 设置 TTL

1AMQP.BasicProperties.Builder builder = new AMQP.BasicProperties.Builder();
    2builder.expiration("6000");
    3AMQP.BasicProperties properties = builder.build();
    4channel.basicPublish(exchangeName, routingKey, mandatory, properties, "msg body".getBytes());

**区别**：

1.  设置了队列的TTL属性，一旦Msg 过期，就会被队列丢弃。
2.  Msg 设置 TTL，Msg 是否过期是在即将投递到消费者之前判定的，如果当前队列有严重的Msg 积压情况，则已过期的 Msg 也许还能存活较长时间，解决办法 安装插件 rabbitmq\_delayed\_message\_exchange。
3.  如果不设置TTL，表示 Msg 永远不会过期，TTL = 0 表示除非此时可以直接投递该 Msg 到消费者，否则该 Msg 将会被丢弃。

##### 4.6.3 延迟队列 #####

延时队列中的元素则是希望被在指定时间得到取出和处理，所以延时队列中的元素是都是带时间属性的，通常来说是需要被处理的消息或者任务。一般用在如下场景：

1.  订单在 15 分钟之内未支付则自动取消。
2.  账单在一周内未支付，则自动结算。
3.  用户注册成功后，如果三天内没有登陆则进行短信提醒。
4.  用户发起退款，如果三天内没有得到处理则通知相关运营人员。
5.  预定会议后，需要在预定的时间点前十分钟通知各个与会人员参加会议。
    
    **延时队列 = 死信队列 + TTL**  
    
    
    ![保证顺序性][format_png 9] 保证顺序性
6.  当然也可以用 Java 的 DelayQueue、Quartz、[Redis][] 的 zset 等实现。

### 4.7 MQ 消息积压咋办 ###

这种时候只能操作临时扩容，以更快的速度去消费数据了。具体操作步骤和思路如下：

1.  先修复consumer的问题，确保其恢复消费速度，然后将现有consumer都停掉。
2.  临时建立好原先10倍~20倍的queue数量(新建一个topic，partition是原来的10倍)。
3.  然后写一个临时分发消息的 consumer 程序，这个程序部署上去消费积压的消息，消费之后不做耗时处理，直接均匀轮询写入临时建好分10数量的queue里面。
4.  紧接着征用10倍的机器来部署 consumer，每一批 consumer消费一个临时 queue 的消息。
5.  这种做法相当于临时将 queue 资源和 consumer 资源扩大10倍，以正常速度的10倍来消费消息。
6.  等快速消费完了之后，修复consumer，去消费新的MQ和现有的MQ数据，新MQ消费完成后恢复原状。  
    
    
    ![消息挤压处理][format_png 10] 消息挤压处理

### 4.8 RabbitMQ 中的推拉 ###

在RabbitMQ 中有推模式跟拉模式，平时开发多为推模式。

> 1.  推模式：消息中间件主动将消息推送给消费者
> 2.  拉模式：消费者主动从消息中间件拉取消息

##### 4.8.1 推模式 push #####

1.  推模式接收消息是最有效的一种消息处理方式。channel.basicConsume(queneName,consumer)方法将信道(channel)设置成投递模式，直到取消队列的订阅为止。当消息到达RabbitMQ时，RabbitMQ会自动地、不断地投递消息给匹配的消费者，而不需要消费端手动来拉取，当然投递消息的个数还是会受到channel.basicQos的限制。
2.  推模式将消息提前推送给消费者，消费者必须设置一个缓冲区缓存这些消息。优点是消费者总是有一堆在内存中待处理的消息，所以当真正去消费消息时效率很高。缺点就是缓冲区可能会溢出。
3.  由于推模式是信息到达RabbitMQ后，就会立即被投递给匹配的消费者，所以实时性非常好，消费者能及时得到最新的消息。

##### 4.8.2 拉模式 pull #####

1.  如果只想从队列中获取单条消息而不是持续订阅，则可以使用channel.basicGet方法来进行消费消息。
2.  拉模式在消费者需要时才去消息中间件拉取消息，这段网络开销会明显增加消息延迟，降低系统吞吐量。
3.  由于拉模式需要消费者手动去RabbitMQ中拉取消息，所以实时性较差；消费者难以获取实时消息，具体什么时候能拿到新消息完全取决于消费者什么时候去拉取消息。

### 4.9 设计个MQ ###

一般是个开放题，考察有没有从架构角度整体构思和设计的思维以及能力。不求看过源码起码但的知道基本原理、核心组成部分、基本架构构成，然后参照一些开源的技术把一个系统设计出来的思路说一下就好（强行为下篇Kafka做铺垫）。

1.  考虑MQ的**伸缩性**，在需要的时候快速扩容来增加吞吐量和容量，设计个分布式的系统，参照一下kafka的设计理念，broker、 topic、 partition，每个partition放一个机器，就存一部分数据。如果现在资源不够了，给topic增加partition，然后做数据迁移，增加机器，提供更高的吞吐量了。
2.  落磁盘方式为**顺序写**，这样就没有磁盘随机读写的寻址开销，磁盘顺序读写的性能是很高的，这就是Kafka的思路。
3.  参考Kafka实现MQ**高可用性**，多副本 -> leader & follower -> broker 挂了重新选举leader即可对外服务。
4.  参考前面的实现数据的**零丢失**。

# 参考 #

> 1.  消息顺序消费：https://www.jianshu.com/p/02fdcb9e8784
> 2.  RabbitMQ死信队列：https://www.cnblogs.com/mfrank/category/1514703.html
> 3.  RabbitMQ消息推送：https://blog.csdn.net/qq\_40837310/article/details/109033000

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

[Hadoop 超燃之路][Hadoop]

[2021-01-25][Hadoop]

[![format_png 11][] ][Hadoop]

[20张图带你到HBase的世界遨游][20_HBase]

[2021-01-20][20_HBase]

[![format_png 12][] ][20_HBase]

[面试官留步！听我跟你侃会儿Docker原理][Docker]

[2021-01-18][Docker]

[![format_png 13][] ][Docker]

[讲解 Zookeeper 的五个核心知识点][Zookeeper]

[2021-01-15][Zookeeper]

[![format_png 14][] ][Zookeeper]

[速入！3W字带你迅速上手MQ][3W_MQ]

[2020-11-20][3W_MQ]

[![format_png 15][] ][3W_MQ]

![format_png 16][]

[format_png]: /images/20221119/9e9f0c831ed145d98c9a7c76f2a7f467.png
[format_png 1]: /images/20221119/b9a2360cec634ca5b81826251faa25aa.png
[format_png 2]: /images/20221119/bc98a48034ac42f0b222e9a7ed12ea9b.png
[format_png 3]: /images/20221119/43bf453f839b46218c445dfcd7b25fa2.png
[format_png 4]: /images/20221119/c270f5e04f254aa591ccf201a53899bb.png
[RabbitMQ]: /images/20221119/a5ecfc4b5a724ce48574c59053563be1.png
[simple]: /images/20221119/db8e4fde06ff43c99a6f31cb335ef199.png
[work]: /images/20221119/7817eb8d45ed47ebad9887bd345532f0.png
[fanout]: /images/20221119/76813eb3a4474cbca738b5bbc23e83a5.png
[direct]: /images/20221119/9c66dedc13294fa6a889eef1db020d00.png
[topic]: /images/20221119/fda39138a2244831b684c046f3fc1b67.png
[format_png 5]: /images/20221119/df2a2def0db64b8a8d4b10b8629abb1f.png
[format_png 6]: /images/20221119/92b8949a6a734dca900342a414e1f5b7.png
[format_png 7]: /images/20221119/e69758ad7d10481b82a7c7c20bb70850.png
[format_png 8]: /images/20221119/cfae1c163304450eb62cb2e3cfce6b57.png
[format_png 9]: /images/20221119/21ed3fb9dd2f43678f373246df001cab.png
[Redis]: https://mp.weixin.qq.com/s?__biz=MzI4NjI1OTI4Nw%3D%3D&idx=1&mid=2247488832&scene=21&sn=5999893d7fe773f54f7d097ac1c2074d#wechat_redirect
[format_png 10]: /images/20221119/13feebb7ab1d4773a4fb38ae5e44d4ec.png
[Hadoop]: http://mp.weixin.qq.com/s?__biz=MzI4NjI1OTI4Nw%3D%3D&chksm=ebdefa34dca9732268c2a1600161e6ea07667f9b3bbccfb02648c89cae3df1c0b00e7732cc24&idx=1&mid=2247490316&scene=21&sn=1fc31b36b525f92c368dad6fbbf56434#wechat_redirect
[format_png 11]: /images/20221119/3bc0202d806f4a9aa8406f0390f0e81a.png
[20_HBase]: http://mp.weixin.qq.com/s?__biz=MzI4NjI1OTI4Nw%3D%3D&chksm=ebdef8cadca971dc95f07681a3be03281e0b9350595e38713944ec32159979995eaf9dd5cae2&idx=1&mid=2247490034&scene=21&sn=b8624b8d13de9aacd2b69891b5a62379#wechat_redirect
[format_png 12]: /images/20221119/a96b757bb0224331a4eaeeb5483fe9ae.png
[Docker]: http://mp.weixin.qq.com/s?__biz=MzI4NjI1OTI4Nw%3D%3D&chksm=ebdef85cdca9714a265c2c623370320dc617ab3deff514ff3269ed954e573bee8adc43abc04f&idx=1&mid=2247489892&scene=21&sn=e72a855101c2a4690833f6069e42c856#wechat_redirect
[format_png 13]: /images/20221119/e01433cd7200486b9a2323f6ffbb11f1.png
[Zookeeper]: http://mp.weixin.qq.com/s?__biz=MzI4NjI1OTI4Nw%3D%3D&chksm=ebdef85bdca9714d89dcd84894ce8c3af4c2ad5bab43760adfa30384fe7345c6d93fe55b47d5&idx=1&mid=2247489891&scene=21&sn=eb7b6a4d4f2560df31eb41e10dc66264#wechat_redirect
[format_png 14]: /images/20221119/8be9efe5a1524bfeb7169a6e932310b4.png
[3W_MQ]: http://mp.weixin.qq.com/s?__biz=MzI4NjI1OTI4Nw%3D%3D&chksm=ebdef341dca97a574894f521117e4164dec966d1ed673aeecf013638e539ba413a6ed012fd11&idx=1&mid=2247488121&scene=21&sn=1ca9adc665b9ba0fc68c2d647b967d7c#wechat_redirect
[format_png 15]: /images/20221119/2058b70050064e7696f0ce581a3a9a2c.png
[format_png 16]: /images/20221119/423d6da3e40c49fda5493edf1158bec5.png