rabbitmq消息队列连环炮

消息队列

使用消息队列的优缺点?

好处:

  1. 通过异步处理提高系统性能
  2. 削峰/限流
  3. 降低系统耦合性

坏处:

  1. 系统可用性降低
  2. 系统复杂度提高
  3. 一致性问题

Kafka、ActiveMq、RabbitMq、RocketMq区别?

特性ActiveMQRabbitMQRocketMQKafka
单机吞吐量万级,比 RocketMQ、Kafka 低一个数量级同 ActiveMQ10 万级,支撑高吞吐10 万级,高吞吐,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 topictopic 从几十到几百个时候,吞吐量会大幅度下降,在同等机器下,Kafka 尽量保证 topic 数量不要过多,如果要支撑大规模的 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,延迟最低ms 级延迟在 ms 级以内
可用性高,基于主从架构实现高可用同 ActiveMQ非常高,分布式架构非常高,分布式,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基本不丢经过参数优化配置,可以做到 0 丢失同 RocketMQ
功能支持MQ 领域的功能极其完备基于 erlang 开发,并发能力很强,性能极好,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

rabbitmq如何保证消息队列的高可用?

rabbitmq是基于主从做高可用的,有三种模式: 单机模式、普通镜像模式、镜像集群模式

单机模式

​ 单机模式就是demo级别的,没人生产环境用单机模式。

普通集群模式

普通集群模式,意思就是在多台机器上启动多个实例。你创建的queue,只会放在一个rabbitmq实例上,但是每个实例都会同步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的所在实例)。你消费的时候,实际上如果连接到另外一台实例,那么那个实例会从queue所在实例上拉取数据过来。

这种模式如果存放 queue 的实例宕机了,会导致接下来其他实例无法从那个实例拉取

rabbitmq普通集群模式
镜像集群模式

这种模式才是所谓的高可用模式。跟普通集群模式不一样的是,在镜像集群模式下,你创建的queue无论是元数据还是消息都会存放于多个实例中。每次写消息到queue的时候,都会把消息自动同步到各个实例中

镜像集群模式

rabbitmq如何保证消息不被重复消费

让每个消息携带一个全局的唯一ID,即可保证消息的幂等性,具体消费过程为:

  1. 消费者获取到消息后先根据id去查询redis/db是否存在该消息。
  2. 如果不存在,则正常消费,消费完毕后写入redis/db。
  3. 如果存在,则证明消息被消费过,直接丢弃。

rabbitmq如何保证消息的可靠性传输

rabbitmq消息丢失应对方案

rabbitmq如何解决消息队列的延时失效、积压

这个问题的场景: 比如你消费端出了问题,不消费了(可能数据库宕机了);或者消费的速度极慢。可能消息队列的磁盘都快满了都没人消费。大量数据mq里积压了几个小时

大量消息在mq里积压了几个小时解决方法:

看堆积的消息是否还要使用,如果不使用直接删除即可,要使用如下

方案1️⃣简单修复

修复consumer的问题,让他恢复消费速度,然后等待几个小时消费完毕。

方案2️⃣复杂修复

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)新建一个topic,partition是原来的10倍,临时建立好原先10倍或者20倍的queue数量
3)然后写一个临时的分发数据的consumer程序,这个程序部署上去消费积压的数据,消费之后不做耗时的处理,直接均匀轮询写入临时建立好的10倍数量的queue
4)接着临时征用10倍的机器来部署consumer,每一批consumer消费一个临时queue的数据
5)这种做法相当于是临时将queue资源和consumer资源扩大10倍,以正常的10倍速度来消费数据
6)等快速消费完积压数据之后,得恢复原先部署架构,重新用原先的consumer机器来消费消息

mq中的消息过期失效了解决方法:

假设你用的是 RabbitMQ是可以设置过期时间的,也就是 TTL。如果消息在 queue 中积压超过一定的时间就会被 RabbitMQ 给清理掉,这个数据就没了。那这就是第二个坑了。这就不是说数据会大量积压在 mq 里,而是大量的数据会直接搞丢

这个情况下,就不是说要增加 consumer 消费积压的消息,因为实际上没啥积压,而是丢了大量的消息。我们可以采取一个方案,就是批量重导,这个我们之前线上也有类似的场景干过。就是大量积压的时候,我们当时就直接丢弃数据了,然后等过了高峰期以后,比如大家一起喝咖啡熬夜到晚上 12 点以后,用户都睡觉了。这个时候我们就开始写程序,将丢失的那批数据,写个临时程序,一点一点的查出来,然后重新灌入 mq 里面去,把白天丢的数据给他补回来。也只能是这样了。

mq快写满了

如果消息积压在 mq 里,你很长时间都没有处理掉,此时导致 mq 都快写满了,咋办?这个还有别的办法吗?没有,谁让你第一个方案执行的太慢了,你临时写程序,接入数据来消费,消费一个丢弃一个,都不要了,快速消费掉所有的消息。然后走第二个方案,到了晚上再补数据吧。

在这里插入图片描述

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值