消息队列常见问题和解决方案

消息队列

消息队列的一些简单介绍可以参考文章

作用

削峰

以电商双十一或者疫情期间在线视频课堂举例，由于在短时间内接收到了大量的请求，服务器可能无法处理这么多，而且现在的系统根本处理不了这么多请求，如果请求直接进来后，可能会导致系统或者数据库等方面出现问题。轻则卡顿，重则宕机。为此引入消息队列，将请求转至队列当中，消费者（系统）以自己能处理的速度进行处理消费。这样就能保证系统的可用性。淘宝双十一结账出现的 “前方拥堵，服务即将恢复” 等问题就是削峰处理的一种表现。

解耦

例如 A 系统发送个数据到 BCD 三个系统 ，目前是以接口调用的方式进行发送，那如果现在 E 系统也要这个数据，那么就还得再次进行接入 ，假如数据内容发生变化，那么还得继续接入新的接口，这样随着业务的发展，接口会越来越多，使用场景会越来越复杂，系统之间的耦合性和越来越高！如果 A 系统宕机了怎么办？

消息队列就能很好的解决上面系统所面临的问题，以降低系统之间耦合性来保证系统的稳定性？

异步

随着系统之间的交互越来越多，特别是当技术下沉之后。一个系统可以依赖好几个系统的服务，每个系统之间的交互和请求方式都能带来不小的延时。针对于系统通知，系统任务，系统之间的数据传递采用异步的方式能解决很多问题。

例如，上述图中可能为某系统的注册功能，用户注册后需要给新用户进行短信的发送和优惠券的发放。如果采用同步的方式进行，假如用户提交信息到 xx 系统需要 100ms，调用短信系统需要 100 ms，调用优惠券系统需要 300ms，最后数据存库可能需要 200ms。那么同步方式总的耗时为100+100+300+200=700ms。给用户的感觉就是很慢，体验很不好，甚至可能导致用户的流失！

副作用

使用消息队列之后，并不都是带来一些好处的。同时也可系统带来了很多的问题和挑战。例如：

1. 系统可用性降低：如果队列崩溃，那么相关的系统都会受到影响。
2. 系统复杂性提高：如果保证消息不被重复消费？如何保证消息不丢失？如果保证消息消费的顺序？这些问题都是引入队列后需要考虑的。
3. 一致性问题：以上面新用户注册为例，用户注册成功了，但是队列崩溃导致优惠券没有被成功发放和数据最终没有成功落库，用户下次再次登录提示了用户不存在？？因为现在的大型系统都是分布式的，所以各个系统之间的交互就涉及到一致性的问题，不能出现用户注册成功但是优惠券发送失败或者落库失败等问题。解决的问题就是引入分布式事务，让这几个步骤一起成功或者一起失败！

选型

各消息队列对比

特性	ActiveMQ	RabbitMQ	RocketMQ	Kafka
单机吞吐量	万级，吞吐量比RocketMQ和Kafka要低了一个数量级。	万级，吞吐量比RocketMQ和Kafka要低了一个数量级。	10万级，RocketMQ也是可以支撑高吞吐的一种MQ	10万级别，这是kafka最大的优点，就是吞吐量高。 一般配合大数据类的系统来进行实时数据计算、日志采集等场景。
topic数量对吞吐量的影响			topic可以达到几百，几千个的级别，吞吐量会有较小幅度的下降， 这是RocketMQ 的一大优势，在同等机器下，可以支撑大量的topic。	topic从几十个到几百个的时候，吞吐量会大幅度下降。 所以在同等机器下，kafka尽量保证topic数量不要过多。如果要 支撑大规模topic，需要增加更多的机器资源。
时效性	ms级	微秒级，这是rabbitmq的一大特点，延迟是最低的	ms级	延迟在ms级以内
可用性	高，基于主从架构实现高可用性	高，基于主从架构实现高可用性	非常高，分布式架构	非常高，kafka是分布式的，一个数据多个副本，少数机器宕机，不会丢失数据，不会导致不可用
消息可靠性	有较低的概率丢失数据		经过参数优化配置，可以做到0丢失	经过参数优化配置，消息可以做到0丢失
功能支持	MQ领域的功能极其完备	基于erlang开发，所以并发能力很强，性能极其好，延时很低	MQ功能较为完善，还是分布式的，扩展性好	功能较为简单，主要支持简单的MQ功能，在大数据领域的实时计算以及日志采集被大规模使用，是事实上的标准
优劣势总结	非常成熟，功能强大，在业内大量的公司以及项目中都有应用，偶尔会有较低概率丢失消息， 现在社区以及国内应用都越来越少，官方社区现在对ActiveMQ 5.x维护越来越少，几个月才发布一个版本 “ 主要是基于解耦和异步来用的，较少在大规模吞吐的场景中使用。	erlang语言开发，性能极其好，延时很低； 吞吐量到万级，MQ功能比较完备。 而且开源提供的管理界面非常棒，用起来很好用。 社区相对比较活跃，几乎每个月都发布几个版本。 在国内一些互联网公司近几年用 rabbitmq也比较多一些。 但是问题也是显而易见的，RabbitMQ确实吞吐量会低一些，这是因为他做的实现机制比较重。 erlang语言本身带来的问题。很难读源码，很难定制和掌控。	接口简单易用，而且毕竟在阿里大规模应用过，有阿里品牌保障。日处理消息上百亿之多，可以做到大规模吞吐，性能也非常好，分布式扩展也很方便，社区维护还可以，可以支撑大规模的topic数量，支持复杂MQ业务场景。	kafka的特点其实很明显，就是仅仅提供较少的核心功能，但是提供超高的吞吐量，ms级的延迟，极高的可用性以及可靠性，而且分布式可以任意扩展。 同时kafka最好是支撑较少的topic数量即可，保证其超高吞吐量。 而且kafka唯一的一点劣势是有可能消息重复消费，那么对数据准确性会造成极其轻微的影响，在大数据领域中以及日志采集中，这点轻微影响可以忽略。 这个特性天然适合大数据实时计算以及日志收集。

如何保证高可用

RabbitMQ

rabbitmq有三种模式：单机模式，普通集群模式，镜像集群模式

1. 单机模式: 就是demo级别的，一般就是你本地启动了玩玩儿的，没人生产用单机模式。

2. 普通集群模式：意思就是在多台机器上启动多个 rabbitmq 实例，每个机器启动一个。但是你创建的 queue，只会放在一个 rabbtimq 实例上，但是每个实例都同步 queue 的元数据。完了你消费的时候，实际上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。

   这种方式确实很麻烦，也不怎么好，没做到所谓的分布式，就是个普通集群。因为这导致你要么消费者每次随机连接一个实例然后拉取数据，要么固定连接那个 queue 所在实例消费数据，前者有数据拉取的开销，后者导致单实例性能瓶颈。

   而且如果那个放 queue 的实例宕机了，会导致接下来其他实例就无法从那个实例拉取，如果你开启了消息持久化，让 rabbitmq 落地存储消息的话，消息不一定会丢，得等这个实例恢复了，然后才可以继续从这个queue 拉取数据。

   这就没有什么所谓的高可用性可言了，这方案主要是提高吞吐量的，就是说让集群中多个节点来服务某个queue的读写操作。

3. 镜像集群模式：这种模式，才是所谓的 rabbitmq 的高可用模式，跟普通集群模式不一样的是，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，然后每次你写消息到 queue 的时候，都会自动把消息到多个实例的 queue 里进行消息同步。

   这样的话，好处在于，你任何一个机器宕机了，没事儿，别的机器都可以用。坏处在于，第一，这个性能开销也太大了吧，消息同步所有机器，导致网络带宽压力和消耗很重！第二，这么玩儿，就没有扩展性可言了，如果某个 queue 负载很重，你加机器，新增的机器也包含了这个 queue 的所有数据，并没有办法线性扩展你的queue。

   怎么开启这个镜像集群模式呢？其实很简单 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，指定的时候可以要求数据同步到所有节点的，也可以要求就同步到指定数量的节点，然后你再次创建 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。

kafka

kafka一个最基本的架构认识：多个broker组成，每个broker是一个节点；你创建一个topic，这个topic可以划分为多个partition，每个partition可以存在于不同的broker上，每个partition就放一部分数据。

这就是天然的分布式消息队列，就是说一个topic的数据，是分散放在多个机器上的，每个机器就放一部分数据。实际上rabbitmq之类的，并不是分布式消息队列，他就是传统的消息队列，只不过提供了一些集群、HA的机制而已，因为无论怎么玩儿，rabbitmq一个queue的数据都是放在一个节点里的，镜像集群下，也是每个节点都放这个queue的完整数据。

kafka 0.8以前，是没有HA机制的，就是任何一个broker 宕机了，那个 broker上的 partition 就废了，没法写也没法读，没有什么高可用性可言。

kafka 0.8 以后，提供了HA 机制，就是replica副本机制。每个 partition 的数据都会同步到吉他机器上，形成自己的多个 replica 副本。然后所有 replica 会选举一个 leader 出来，那么生产和消费都跟这个 leader 打交道，然后其他 replica 就是 follower。写的时候，leader 会负责把数据同步到所有 follower 上去，读的时候就直接读leader 上数据即可。只能读写 leader？很简单，要是你可以随意读写每个 follower，那么就要 care 数据一致性的问题，系统复杂度太高，很容易出问题。kafka 会均匀的将一个 partition 的所有 replica 分布在不同的机器上，这样才可以提高容错性。

这么搞，就有所谓的高可用性了，因为如果某个 broker 宕机了，没事儿，那个broker上面的 partition 在其他机器上都有副本的，如果这上面有某个 partition 的 leader（broker 宕机 leader 肯定也没了），那么此时会重新选举一个新的 leader 出来，大家继续读写那个新的 leader 即可。这就有所谓的高可用性了。

写数据的时候，生产者就写 leader，然后 leader 将数据落地写本地磁盘，接着其他 follower 自己主动从 leader来 pull 数据。一旦所有 follower 同步好数据了，就会发送 ack 给 leader，leader 收到所有 follower 的 ack 之后，就会返回写成功的消息给生产者。（当然，这只是其中一种模式，还可以适当调整这个行为）

消费的时候，只会从 leader 去读，但是只有消息已经被所有 follower 都同步成功返回 ack 的时候（就是所有 follower 都同步到了这个消息），这个消息才会被消费者读到。

如果解决重复消费

kafka 实际上有个 offset 的概念，就是每个消息写进去，都有一个 offset，代表他的序号，然后 consumer 消费了数据之后，每隔一段时间，会把自己消费过的消息的 offset 提交一下，代表我已经消费过了，下次我要是重启啥的，你就让我继续从上次消费到的 offset 来继续消费吧。

但是凡事总有意外，比如我们之前生产经常遇到的，就是你有时候重启系统，看你怎么重启了，如果碰到点着急的，直接kill进程了，再重启。这会导致 consumer 有些消息处理了，但是没来得及提交 offset，尴尬了。重启之后，少数消息会再次消费一次。

其实重复消费不可怕，可怕的是你没考虑到重复消费之后，怎么保证幂等性。

给你举个例子吧。假设你有个系统，消费一条往数据库里插入一条，要是你一个消息重复两次，你不就插入了两条，这数据不就错了？但是你要是消费到第二次的时候，自己判断一下已经消费过了，直接扔了，不就保留了一条数据？

一条数据重复出现两次，数据库里就只有一条数据，这就保证了系统的幂等性

幂等性，我通俗点说，就一个数据，或者一个请求，给你重复来多次，你得确保对应的数据是不会改变的，不能出错。

那所以第二个问题来了，怎么保证消息队列消费的幂等性？

其实还是得结合业务来思考，我这里给几个思路：

1. 比如你拿个数据要写库，你先根据主键查一下，如果这数据都有了，你就别插入了，update一下好吧

2. 比如你是写redis，那没问题了，反正每次都是set，天然幂等性

3. 比如你不是上面两个场景，那做的稍微复杂一点，你需要让生产者发送每条数据的时候，里面加一个全局唯一的id，类似订单id之类的东西，然后你这里消费到了之后，先根据这个id去比如redis里查一下，之前消费过吗？如果没有消费过，你就处理，然后这个id写redis。如果消费过了，那你就别处理了，保证别重复处理相同的消息即可。

4. 还有比如基于数据库的唯一键来保证重复数据不会重复插入多条，我们之前线上系统就有这个问题，就是拿到数据的时候，每次重启可能会有重复，因为kafka消费者还没来得及提交offset，重复数据拿到了以后我们插入的时候，因为有唯一键约束了，所以重复数据只会插入报错，不会导致数据库中出现脏数据

如何确保消息不丢失

消息丢失和消息重复消费对于业务来说都是致命的问题，假如用户创建了多个订单，但是某个订单信息丢失了，或者用户支付信息在传输过程中丢失了，导致用户支付了，但是业务系统却没有收到用户支付成功的消息，那这样的问题就非常非常严重了。

丢数据，mq一般分为两种，要么是mq自己弄丢了，要么是我们消费的时候弄丢了。

RabbitMQ

1. 生产者弄丢了数据

   生产者将数据发送到 rabbitmq 的时候，可能数据就在半路给搞丢了，因为网络啥的问题，都有可能。此时可以选择用rabbitmq提供的事务功能，就是生产者发送数据之前开启 rabbitmq 事务（channel.txSelect），然后发送消息，如果消息没有成功被rabbitmq接收到，那么生产者会收到异常报错，此时就可以回滚事务（channel.txRollback），然后重试发送消息；如果收到了消息，那么可以提交事务（channel.txCommit）。但是问题是，rabbitmq 事务机制一搞，基本上吞吐量会下来，因为太耗性能。

   所以一般来说，如果你要确保说写 rabbitmq 的消息别丢，可以开启 confirm 模式，在生产者那里设置开启confirm 模式之后，你每次写的消息都会分配一个唯一的id，然后如果写入了 rabbitmq 中，rabbitmq 会给你回传一个 ack 消息，告诉你说这个消息 ok 了。如果 rabbitmq 没能处理这个消息，会回调你一个 nack 接口，告诉你这个消息接收失败，你可以重试。而且你可以结合这个机制自己在内存里维护每个消息 id 的状态，如果超过一定时间还没接收到这个消息的回调，那么你可以重发。

   务机制和cnofirm机制最大的不同在于，事务机制是同步的，你提交一个事务之后会阻塞在那儿，但是confirm机制是异步的，你发送个消息之后就可以发送下一个消息，然后那个消息rabbitmq接收了之后会异步回调你一个接口通知你这个消息接收到了。

​ 所以一般在生产者这块避免数据丢失，都是用confirm机制的。

2. rabbitmq 弄丢了数据

   就是 rabbitmq 自己弄丢了数据，这个你必须开启 rabbitmq 的持久化，就是消息写入之后会持久化到磁盘，哪怕是 rabbitmq 自己挂了，恢复之后会自动读取之前存储的数据，一般数据不会丢。除非极其罕见的是，rabbitmq还没持久化，自己就挂了，可能导致少量数据会丢失的，但是这个概率较小。

   设置持久化有两个步骤，第一个是创建queue的时候将其设置为持久化的，这样就可以保证 rabbitmq 持久化queue 的元数据，但是不会持久化 queue 里的数据；第二个是发送消息的时候将消息的 deliveryMode 设置为 2，就是将消息设置为持久化的，此时 rabbitmq 就会将消息持久化到磁盘上去。必须要同时设置这两个持久化才行，rabbitmq 哪怕是挂了，再次重启，也会从磁盘上重启恢复 queue，恢复这个 queue 里的数据。

   而且持久化可以跟生产者那边的 confirm 机制配合起来，只有消息被持久化到磁盘之后，才会通知生产者 ack了，所以哪怕是在持久化到磁盘之前，rabbitmq挂 了，数据丢了，生产者收不到 ack，你也是可以自己重发的。

   哪怕是你给 rabbitmq 开启了持久化机制，也有一种可能，就是这个消息写到了 rabbitmq 中，但是还没来得及持久化到磁盘上，结果不巧，此时 rabbitmq 挂了，就会导致内存里的一点点数据会丢失。

3. 消费端弄丢了数据

   rabbitmq如果丢失了数据，主要是因为你消费的时候，刚消费到，还没处理，结果进程挂了，比如重启了，那么就尴尬了，rabbitmq认为你都消费了，这数据就丢了。

   这个时候得用rabbitmq提供的ack机制，简单来说，就是你关闭rabbitmq自动ack，可以通过一个api来调用就行，然后每次你自己代码里确保处理完的时候，再程序里ack一把。这样的话，如果你还没处理完，不就没有ack？那rabbitmq就认为你还没处理完，这个时候rabbitmq会把这个消费分配给别的consumer去处理，消息是不会丢的。

KafKa

1. 消费端弄丢了数据

   唯一可能导致消费者弄丢数据的情况，就是说，你那个消费到了这个消息，然后消费者那边自动提交了offset，让kafka以为你已经消费好了这个消息，其实你刚准备处理这个消息，你还没处理，你自己就挂了，此时这条消息就丢咯。

   这不是一样么，大家都知道kafka会自动提交offset，那么只要关闭自动提交offset，在处理完之后自己手动提交offset，就可以保证数据不会丢。但是此时确实还是会重复消费，比如你刚处理完，还没提交offset，结果自己挂了，此时肯定会重复消费一次，自己保证幂等性就好了。

   生产环境碰到的一个问题，就是说我们的kafka消费者消费到了数据之后是写到一个内存的queue里先缓冲一下，结果有的时候，你刚把消息写入内存queue，然后消费者会自动提交offset。

   然后此时我们重启了系统，就会导致内存queue里还没来得及处理的数据就丢失了

2. kafka弄丢了数据

   这块比较常见的一个场景，就是kafka某个broker宕机，然后重新选举partiton的leader时。大家想想，要是此时其他的follower刚好还有些数据没有同步，结果此时leader挂了，然后选举某个follower成leader之后，他不就少了一些数据？这就丢了一些数据啊。

   生产环境也遇到过，我们也是，之前kafka的leader机器宕机了，将follower切换为leader之后，就会发现说这个数据就丢了

   所以此时一般是要求起码设置如下4个参数：

   1. 给这个topic设置replication.factor参数：这个值必须大于1，要求每个partition必须有至少2个副本

   2. 在kafka服务端设置min.insync.replicas参数：这个值必须大于1，这个是要求一个leader至少感知到有至少一个follower还跟自己保持联系，没掉队，这样才能确保leader挂了还有一个follower吧

   3. 在producer端设置acks=all：这个是要求每条数据，必须是写入所有replica之后，才能认为是写成功了

   4. 在producer端设置retries=MAX（很大很大很大的一个值，无限次重试的意思）：这个是要求一旦写入失败，就无限重试，卡在这里了

   我们生产环境就是按照上述要求配置的，这样配置之后，至少在kafka broker端就可以保证在leader所在broker发生故障，进行leader切换时，数据不会丢失

3. 生产者会不会弄丢数据

   如果按照上述的思路设置了ack=all，一定不会丢，要求是，你的leader接收到消息，所有的follower都同步到了消息之后，才认为本次写成功了。如果没满足这个条件，生产者会自动不断的重试，重试无限次。

如何保证消息的顺序

保证消息的顺序处理在某些系统中是非常重要的。例如订单，数据的有序插入等需求。

1. rabbitmq：拆分多个queue，每个queue一个consumer，就是多一些queue而已，确实是麻烦点；或者就一个queue但是对应一个consumer，然后这个consumer内部用内存队列做排队，然后分发给底层不同的worker来处理

2. kafka：一个topic，一个partition，一个consumer，内部单线程消费，写N个内存queue，然后N个线程分别消费一个内存queue即可

如何处理消息积压

消息积压是很常见的现象，但是也是非常棘手的问题，因为一般都是一些线上的系统。例如数仓数据通过 kafka 到达 mind3 就发现过很多次的积压。那么如何解决这种问题呢？