Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
cai-4
advanced-java
提交
e0b0131f
A
advanced-java
项目概览
cai-4
/
advanced-java
与 Fork 源项目一致
从无法访问的项目Fork
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
A
advanced-java
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
e0b0131f
编写于
10月 08, 2018
作者:
Y
yanglbme
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Add how-to-ensure-the-reliable-transmission-of-messages.md
上级
4847fab9
变更
3
隐藏空白更改
内联
并排
Showing
3 changed file
with
75 addition
and
10 deletion
+75
-10
README.md
README.md
+2
-9
docs/high-concurrency/how-to-ensure-the-reliable-transmission-of-messages.md
...cy/how-to-ensure-the-reliable-transmission-of-messages.md
+72
-0
docs/high-concurrency/why-mq.md
docs/high-concurrency/why-mq.md
+1
-1
未找到文件。
README.md
浏览文件 @
e0b0131f
...
...
@@ -46,7 +46,7 @@
-
[
为什么使用消息队列?消息队列有什么优点和缺点?Kafka、ActiveMQ、RabbitMQ、RocketMQ 都有什么优点和缺点?
](
/docs/high-concurrency/why-mq.md
)
-
[
如何保证消息队列的高可用?
](
/docs/high-concurrency/how-to-ensure-high-availability-of-message-queues.md
)
-
[
如何保证消息不被重复消费?(如何保证消息消费时的幂等性)
](
/docs/high-concurrency/how-to-ensure-that-messages-are-not-repeatedly-consumed.md
)
-
如何保证消息的可靠性传输(如何处理消息丢失的问题)?
-
[
如何保证消息的可靠性传输?(如何处理消息丢失的问题)
](
/docs/high-concurrency/how-to-ensure-the-reliable-transmission-of-messages.md
)
-
如何保证消息的顺序性?
-
如何解决消息队列的延时以及过期失效问题?消息队列满了以后该怎么处理?有几百万消息持续积压几小时,说说怎么解决?
-
如果让你写一个消息队列,该如何进行架构设计啊?说一下你的思路。
...
...
@@ -95,11 +95,4 @@
-
熔断框架都有哪些?具体实现原理知道吗?
### 降级
-
如何进行降级?
-
如何进行降级?
\ No newline at end of file
docs/high-concurrency/how-to-ensure-the-reliable-transmission-of-messages.md
0 → 100644
浏览文件 @
e0b0131f
## 面试题
如何保证消息的可靠性传输?或者说,如何处理消息丢失的问题?
## 面试官心理分析
这个是肯定的,用 MQ 有个基本原则,就是
**数据不能多一条,也不能少一条**
,不能多,就是前面说的
[
重复消费和幂等性问题
](
/docs/high-concurrency/how-to-ensure-that-messages-are-not-repeatedly-consumed.md
)
。不能少,就是说这数据别搞丢了。那这个问题你必须得考虑一下。
如果说你这个是用 MQ 来传递非常核心的消息,比如说计费、扣费的一些消息,那必须确保这个 MQ 传递过程中
**绝对不会把计费消息给弄丢**
。
## 面试题剖析
咱们从 RabbitMQ 和 Kafka 分别来分析一下吧。
### RabbitMQ
#### 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(同步)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。
事务机制和
`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。
#### 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,
**可能导致少量数据丢失**
,但是这个概率较小。
设置持久化有
**两个步骤**
:
-
创建 queue 的时候将其设置为持久化
<br>
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
<br>
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。
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丢失。
#### 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 的自动
`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,再在程序里
`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
#### 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。
这不是跟 RabbitMQ 差不多吗,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
**可能会有重复消费**
,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。
#### 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。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:
-
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,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。
-
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(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。
#### 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。
\ No newline at end of file
docs/high-concurrency/why-mq.md
浏览文件 @
e0b0131f
...
...
@@ -75,7 +75,7 @@
系统引入的外部依赖越多,越容易挂掉。本来你就是 A 系统调用 BCD 三个系统的接口就好了,人 ABCD 四个系统好好的,没啥问题,你偏加个 MQ 进来,万一 MQ 挂了咋整,MQ 一挂,整套系统崩溃的,你不就完了?如何保证消息队列的高可用,可以
[
点击这里查看
](
/docs/high-concurrency/how-to-ensure-high-availability-of-message-queues.md
)
。
-
系统复杂度提高
<br>
硬生生加个 MQ 进来,你怎么
[
保证消息没有重复消费
](
/docs/high-concurrency/how-to-ensure-that-messages-are-not-repeatedly-consumed.md
)
?怎么
处理消息丢失的情况
?怎么保证消息传递的顺序性?头大头大,问题一大堆,痛苦不已。
硬生生加个 MQ 进来,你怎么
[
保证消息没有重复消费
](
/docs/high-concurrency/how-to-ensure-that-messages-are-not-repeatedly-consumed.md
)
?怎么
[
处理消息丢失的情况
](
/docs/high-concurrency/how-to-ensure-the-reliable-transmission-of-messages.md
)
?怎么保证消息传递的顺序性?头大头大,问题一大堆,痛苦不已。
-
一致性问题
<br>
A 系统处理完了直接返回成功了,人都以为你这个请求就成功了;但是问题是,要是 BCD 三个系统那里,BD 两个系统写库成功了,结果 C 系统写库失败了,咋整?你这数据就不一致了。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录