消息队列消息丢失的原因及解决办法 RabbitMQ 和 Kafka

1. MQ一条消息的生产和消费过程

   消息的丢失可能发生在Producer、Broker、Consumer 的任一阶段；

2. RabbitMQ

     2.1 生产者丢失数据原因

       生产者将数据发送到 RabbitMQ 的时候，消息可能因为网络等问题在传入过程中给搞丢了。

     2.1.1 生产者端解决方法

• 开启 RabbitMQ 事务

          使用用 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，类似我们数据库数据库事务机制。

• 开启 confirm 模式

        在生产者端设置开启 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，会回调你的一个 nack 接口，告诉你这个消息接收失败，你可以重试。而且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。

     事务机制和 confirm 机制最大的不同在于：

1. 事务机制是同步的，提交一个事务之后会阻塞在那儿；基本上吞吐量会下来，耗性能。
2. 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，然后消息 被RabbitMQ 接收了之后会异步回调你的一个接口，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，都是采用 confirm 机制的。

  2.2 RabbitMQ 弄丢了数据

如果是 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，可能导致少量数据丢失，但是这个概率较小。

   2.2.1 开启 RabbitMQ 的持久化

    设置持久化有两个步骤：

1. 创建 queue 的时候将其设置为持久化；保证 RabbitMQ 持久化 queue 的元数据，但是它是不会持久化 queue 里的数据的。
2. deliveryMode 设置为 2。即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。

    2.2.2 持久化机制与生产者的 confirm 机制配合

     开启RabbitMQ 的持久化机制，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丢失。所以，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，需要自己重发。

   2.3 消费端丢失了数据

      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，结果消费进程挂了。导致RabbitMQ 认为已经消费了数据。

     2.3.1 关闭 RabbitMQ 的自动 ack

       关闭 RabbitMQ 的自动 ack，可以通过一个 api 来调用就行，确保每次数据处理完后手动 ack。这样的话，如果你还没处理完，不就没有 ack 了？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。

3. Kafka

Kafka快是因为牺牲了消息可靠换取回来的性能，在最早期版本的确没提供消息可靠的策略，经过多个版本迭代后的功能完善，已经不存在这种旧观念。可靠的关键点主要有以下：

3.1 生产者可通过设置ack：

• 0：producer不等待broker的ack，broker一接收到还没有写入磁盘就已经返回，可靠性最低；
• 1：producer等待broker的ack，partition的leader刷盘成功后返回ack，如果在follower同步成功之前leader故障，那么将会丢失数据，可靠性中；
• -1：producer等待broker的ack，partition的leader和follower全部落盘成功后才返回ack，可靠性高,但延迟时间长

实现上需要注意细节; 正确处理返回值或者捕捉异常，就可以保证这个阶段的消息不会丢失。

1.    同步发送时，捕捉异常

try {
    RecordMetadata metadata = producer.send(record).get();
    System.out.println(" 消息发送成功");
} catch (Throwable e) {
    System.out.println(" 消息发送失败");
    System.out.println(e);
}

  2. 异步发送时，则需要在会回调方法里检查 

producer.send(record, (metadata, exception) -> {
    if (metadata != null) {
        System.out.println(" 消息发送成功");
    } else {
        System.out.println(" 消息发送失败");
        System.out.println(exception);
    }
});

 

3.2 消费端丢失数据原因

Kafka 消费端丢失数据同RabbitMq原因一致， 消费端拿到数据后还没处理，消费进程挂了，结果消费者那边自动提交了 offset。导致Kafka 认为已经消费了数据。

   3.2.1 关闭动提交offset

• enable.auto.commit = true，不管执行结果如何，消费者会自动提交offset。
• enable.auto.commit = false，需要用户需要手动提交offset，可以根据执行结果具体处理offset

3.3 Kafka 弄丢了数据

消息在Broker端存储，如果是集群，消息会在这个阶段被复制到其他副本上，一旦Broker出现故障，比如进程挂了或服务器宕机了，就可能会丢失消息。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 partition 的 leader。但是此时其他的 follower 刚好还有一部分数据没有同步，结果此时 leader 挂了，然后选举某个 follower 成 leader 之后，不就丢失了一些数据？

如果对消息的可靠性要求非常高，可以通过配置Broker参数来避免宕机引起的丢消息问题

1. 单个节点：将消息写入磁盘
2. 多个节点：将消息发送到2个以上的节点

     所以此时一般是要求起码设置如下 4 个参数：

• 给 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。
• 在 Kafka 服务端设置 min.insync.replicas 参数：这个值必须大于 1，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 ，可被选举为leader。
• 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。
• 在 producer 端设置 retries=MAX（无限次重试）：这个是要求一旦写入失败，就无限重试。