RabbitMQ之死信队列、延迟队列

一、死信队列

1、简介

• 死信，顾名思义就是无法被消费的消息，字面意思可以这样理解，一般来说，producer将消息投递到 broker或者直接到queue里了,consumer 从 queue取出消息进行消费，但某些时候由于特定的原因导致queue中的某些消息无法被消费，这样的消息如果没有后续的处理，就变成了死信，有死信自然就有了死信队列。
• 应用场景：为了保证订单业务的消息数据不丢失，需要使用到RabbitMQ的死信队列机制，当消息消费发生异常时，将消息投入死信队列中.还有比如说:用户在商城下单成功并点击去支付后在指定时间未支付时自动失效

2、来源

1. 消息TTL过期
2. 队列达到最大长度（队列满了，无法再添加数据到mq中）
3. 消息被拒绝（basic.reject或basic.nack）并且requeue=false

3、代码架构图

 

4、消息TTL过期案例

4.1、生产者

    /*
 * 死信队列之生产者代码
 *
 * */
 public class Producer {
 
     //普通交换机的名称
     public static final String NORMAL_EXCHANGE = "normal_exchange";
     public static void main(String[] args) throws Exception{
         Channel channel = RabbitMqUtils.getChannel();
 
         //死信消息，设置TTL时间  单位是ms  10000ms是10s
         AMQP.BasicProperties properties = new AMQP.BasicProperties().builder().expiration("10000").build();
 
         for (int i = 0; i < 10; i++) {
             String message = "info" + i;
             channel.basicPublish(NORMAL_EXCHANGE,"zhangsan",properties,message.getBytes(StandardCharsets.UTF_8));
         }
     }
 }

4.2、消费者

    /*
 * 死信队列实战
 * 消费者01
 * */
 public class Consumer01 {
 
     //普通交换机名称
     public static final String NORMAL_EXCHANGE = "normal_exchange";
 
     //死信交换机名称
     public static final String DEAD_EXCHANGE = "dead_exchange";
 
     //普通队列名称
     public static final String NORMAL_QUEUE = "normal_queue";
 
     //死信队列名称
     public static final String DEAD_QUEUE = "dead_queue";
 
     public static void main(String[] args) throws  Exception{
         Channel channel = RabbitMqUtils.getChannel();
 
         //声明死信和普通的交换机类型为direct
         channel.exchangeDeclare(NORMAL_EXCHANGE, BuiltinExchangeType.DIRECT);
         channel.exchangeDeclare(DEAD_EXCHANGE, BuiltinExchangeType.DIRECT);
 
         //声明普通队列
         HashMap<String, Object> arguments = new HashMap<>();
 
         //过期时间
         arguments.put("x-message-ttl",1000);
         //正常队列设置死信队列
         arguments.put("x-dead-letter-exchange",DEAD_EXCHANGE);
         //设置死信RoutingKey
         arguments.put("x-dead-letter-routing-key","lisi");

     //声明死信和普通队列
     channel.queueDeclare(NORMAL_QUEUE,false,false,false,arguments);
     channel.queueDeclare(DEAD_QUEUE,false,false,false,null);

     //绑定普通的交换机与普通的队列
     channel.queueBind(NORMAL_QUEUE,NORMAL_EXCHANGE,"zhangsan");
     //绑定死信的交换机与死信的队列
     channel.queueBind(DEAD_QUEUE,DEAD_EXCHANGE,"lisi");
     System.out.println("等待接收消息......");

     DeliverCallback deliverCallback = (consumerTag,message) -> {
         System.out.println("Consumer01接收的消息是：" + new String(message.getBody()));
     };

     channel.basicConsume(NORMAL_QUEUE,true,deliverCallback,consumerTag->{});
 }
}

 /*
 * 死信队列实战
 * 消费者02
 * */
 public class Consumer02 {
 
     //死信队列名称
     public static final String DEAD_QUEUE = "dead_queue";
 
     public static void main(String[] args) throws  Exception{
         Channel channel = RabbitMqUtils.getChannel();
         System.out.println("等待接收消息......");

     DeliverCallback deliverCallback = (consumerTag,message) -> {
         System.out.println("Consumer02接收的消息是：" + new String(message.getBody()));
     };

     channel.basicConsume(DEAD_QUEUE,true,deliverCallback,consumerTag->{});
 }
}

启动测试流程：

• 先启动消费者1，用来创建交换机和队列，创建后关闭
• 启动生产者后，10条消息被传送到NORMAL_QUEUE，但是因为没有启动消费者，所以10秒后自动被传送到DEAD_QUEUE（死信队列）
• 此时启动消费者02，消息全被接收

5、队列达到最大长度

5.1、生产者

5.2、消费者

消费者01：

 

消费者02无需做修改，消费者先不启动，启动生产者,效果如下：

 

 

6、消息被拒绝

6.1、生产者代码无改变

6.2、消费者01

6.3、消费者02代码无改变

6.4、效果

 二、延迟队列

1、简介

        延时队列,队列内部是有序的，最重要的特性就体现在它的延时属性上，延时队列中的元素是希望在指定时间到了以后或之前取出和处理，简单来说，延时队列就是用来存放需要在指定时间被处理的元素的队列。

2、使用场景

1. 订单在十分钟之内未支付则自动取消
2. 新创建的店铺，如果在十天内都没有上传过商品，则自动发送消息提醒。
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

这些场景都有一个特点，需要在某个事件发生之后或者之前的指定时间点完成某一项任务，如:发生订单生成事件，在十分钟之后检查该订单支付状态，然后将未支付的订单进行关闭;看起来似乎使用定时任务，一直轮询数据，每秒查一次，取出需要被处理的数据，然后处理不就完事了吗?如果数据量比较少，确实可以这样做，比如:对于“如果账单一周内未支付则进行自动结算”这样的需求,如果对于时间不是严格限制，而是宽松意义上的一周，那么每天晚上跑个定时任务检查一下所有未支付的账单，确实也是一个可行的方案。但对于数据量比较大，并且时效性较强的场景，如:“订单十分钟内未支付则关闭“，短期内未支付的订单数据可能会有很多，活动期间甚至会达到百万甚至千万级别，对这么庞大的数据量仍旧使用轮询的方式显然是不可取的，很可能在一秒内无法完成所有订单的检查，同时会给数据库带来很大压力，无法满足业务要求而且性能低下。