RabbitMQ消息丢失｜消息重复｜消息积压原因+解决方案

一 MQ优点
1.解耦，系统A在代码中直接调用系统B和系统C的代码，若是未来D系统接入，系统A还须要修改代码，过于麻烦！java

2.异步，将消息写入消息队列，非必要的业务逻辑以异步的方式运行，加快响应速度面试

3.削峰，并发量大的时候，全部的请求直接怼到数据库，形成数据库链接异常redis

二 MQ缺点

1.系统可用性下降。你想啊，原本其余系统只要运行好好的，那你的系统就是正常的。如今你非要加个消息队列进去，那消息队列挂了，你的系统不是呵呵了。所以，系统可用性下降数据库

2.系统复杂性增长。要多考虑不少方面的问题，好比一致性问题、如何保证消息不被重复消费，如何保证保证消息可靠传输。所以，须要考虑的东西更多，系统复杂性增大。架构

三 如何保证消息队列是高可用的

使用集群的方式维持MQ的可高用性。

四 如何保证消息不被重复消费

保证消息不被重复消费的关键是保证消息队列的幂等性，这个问题针对业务场景来答分如下几点：

1.好比，你拿到这个消息作数据库的insert操做。那就容易了，给这个消息作一个惟一主键，那么就算出现重复消费的状况，就会致使主键冲突，避免数据库出现脏数据。

2.再好比，你拿到这个消息作redis的set的操做，那就容易了，不用解决，由于你不管set几回结果都是同样的，set操做原本就算幂等操做。

3.若是上面两种状况还不行，上大招。准备一个第三方介质,来作消费记录。以redis为例，给消息分配一个全局id，只要消费过该消息，将<id,message>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便可。

五 如何解决丢数据的问题

1.生产者丢数据

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，开启事物(channel.txSelect())，而后发送消息，若是发送过程当中出现什么异常，事物就会回滚(channel.txRollback())，若是发送成功则提交事物(channel.txCommit())。
然而缺点就是吞吐量降低了。

生产上用confirm模式的居多。一旦channel进入confirm模式，全部在该信道上面发布的消息都将会被指派一个惟一的ID(从1开始)，一旦消息被投递到全部匹配的队列以后，rabbitMQ就会发送一个Ack给生产者(包含消息的惟一ID)，这就使得生产者知道消息已经正确到达目的队列了.若是rabiitMQ没能处理该消息，则会发送一个Nack消息给你，你能够进行重试操做。

2.消息队列丢数据

处理消息队列丢数据的状况，通常是开启持久化磁盘的配置。这个持久化配置能够和confirm机制配合使用，你能够在消息持久化磁盘后，再给生产者发送一个Ack信号。这样，若是消息持久化磁盘以前，rabbitMQ阵亡了，那么生产者收不到Ack信号，生产者会自动重发。

持久化步骤：

①、将queue的持久化标识durable设置为true,则表明是一个持久的队列

②、发送消息的时候将deliveryMode=2

这样设置之后，rabbitMQ就算挂了，重启后也能恢复数据。在消息尚未持久化到硬盘时，可能服务已经死掉，这种状况能够经过引入mirrored-queue即镜像队列，但也不能保证消息百分百不丢失（整个集群都挂掉）

3.消费者丢数据

启用手动确认模式能够解决这个问题，在finally里ack。

手动确认模式，若是消费者来不及处理就死掉时，没有响应ack时会重复发送一条信息给其余消费者；若是监听程序处理异常了，且未对异常进行捕获，会一直重复接收消息，而后一直抛异常；若是对异常进行了捕获，可是没有在finally里ack，也会一直重复发送消息(重试机制)。

六 消息积压
1、出现原因
消息积压出现的场景一般有两种：

1）、消费方的服务挂掉，导致一直无法消费消息；

2）、消费方的服务节点太少，导致消费能力不足，从而出现积压，这种情况极可能就是生产方的流量过大导致。

2、解决方案
1）、既然消费能力不足，那就扩展更多消费节点，提升消费能力；

2）、建立专门的队列消费服务，将消息批量取出并持久化，之后再慢慢消费。

七 如何保证消息的顺序性

将须要保持前后顺序的消息放到同一个消息队列中。而后只用一个消费者去消费该队列。

参考文章：
RabbitMQ消息丢失｜消息重复｜消息积压原因+解决方案
RabbitMQ如何解决被重复消费和数据丢失的问题？