99爱视频免费在线观看,内射黄色大片,久久久久国产豆花视频,免费欧美小黄片,色播影院怡红院,韩国免费一级a一片在线播放,乱操视频,色综合999

來自：blog.csdn.net/qq_29676623/article/details/85108070

為什么使用消息隊列？消息隊列的優(yōu)點和缺點？kafka、activemq、rabbitmq、rocketmq都有什么優(yōu)缺點？

面試官角度分析：

（1）你知不知道你們系統(tǒng)里為什么要用消息隊列這個東西？

（2）既然用了消息隊列這個東西，你知不知道用了有什么好處？

（3）既然你用了MQ，那么當時為什么選用這一款MQ？

1. 為什么使用消息隊列？

面試官問這個問題的期望之一的回答是，你們公司有什么業(yè)務(wù)場景，這個業(yè)務(wù)場景有什么技術(shù)挑戰(zhàn)，如果不用MQ可能會很麻煩，但是再用了之后帶來了很多好處。

消息隊列的常見使用場景有很多但是核心的有三個：解耦、異步、削峰

解耦

場景描述：A系統(tǒng)發(fā)送個數(shù)據(jù)到BCD三個系統(tǒng)，接口調(diào)用發(fā)送，那如果E系統(tǒng)也要這個數(shù)據(jù)呢？那如果C系統(tǒng)現(xiàn)在不需要了呢？現(xiàn)在A系統(tǒng)又要發(fā)送第二種數(shù)據(jù)了呢？A系統(tǒng)負責人崩潰中...再來點崩潰的事兒，A系統(tǒng)要時時刻刻考慮BCDE四個系統(tǒng)如果掛了怎么辦？那我要不要重發(fā)？我要不要把消息存起來？頭發(fā)都白了啊...

使用了MQ之后的解耦場景

面試技巧：你需要考慮下，你負責的系統(tǒng)中是否有類似的場景，就是一個系統(tǒng)或者一個模塊，調(diào)用了多個系統(tǒng)或者模塊，相互之間的調(diào)用很復雜，維護起來很麻煩。但是其實這個調(diào)用是不需要直接同步調(diào)用接口的，如果MQ給他異步化解耦也是可以的，你就需要去考慮在你的項目里是不是可以運用這個MQ去進行系統(tǒng)解耦。

異步

場景描述：系統(tǒng)A接受一個請求，需要在自己本地寫庫，還需要在系統(tǒng)BCD三個系統(tǒng)寫庫，自己本地寫庫需要3ms。BCD分別需要300ms、450ms、200ms。最終總好時長：953ms，接近1s。給用戶的體驗感覺一點也不好。

不用MQ的同步高延時請求場景

使用MQ異步化之后的接口性能優(yōu)化

削峰

場景描述：每天 0 點到 11 點，系統(tǒng)A風平浪靜，每秒并發(fā)請求數(shù)量就 100 個。結(jié)果每一一到11點到1點，每秒并發(fā)請求數(shù)量就會暴增大1萬條。但是系統(tǒng)最大的處理能力就只能每秒鐘處理1000個請求。

沒有用MQ的時候高峰期系統(tǒng)被打死的場景

使用MQ來進行削峰的場景

2. 消息隊列的有點和缺點？

優(yōu)點：特殊場景下解耦、異步、削峰。

缺點：

系統(tǒng)可用性降低：系統(tǒng)引入的外部依賴越多，越容易掛掉，本來你就是A系統(tǒng)調(diào)用BCD三個系統(tǒng)的接口就好了，人ABCD四個系統(tǒng)好好的沒什么問題，你偏加個MQ進來，萬一MQ掛了怎么辦，整套系統(tǒng)崩潰了，就完蛋了

系統(tǒng)復雜性提高：硬生生加個MQ進來，你怎么保證消息沒有重復消費？怎么處理消息丟失的情況？怎么保證消息傳遞的順序性？

一致性問題：系統(tǒng)A處理完了直接返回成功了，人家都認為你這個請求成功了；但問題是，要是BCD三個系統(tǒng)哪里BD系統(tǒng)成功了，結(jié)果C系統(tǒng)寫庫失敗了，咋整？數(shù)據(jù)就不一致了，

所以消息隊列是一種非常復雜的架構(gòu)，引入它有很多好處，但是也得針對他帶來的壞處做各種額外的技術(shù)方案和架構(gòu)來規(guī)避掉。做好之后你會發(fā)現(xiàn)系統(tǒng)復雜度提升了一個數(shù)量積，但是關(guān)鍵時刻，用，還是要用的。

3. kafka、activemq、rabbitmq、rocketmq都有什么優(yōu)缺點？

特性	ActiveMQ	RabbitMQ	RocketMQ	Kafka
單機吞吐量	萬級，吞吐量比RocketMQ和Kafka要低了一個數(shù)量級	萬級，吞吐量比RocketMQ和Kafka要低了一個數(shù)量級	10萬級，RocketMQ也是可以支撐高吞吐的一種MQ	10萬級別，這是kafka最大的優(yōu)點，就是吞吐量高。一般配合大數(shù)據(jù)類的系統(tǒng)來進行實時數(shù)據(jù)計算、日志采集等場景
topic數(shù)量對吞吐量的影響			topic可以達到幾百，幾千個的級別，吞吐量會有較小幅度的下降這是RocketMQ的一大優(yōu)勢，在同等機器下，可以支撐大量的topic	topic從幾十個到幾百個的時候，吞吐量會大幅度下降所以在同等機器下，kafka盡量保證topic數(shù)量不要過多。如果要支撐大規(guī)模topic，需要增加更多的機器資源
時效性	ms級	微秒級，這是rabbitmq的一大特點，延遲是最低的	ms級	延遲在ms級以內(nèi)
可用性	高，基于主從架構(gòu)實現(xiàn)高可用性	高，基于主從架構(gòu)實現(xiàn)高可用性	非常高，分布式架構(gòu)	非常高，kafka是分布式的，一個數(shù)據(jù)多個副本，少數(shù)機器宕機，不會丟失數(shù)據(jù)，不會導致不可用
消息可靠性	有較低的概率丟失數(shù)據(jù)		經(jīng)過參數(shù)優(yōu)化配置，可以做到0丟失	經(jīng)過參數(shù)優(yōu)化配置，消息可以做到0丟失
功能支持	MQ領(lǐng)域的功能極其完備	基于erlang開發(fā)，所以并發(fā)能力很強，性能極其好，延時很低	MQ功能較為完善，還是分布式的，擴展性好	功能較為簡單，主要支持簡單的MQ功能，在大數(shù)據(jù)領(lǐng)域的實時計算以及日志采集被大規(guī)模使用，是事實上的標準
優(yōu)劣勢總結(jié)	非常成熟，功能強大，在業(yè)內(nèi)大量的公司以及項目中都有應(yīng)用偶爾會有較低概率丟失消息而且現(xiàn)在社區(qū)以及國內(nèi)應(yīng)用都越來越少，官方社區(qū)現(xiàn)在對ActiveMQ 5.x維護越來越少，幾個月才發(fā)布一個版本而且確實主要是基于解耦和異步來用的，較少在大規(guī)模吞吐的場景中使用	erlang語言開發(fā)，性能極其好，延時很低；吞吐量到萬級，MQ功能比較完備而且開源提供的管理界面非常棒，用起來很好用社區(qū)相對比較活躍，幾乎每個月都發(fā)布幾個版本分在國內(nèi)一些互聯(lián)網(wǎng)公司近幾年用rabbitmq也比較多一些但是問題也是顯而易見的，RabbitMQ確實吞吐量會低一些，這是因為他做的實現(xiàn)機制比較重。而且erlang開發(fā)，國內(nèi)有幾個公司有實力做erlang源碼級別的研究和定制？如果說你沒這個實力的話，確實偶爾會有一些問題，你很難去看懂源碼，你公司對這個東西的掌控很弱，基本職能依賴于開源社區(qū)的快速維護和修復bug。而且rabbitmq集群動態(tài)擴展會很麻煩，不過這個我覺得還好。其實主要是erlang語言本身帶來的問題。很難讀源碼，很難定制和掌控。	接口簡單易用，而且畢竟在阿里大規(guī)模應(yīng)用過，有阿里品牌保障日處理消息上百億之多，可以做到大規(guī)模吞吐，性能也非常好，分布式擴展也很方便，社區(qū)維護還可以，可靠性和可用性都是ok的，還可以支撐大規(guī)模的topic數(shù)量，支持復雜MQ業(yè)務(wù)場景而且一個很大的優(yōu)勢在于，阿里出品都是java系的，我們可以自己閱讀源碼，定制自己公司的MQ，可以掌控社區(qū)活躍度相對較為一般，不過也還可以，文檔相對來說簡單一些，然后接口這塊不是按照標準JMS規(guī)范走的有些系統(tǒng)要遷移需要修改大量代碼還有就是阿里出臺的技術(shù)，你得做好這個技術(shù)萬一被拋棄，社區(qū)黃掉的風險，那如果你們公司有技術(shù)實力我覺得用RocketMQ挺好的	kafka的特點其實很明顯，就是僅僅提供較少的核心功能，但是提供超高的吞吐量，ms級的延遲，極高的可用性以及可靠性，而且分布式可以任意擴展同時kafka最好是支撐較少的topic數(shù)量即可，保證其超高吞吐量而且kafka唯一的一點劣勢是有可能消息重復消費，那么對數(shù)據(jù)準確性會造成極其輕微的影響，在大數(shù)據(jù)領(lǐng)域中以及日志采集中，這點輕微影響可以忽略這個特性天然適合大數(shù)據(jù)實時計算以及日志收集

1. 引入消息隊列之后如何保證其高可用性?

（1）RabbitMQ的高可用性

RabbitMQ是比較有代表性的，因為是基于主從做高可用性的，我們就以他為例子講解第一種MQ的高可用性怎么實現(xiàn)。

rabbitmq有三種模式：單機模式，普通集群模式，鏡像集群模式

（1.1）單機模式

就是demo級別的，一般就是你本地啟動了玩玩兒的，沒人生產(chǎn)用單機模式

（1.2）普通集群模式

意思就是在多臺機器上啟動多個rabbitmq實例，每個機器啟動一個。但是你創(chuàng)建的queue，只會放在一個rabbtimq實例上，但是每個實例都同步queue的元數(shù)據(jù)。完了你消費的時候，實際上如果連接到了另外一個實例，那么那個實例會從queue所在實例上拉取數(shù)據(jù)過來。

這種方式確實很麻煩，也不怎么好，沒做到所謂的分布式，就是個普通集群。因為這導致你要么消費者每次隨機連接一個實例然后拉取數(shù)據(jù)，要么固定連接那個queue所在實例消費數(shù)據(jù)，前者有數(shù)據(jù)拉取的開銷，后者導致單實例性能瓶頸。

而且如果那個放queue的實例宕機了，會導致接下來其他實例就無法從那個實例拉取，如果你開啟了消息持久化，讓rabbitmq落地存儲消息的話，消息不一定會丟，得等這個實例恢復了，然后才可以繼續(xù)從這個queue拉取數(shù)據(jù)。

所以這個事兒就比較尷尬了，這就沒有什么所謂的高可用性可言了，這方案主要是提高吞吐量的，就是說讓集群中多個節(jié)點來服務(wù)某個queue的讀寫操作。

（1.3）鏡像集群模式

這種模式，才是所謂的rabbitmq的高可用模式，跟普通集群模式不一樣的是，你創(chuàng)建的queue，無論元數(shù)據(jù)還是queue里的消息都會存在于多個實例上，然后每次你寫消息到queue的時候，都會自動把消息到多個實例的queue里進行消息同步。

這樣的話，好處在于，你任何一個機器宕機了，沒事兒，別的機器都可以用。壞處在于，第一，這個性能開銷也太大了吧，消息同步所有機器，導致網(wǎng)絡(luò)帶寬壓力和消耗很重！第二，這么玩兒，就沒有擴展性可言了，如果某個queue負載很重，你加機器，新增的機器也包含了這個queue的所有數(shù)據(jù)，并沒有辦法線性擴展你的queue

那么怎么開啟這個鏡像集群模式呢？我這里簡單說一下，避免面試人家問你你不知道，其實很簡單rabbitmq有很好的管理控制臺，就是在后臺新增一個策略，這個策略是鏡像集群模式的策略，指定的時候可以要求數(shù)據(jù)同步到所有節(jié)點的，也可以要求就同步到指定數(shù)量的節(jié)點，然后你再次創(chuàng)建queue的時候，應(yīng)用這個策略，就會自動將數(shù)據(jù)同步到其他的節(jié)點上去了。

（2）kafka的高可用性

kafka一個最基本的架構(gòu)認識：多個broker組成，每個broker是一個節(jié)點；你創(chuàng)建一個topic，這個topic可以劃分為多個partition，每個partition可以存在于不同的broker上，每個partition就放一部分數(shù)據(jù)。

這就是天然的分布式消息隊列，就是說一個topic的數(shù)據(jù)，是分散放在多個機器上的，每個機器就放一部分數(shù)據(jù)。

實際上rabbitmq之類的，并不是分布式消息隊列，他就是傳統(tǒng)的消息隊列，只不過提供了一些集群、HA的機制而已，因為無論怎么玩兒，rabbitmq一個queue的數(shù)據(jù)都是放在一個節(jié)點里的，鏡像集群下，也是每個節(jié)點都放這個queue的完整數(shù)據(jù)。

kafka 0.8以前，是沒有HA機制的，就是任何一個broker宕機了，那個broker上的partition就廢了，沒法寫也沒法讀，沒有什么高可用性可言。

kafka 0.8以后，提供了HA機制，就是replica副本機制。每個partition的數(shù)據(jù)都會同步到吉他機器上，形成自己的多個replica副本。然后所有replica會選舉一個leader出來，那么生產(chǎn)和消費都跟這個leader打交道，然后其他replica就是follower。寫的時候，leader會負責把數(shù)據(jù)同步到所有follower上去，讀的時候就直接讀leader上數(shù)據(jù)即可。只能讀寫leader？很簡單，要是你可以隨意讀寫每個follower，那么就要care數(shù)據(jù)一致性的問題，系統(tǒng)復雜度太高，很容易出問題。kafka會均勻的將一個partition的所有replica分布在不同的機器上，這樣才可以提高容錯性。

這么搞，就有所謂的高可用性了，因為如果某個broker宕機了，沒事兒，那個broker上面的partition在其他機器上都有副本的，如果這上面有某個partition的leader，那么此時會重新選舉一個新的leader出來，大家繼續(xù)讀寫那個新的leader即可。這就有所謂的高可用性了。

寫數(shù)據(jù)的時候，生產(chǎn)者就寫leader，然后leader將數(shù)據(jù)落地寫本地磁盤，接著其他follower自己主動從leader來pull數(shù)據(jù)。一旦所有follower同步好數(shù)據(jù)了，就會發(fā)送ack給leader，leader收到所有follower的ack之后，就會返回寫成功的消息給生產(chǎn)者。（當然，這只是其中一種模式，還可以適當調(diào)整這個行為）

消費的時候，只會從leader去讀，但是只有一個消息已經(jīng)被所有follower都同步成功返回ack的時候，這個消息才會被消費者讀到。

實際上這塊機制，講深了，是可以非常之深入的，但是我還是回到我們這個課程的主題和定位，聚焦面試，至少你聽到這里大致明白了kafka是如何保證高可用機制的了，對吧？不至于一無所知，現(xiàn)場還能給面試官畫畫圖。要遇上面試官確實是kafka高手，深挖了問，那你只能說不好意思，太深入的你沒研究過。

但是大家一定要明白，這個事情是要權(quán)衡的，你現(xiàn)在是要快速突擊常見面試題體系，而不是要深入學習kafka，要深入學習kafka，你是沒那么多時間的。你只能確保，你之前也許壓根兒不知道這塊，但是現(xiàn)在你知道了，面試被問到，你大概可以說一說。然后很多其他的候選人，也許還不如你，沒看過這個，被問到了壓根兒答不出來，相比之下，你還能說點出來，大概就是這個意思了。

2. 如何保證消息不被重復消費（如何保證消息消費時的冪等性）？

其實這個很常見的一個問題，這倆問題基本可以連起來問。既然是消費消息，那肯定要考慮考慮會不會重復消費？能不能避免重復消費？或者重復消費了也別造成系統(tǒng)異?？梢詥?？這個是MQ領(lǐng)域的基本問題，其實本質(zhì)上還是問你使用消息隊列如何保證冪等性，這個是你架構(gòu)里要考慮的一個問題。

首先就是比如rabbitmq、rocketmq、kafka，都有可能會出現(xiàn)消費重復消費的問題，正常。因為這問題通常不是mq自己保證的，是給你保證的。然后我們挑一個kafka來舉個例子，說說怎么重復消費吧。

kafka實際上有個offset的概念，就是每個消息寫進去，都有一個offset，代表他的序號，然后consumer消費了數(shù)據(jù)之后，每隔一段時間，會把自己消費過的消息的offset提交一下，代表我已經(jīng)消費過了，下次我要是重啟啥的，你就讓我繼續(xù)從上次消費到的offset來繼續(xù)消費吧。

但是凡事總有意外，比如我們之前生產(chǎn)經(jīng)常遇到的，就是你有時候重啟系統(tǒng)，看你怎么重啟了，如果碰到點著急的，直接kill進程了，再重啟。這會導致consumer有些消息處理了，但是沒來得及提交offset，尷尬了。重啟之后，少數(shù)消息會再次消費一次。

其實重復消費不可怕，可怕的是你沒考慮到重復消費之后，怎么保證冪等性。

給你舉個例子吧。假設(shè)你有個系統(tǒng)，消費一條往數(shù)據(jù)庫里插入一條，要是你一個消息重復兩次，你不就插入了兩條，這數(shù)據(jù)不就錯了？但是你要是消費到第二次的時候，自己判斷一下已經(jīng)消費過了，直接扔了，不就保留了一條數(shù)據(jù)？

一條數(shù)據(jù)重復出現(xiàn)兩次，數(shù)據(jù)庫里就只有一條數(shù)據(jù)，這就保證了系統(tǒng)的冪等性

冪等性，我通俗點說，就一個數(shù)據(jù)，或者一個請求，給你重復來多次，你得確保對應(yīng)的數(shù)據(jù)是不會改變的，不能出錯。

那所以第二個問題來了，怎么保證消息隊列消費的冪等性？

其實還是得結(jié)合業(yè)務(wù)來思考，我這里給幾個思路：

（1）比如你拿個數(shù)據(jù)要寫庫，你先根據(jù)主鍵查一下，如果這數(shù)據(jù)都有了，你就別插入了，update一下好吧

（2）比如你是寫redis，那沒問題了，反正每次都是set，天然冪等性

（3）比如你不是上面兩個場景，那做的稍微復雜一點，你需要讓生產(chǎn)者發(fā)送每條數(shù)據(jù)的時候，里面加一個全局唯一的id，類似訂單id之類的東西，然后你這里消費到了之后，先根據(jù)這個id去比如redis里查一下，之前消費過嗎？如果沒有消費過，你就處理，然后這個id寫redis。如果消費過了，那你就別處理了，保證別重復處理相同的消息即可。

還有比如基于數(shù)據(jù)庫的唯一鍵來保證重復數(shù)據(jù)不會重復插入多條，我們之前線上系統(tǒng)就有這個問題，就是拿到數(shù)據(jù)的時候，每次重啟可能會有重復，因為kafka消費者還沒來得及提交offset，重復數(shù)據(jù)拿到了以后我們插入的時候，因為有唯一鍵約束了，所以重復數(shù)據(jù)只會插入報錯，不會導致數(shù)據(jù)庫中出現(xiàn)臟數(shù)據(jù)

如何保證MQ的消費是冪等性的，需要結(jié)合具體的業(yè)務(wù)來看

如何保證消息的冪等性

3. 如何保證消息的可靠傳輸（如何處理消息丟失的問題）？

這個是肯定的，用mq有個基本原則，就是數(shù)據(jù)不能多一條，也不能少一條，不能多，就是剛才說的重復消費和冪等性問題。不能少，就是說這數(shù)據(jù)別搞丟了。那這個問題你必須得考慮一下。

如果說你這個是用mq來傳遞非常核心的消息，比如說計費，扣費的一些消息，因為我以前設(shè)計和研發(fā)過一個公司非常核心的廣告平臺，計費系統(tǒng)，計費系統(tǒng)是很重的一個業(yè)務(wù)，操作是很耗時的。所以說廣告系統(tǒng)整體的架構(gòu)里面，實際上是將計費做成異步化的，然后中間就是加了一個MQ。

我們當時為了確保說這個MQ傳遞過程中絕對不會把計費消息給弄丟，花了很多的精力。廣告主投放了一個廣告，明明說好了，用戶點擊一次扣費1塊錢。結(jié)果要是用戶動不動點擊了一次，扣費的時候搞的消息丟了，我們公司就會不斷的少幾塊錢，幾塊錢，積少成多，這個就對公司是一個很大的損失。

面試題剖析

這個丟數(shù)據(jù)，mq一般分為兩種，要么是mq自己弄丟了，要么是我們消費的時候弄丟了。咱們從rabbitmq和kafka分別來分析一下

rabbitmq這種mq，一般來說都是承載公司的核心業(yè)務(wù)的，數(shù)據(jù)是絕對不能弄丟的

RabbitMQ可能存在的數(shù)據(jù)丟失問題

（1）rabbitmq

1）生產(chǎn)者弄丟了數(shù)據(jù)

生產(chǎn)者將數(shù)據(jù)發(fā)送到rabbitmq的時候，可能數(shù)據(jù)就在半路給搞丟了，因為網(wǎng)絡(luò)啥的問題，都有可能。

此時可以選擇用rabbitmq提供的事務(wù)功能，就是生產(chǎn)者發(fā)送數(shù)據(jù)之前開啟rabbitmq事務(wù)（channel.txSelect），然后發(fā)送消息，如果消息沒有成功被rabbitmq接收到，那么生產(chǎn)者會收到異常報錯，此時就可以回滾事務(wù)（channel.txRollback），然后重試發(fā)送消息；如果收到了消息，那么可以提交事務(wù)（channel.txCommit）。但是問題是，rabbitmq事務(wù)機制一搞，基本上吞吐量會下來，因為太耗性能。

所以一般來說，如果你要確保說寫rabbitmq的消息別丟，可以開啟confirm模式，在生產(chǎn)者那里設(shè)置開啟confirm模式之后，你每次寫的消息都會分配一個唯一的id，然后如果寫入了rabbitmq中，rabbitmq會給你回傳一個ack消息，告訴你說這個消息ok了。如果rabbitmq沒能處理這個消息，會回調(diào)你一個nack接口，告訴你這個消息接收失敗，你可以重試。而且你可以結(jié)合這個機制自己在內(nèi)存里維護每個消息id的狀態(tài)，如果超過一定時間還沒接收到這個消息的回調(diào)，那么你可以重發(fā)。

事務(wù)機制和cnofirm機制最大的不同在于，事務(wù)機制是同步的，你提交一個事務(wù)之后會阻塞在那兒，但是confirm機制是異步的，你發(fā)送個消息之后就可以發(fā)送下一個消息，然后那個消息rabbitmq接收了之后會異步回調(diào)你一個接口通知你這個消息接收到了。

所以一般在生產(chǎn)者這塊避免數(shù)據(jù)丟失，都是用confirm機制的。

2）rabbitmq弄丟了數(shù)據(jù)

就是rabbitmq自己弄丟了數(shù)據(jù)，這個你必須開啟rabbitmq的持久化，就是消息寫入之后會持久化到磁盤，哪怕是rabbitmq自己掛了，恢復之后會自動讀取之前存儲的數(shù)據(jù)，一般數(shù)據(jù)不會丟。除非極其罕見的是，rabbitmq還沒持久化，自己就掛了，可能導致少量數(shù)據(jù)會丟失的，但是這個概率較小。

設(shè)置持久化有兩個步驟，第一個是創(chuàng)建queue的時候?qū)⑵湓O(shè)置為持久化的，這樣就可以保證rabbitmq持久化queue的元數(shù)據(jù)，但是不會持久化queue里的數(shù)據(jù)；第二個是發(fā)送消息的時候?qū)⑾⒌膁eliveryMode設(shè)置為2，就是將消息設(shè)置為持久化的，此時rabbitmq就會將消息持久化到磁盤上去。必須要同時設(shè)置這兩個持久化才行，rabbitmq哪怕是掛了，再次重啟，也會從磁盤上重啟恢復queue，恢復這個queue里的數(shù)據(jù)。

而且持久化可以跟生產(chǎn)者那邊的confirm機制配合起來，只有消息被持久化到磁盤之后，才會通知生產(chǎn)者ack了，所以哪怕是在持久化到磁盤之前，rabbitmq掛了，數(shù)據(jù)丟了，生產(chǎn)者收不到ack，你也是可以自己重發(fā)的。

哪怕是你給rabbitmq開啟了持久化機制，也有一種可能，就是這個消息寫到了rabbitmq中，但是還沒來得及持久化到磁盤上，結(jié)果不巧，此時rabbitmq掛了，就會導致內(nèi)存里的一點點數(shù)據(jù)會丟失。

3）消費端弄丟了數(shù)據(jù)

rabbitmq如果丟失了數(shù)據(jù)，主要是因為你消費的時候，剛消費到，還沒處理，結(jié)果進程掛了，比如重啟了，那么就尷尬了，rabbitmq認為你都消費了，這數(shù)據(jù)就丟了。

這個時候得用rabbitmq提供的ack機制，簡單來說，就是你關(guān)閉rabbitmq自動ack，可以通過一個api來調(diào)用就行，然后每次你自己代碼里確保處理完的時候，再程序里ack一把。這樣的話，如果你還沒處理完，不就沒有ack？那rabbitmq就認為你還沒處理完，這個時候rabbitmq會把這個消費分配給別的consumer去處理，消息是不會丟的。

（2）kafka

1）消費端弄丟了數(shù)據(jù)

唯一可能導致消費者弄丟數(shù)據(jù)的情況，就是說，你那個消費到了這個消息，然后消費者那邊自動提交了offset，讓kafka以為你已經(jīng)消費好了這個消息，其實你剛準備處理這個消息，你還沒處理，你自己就掛了，此時這條消息就丟咯。

這不是一樣么，大家都知道kafka會自動提交offset，那么只要關(guān)閉自動提交offset，在處理完之后自己手動提交offset，就可以保證數(shù)據(jù)不會丟。但是此時確實還是會重復消費，比如你剛處理完，還沒提交offset，結(jié)果自己掛了，此時肯定會重復消費一次，自己保證冪等性就好了。

生產(chǎn)環(huán)境碰到的一個問題，就是說我們的kafka消費者消費到了數(shù)據(jù)之后是寫到一個內(nèi)存的queue里先緩沖一下，結(jié)果有的時候，你剛把消息寫入內(nèi)存queue，然后消費者會自動提交offset。

然后此時我們重啟了系統(tǒng)，就會導致內(nèi)存queue里還沒來得及處理的數(shù)據(jù)就丟失了

2）kafka弄丟了數(shù)據(jù)

這塊比較常見的一個場景，就是kafka某個broker宕機，然后重新選舉partiton的leader時。大家想想，要是此時其他的follower剛好還有些數(shù)據(jù)沒有同步，結(jié)果此時leader掛了，然后選舉某個follower成leader之后，他不就少了一些數(shù)據(jù)？這就丟了一些數(shù)據(jù)啊。

生產(chǎn)環(huán)境也遇到過，我們也是，之前kafka的leader機器宕機了，將follower切換為leader之后，就會發(fā)現(xiàn)說這個數(shù)據(jù)就丟了

所以此時一般是要求起碼設(shè)置如下4個參數(shù)：

給這個topic設(shè)置replication.factor參數(shù)：這個值必須大于1，要求每個partition必須有至少2個副本
在kafka服務(wù)端設(shè)置min.insync.replicas參數(shù)：這個值必須大于1，這個是要求一個leader至少感知到有至少一個follower還跟自己保持聯(lián)系，沒掉隊，這樣才能確保leader掛了還有一個follower吧
在producer端設(shè)置acks=all：這個是要求每條數(shù)據(jù)，必須是寫入所有replica之后，才能認為是寫成功了
在producer端設(shè)置retries=MAX（很大很大很大的一個值，無限次重試的意思）：這個是要求一旦寫入失敗，就無限重試，卡在這里了

我們生產(chǎn)環(huán)境就是按照上述要求配置的，這樣配置之后，至少在kafka broker端就可以保證在leader所在broker發(fā)生故障，進行l(wèi)eader切換時，數(shù)據(jù)不會丟失

3）生產(chǎn)者會不會弄丟數(shù)據(jù)

如果按照上述的思路設(shè)置了ack=all，一定不會丟，要求是，你的leader接收到消息，所有的follower都同步到了消息之后，才認為本次寫成功了。如果沒滿足這個條件，生產(chǎn)者會自動不斷的重試，重試無限次。

1. 如何保證消息的順序性？

其實這個也是用MQ的時候必問的話題，第一看看你了解不了解順序這個事兒？第二看看你有沒有辦法保證消息是有順序的？這個生產(chǎn)系統(tǒng)中常見的問題。

我舉個例子，我們以前做過一個mysql binlog同步的系統(tǒng)，壓力還是非常大的，日同步數(shù)據(jù)要達到上億。mysql -> mysql，常見的一點在于說大數(shù)據(jù)team，就需要同步一個mysql庫過來，對公司的業(yè)務(wù)系統(tǒng)的數(shù)據(jù)做各種復雜的操作。

你在mysql里增刪改一條數(shù)據(jù)，對應(yīng)出來了增刪改3條binlog，接著這三條binlog發(fā)送到MQ里面，到消費出來依次執(zhí)行，起碼得保證人家是按照順序來的吧？不然本來是：增加、修改、刪除；你楞是換了順序給執(zhí)行成刪除、修改、增加，不全錯了么。

本來這個數(shù)據(jù)同步過來，應(yīng)該最后這個數(shù)據(jù)被刪除了；結(jié)果你搞錯了這個順序，最后這個數(shù)據(jù)保留下來了，數(shù)據(jù)同步就出錯了。

先看看順序會錯亂的倆場景

（1）rabbitmq：一個queue，多個consumer，這不明顯亂了

（2）kafka：一個topic，一個partition，一個consumer，內(nèi)部多線程，這不也明顯亂了

那如何保證消息的順序性呢？簡單簡單

（1）rabbitmq：拆分多個queue，每個queue一個consumer，就是多一些queue而已，確實是麻煩點；

或者就一個queue但是對應(yīng)一個consumer，然后這個consumer內(nèi)部用內(nèi)存隊列做排隊，然后分發(fā)給底層不同的worker來處理

（2）kafka：一個topic，一個partition，一個consumer，內(nèi)部單線程消費，寫N個內(nèi)存queue，然后N個線程分別消費一個內(nèi)存queue即可

如何解決消息隊列的延時以及過期失效問題？消息隊列滿了以后該怎么處理？有幾百萬消息持續(xù)積壓幾小時，說說怎么解決？

你看這問法，其實本質(zhì)針對的場景，都是說，可能你的消費端出了問題，不消費了，或者消費的極其極其慢。接著就坑爹了，可能你的消息隊列集群的磁盤都快寫滿了，都沒人消費，這個時候怎么辦？或者是整個這就積壓了幾個小時，你這個時候怎么辦？或者是你積壓的時間太長了，導致比如rabbitmq設(shè)置了消息過期時間后就沒了怎么辦？

所以就這事兒，其實線上挺常見的，一般不出，一出就是大case，一般常見于，舉個例子，消費端每次消費之后要寫mysql，結(jié)果mysql掛了，消費端hang那兒了，不動了?；蛘呤窍M端出了個什么叉子，導致消費速度極其慢。

關(guān)于這個事兒，我們一個一個來梳理吧，先假設(shè)一個場景，我們現(xiàn)在消費端出故障了，然后大量消息在mq里積壓，現(xiàn)在事故了，慌了

（1）大量消息在mq里積壓了幾個小時了還沒解決

幾千萬條數(shù)據(jù)在MQ里積壓了七八個小時，從下午4點多，積壓到了晚上很晚，10點多，11點多

這個是我們真實遇到過的一個場景，確實是線上故障了，這個時候要不然就是修復consumer的問題，讓他恢復消費速度，然后傻傻的等待幾個小時消費完畢。這個肯定不能在面試的時候說吧。

一個消費者一秒是1000條，一秒3個消費者是3000條，一分鐘是18萬條，1000多萬條

所以如果你積壓了幾百萬到上千萬的數(shù)據(jù)，即使消費者恢復了，也需要大概1小時的時間才能恢復過來

一般這個時候，只能操作臨時緊急擴容了，具體操作步驟和思路如下：

1）先修復consumer的問題，確保其恢復消費速度，然后將現(xiàn)有cnosumer都停掉

2）新建一個topic，partition是原來的10倍，臨時建立好原先10倍或者20倍的queue數(shù)量

3）然后寫一個臨時的分發(fā)數(shù)據(jù)的consumer程序，這個程序部署上去消費積壓的數(shù)據(jù)，消費之后不做耗時的處理，直接均勻輪詢寫入臨時建立好的10倍數(shù)量的queue

4）接著臨時征用10倍的機器來部署consumer，每一批consumer消費一個臨時queue的數(shù)據(jù)

5）這種做法相當于是臨時將queue資源和consumer資源擴大10倍，以正常的10倍速度來消費數(shù)據(jù)

6）等快速消費完積壓數(shù)據(jù)之后，得恢復原先部署架構(gòu)，重新用原先的consumer機器來消費消息

（2）這里我們假設(shè)再來第二個坑

假設(shè)你用的是rabbitmq，rabbitmq是可以設(shè)置過期時間的，就是TTL，如果消息在queue中積壓超過一定的時間就會被rabbitmq給清理掉，這個數(shù)據(jù)就沒了。那這就是第二個坑了。這就不是說數(shù)據(jù)會大量積壓在mq里，而是大量的數(shù)據(jù)會直接搞丟。

這個情況下，就不是說要增加consumer消費積壓的消息，因為實際上沒啥積壓，而是丟了大量的消息。我們可以采取一個方案，就是批量重導，這個我們之前線上也有類似的場景干過。就是大量積壓的時候，我們當時就直接丟棄數(shù)據(jù)了，然后等過了高峰期以后，比如大家一起喝咖啡熬夜到晚上12點以后，用戶都睡覺了。

這個時候我們就開始寫程序，將丟失的那批數(shù)據(jù)，寫個臨時程序，一點一點的查出來，然后重新灌入mq里面去，把白天丟的數(shù)據(jù)給他補回來。也只能是這樣了。

假設(shè)1萬個訂單積壓在mq里面，沒有處理，其中1000個訂單都丟了，你只能手動寫程序把那1000個訂單給查出來，手動發(fā)到mq里去再補一次

（3）然后我們再來假設(shè)第三個坑

如果走的方式是消息積壓在mq里，那么如果你很長時間都沒處理掉，此時導致mq都快寫滿了，咋辦？這個還有別的辦法嗎？沒有，誰讓你第一個方案執(zhí)行的太慢了，你臨時寫程序，接入數(shù)據(jù)來消費，消費一個丟棄一個，都不要了，快速消費掉所有的消息。然后走第二個方案，到了晚上再補數(shù)據(jù)吧。

1. 如果讓你寫一個消息隊列，該如何進行架構(gòu)設(shè)計??？說一下你的思路

其實聊到這個問題，一般面試官要考察兩塊：

（1）你有沒有對某一個消息隊列做過較為深入的原理的了解，或者從整體了解把握住一個mq的架構(gòu)原理

（2）看看你的設(shè)計能力，給你一個常見的系統(tǒng)，就是消息隊列系統(tǒng)，看看你能不能從全局把握一下整體架構(gòu)設(shè)計，給出一些關(guān)鍵點出來

其實回答這類問題，說白了，起碼不求你看過那技術(shù)的源碼，起碼你大概知道那個技術(shù)的基本原理，核心組成部分，基本架構(gòu)構(gòu)成，然后參照一些開源的技術(shù)把一個系統(tǒng)設(shè)計出來的思路說一下就好

比如說這個消息隊列系統(tǒng)，我們來從以下幾個角度來考慮一下

說實話，我一般面類似問題的時候，大部分人基本都會蒙，因為平時從來沒有思考過類似的問題，大多數(shù)人就是平時埋頭用，從來不去思考背后的一些東西。類似的問題，我經(jīng)常問的還有，如果讓你來設(shè)計一個spring框架你會怎么做？如果讓你來設(shè)計一個dubbo框架你會怎么做？如果讓你來設(shè)計一個mybatis框架你會怎么做？

比如說這個消息隊列系統(tǒng)，我們來從以下幾個角度來考慮一下

（1）首先這個mq得支持可伸縮性吧，就是需要的時候快速擴容，就可以增加吞吐量和容量，那怎么搞？設(shè)計個分布式的系統(tǒng)唄，參照一下kafka的設(shè)計理念，broker -> topic -> partition，每個partition放一個機器，就存一部分數(shù)據(jù)。如果現(xiàn)在資源不夠了，簡單啊，給topic增加partition，然后做數(shù)據(jù)遷移，增加機器，不就可以存放更多數(shù)據(jù)，提供更高的吞吐量了？

（2）其次你得考慮一下這個mq的數(shù)據(jù)要不要落地磁盤吧？那肯定要了，落磁盤，才能保證別進程掛了數(shù)據(jù)就丟了。那落磁盤的時候怎么落啊？順序?qū)?，這樣就沒有磁盤隨機讀寫的尋址開銷，磁盤順序讀寫的性能是很高的，這就是kafka的思路。

2.其次你考慮一下你的mq的可用性??？

這個事兒，具體參考我們之前可用性那個環(huán)節(jié)講解的kafka的高可用保障機制。多副本 -> leader & follower -> broker掛了重新選舉leader即可對外服務(wù)。

（4）能不能支持數(shù)據(jù)0丟失??？可以的，參考我們之前說的那個kafka數(shù)據(jù)零丟失方案

其實一個mq肯定是很復雜的，面試官問你這個問題，其實是個開放題，他就是看看你有沒有從架構(gòu)角度整體構(gòu)思和設(shè)計的思維以及能力。確實這個問題可以刷掉一大批人，因為大部分人平時不思考這些東西。

MQ消息中間件，面試能問寫什么？