如何保障消息中間件不丟失

這篇文章主要介紹“如何保障消息中間件不丟失”，在日常操作中，相信很多人在如何保障消息中間件不丟失問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”如何保障消息中間件不丟失”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

前言

RabbitMQ，RocketMQ，Kafka 等。引入中間件的好處可以起到抗高并發，削峰，業務解耦的作用。

如上圖

1. 訂單服務投遞消息給MQ中間件

2. 庫存服務監聽MQ中間件消息，從而進行消費

之前公司在業務搭建的時候用的就是這種MQ解耦機制，那么如何保障將訂單服務的消息成功投遞給MQ中間件，保證消息的可靠性？

問題

可能會有人疑問，訂單服務發起消息，返回成功不就OK了嗎？下面有一個Demo代碼

一般的發送消息都是這么寫的，但是有一個場景必須在業務搭建之初就要考慮。如果MQ服務器突然宕機了呢？我們發送的消息是不是就沒有了呢？

是的！ 一般MQ中間件為了保證提供系統的吞吐量會把消息保存在內存中，如果不作其他處理，MQ一旦宕機，消息就會全部丟失。這個在業務中是絕對不允許的，造成的影響是非常大的！

那么如何解決這個問題？

消息持久化

MQ中發消息的時候會有一個durable參數可以設置，設置為true，就會持久化！

這樣的話MQ服務器及時宕機，重啟后磁盤文件中有消息的存儲，這樣就不會丟失了，但是這種方式也僅僅只是有概率的消息不丟失。

如果消息剛剛保存到MQ內存中，還沒來得及更新到磁盤中，突然宕機了（一般高并發情況下發生幾率會很高），尤其是大量消息投遞的過程中。

如何才能做到一定持久化到磁盤中呢？

confirm機制

上面的問題主要在于，沒有人告訴我們持久化是否成功。好在MQ有回調通知特性，confirm機制來通知我們是否持久化成功。

confirm機制原理

• 消息生產者把消息發送給MQ，如果接收成功，MQ會返回一個ack消息- 給生產者。

• 如果消息不成功，MQ會返回一個nack消息給生產者。

上面的demo代碼中有兩個確認機制，一個ACK回調，一個NACK回調。

這樣是不是就可以100%確保消息不丟失了呢？

吞吐量問題嚴重

試想一下，如果我們生產者每發一條消息，都要 MQ 持久化到磁盤中，然后再發起 ack 或 nack 的回調。這樣的話是不是我們 MQ 的吞吐量很不高，因為每次都要把消息持久化到磁盤中。寫入磁盤這個動作是很慢的。這個在高并發場景下是不能夠接受的，吞吐量太低了。

所以 MQ 持久化磁盤真實的實現，是通過異步調用處理的，他是有一定的機制，如：等到有幾千條消息的時候，會一次性的刷盤到磁盤上面。而不是每來一條消息，就刷盤一次。

所以 comfirm 機制其實是一個異步監聽的機制，是為了保證系統的高吞吐量，這樣就導致了還是不能夠 100%保障消息不丟失，因為即使加上了 confirm 機制，消息在 MQ 內存中還沒有刷盤到磁盤就宕機了，還是沒法處理。

消息提前持久化 + 定時任務

其實本質的原因是無法確定是否持久化。

ps：圖畫的有點辣雞~~~~

流程操作

1. 訂單服務生產者再投遞消息之前，先把消息持久化到 Redis 或 DB 中，建議 redis，高性能。消息的狀態為發送中。

2. confirm 機制監聽消息是否發送成功？如 ack 成功消息，刪除 redis 中此消息。

3. 如果 nack 不成功的消息，這個可以根據自身的業務選擇是否重發此消息。也可以刪除此消息，由自己的業務決定。

4. 這邊加了個定時任務，來拉取隔一定時間了，消息狀態還是為發送中的，這個狀態就表明，訂單服務是沒有收到 ack 成功消息。

5. 定時任務會作補償性的投遞消息。這個時候如果 MQ 回調 ack 成功接收了，再把 redis 中此消息刪除。

補償機制方案

這樣的機制其實就是一個補償機制，我不管 MQ 有沒有真正的接收到，只要我的 redis 中的消息狀態也是為==發送中==，就表示此消息沒有正確成功投遞。再啟動定時任務去監控，發起補償投遞。

機制的優化

當然定時任務那邊我們還可以加上一個補償的次數，如果大于 3 次，還是沒有收到 ack 消息，那就直接把消息的狀態設置為【失敗】，由人工去排查到底是為什么？

這樣的話方案就比較完美了，保障了 100%的消息不丟失、磁盤要是壞了，那就沒法保障了，就要考慮集群方案。

方案問題

不過這樣的方案，就會有可能發送多次相同的消息，很有可能 MQ 已經收到了消息，就是 ack 消息回調時出現網絡故障，沒有讓生產者收到。那就要要求消費者一定在消費的時候保障冪等性。

冪等含義

我們先了解一下什么叫冪等？在分布式應用中，冪等是非常重要的，也就是相同條件下對一個業務的操作，不管操作多少次，結果都是一樣。

分布式冪等

為什么要有冪等這種場景？因為在大的系統中，都是分布式部署，如：訂單業務 和 庫存業務 有可能都是獨立部署的，都是單獨的服務。用戶下訂單，會調用到訂單服務和庫存服務。

分布式異常問題

因為分布式部署，很有可能在調用庫存服務時，因為網絡等原因，訂單服務調用失敗，但其實庫存服務已經處理完成。只是返回給訂單服務處理結果時出現了異常。這個時候一般系統會作補償方案，也就是訂單服務再此放起庫存服務的調用，庫存減 1。

update m_goods set count = count - 1 where g_id=10

這樣就出現了問題，其實上一次調用已經減了 1，只是訂單服務沒有收到處理結果。現在又調用一次，又要減 1，這樣就不符合業務了，多扣了。

冪等這個概念就是，不管庫存服務在相同條件下調用幾次，處理結果都一樣。這樣才能保證補償方案的可行性。

樂觀鎖方案

借鑒網上的樂觀鎖方案，例如：

update m_goods set count = count -1 , version = version + 1 where g_id=2 and version = 1

根據 version 版本，也就是在操作庫存前先獲取當前商品的 version 版本號，然后操作的時候帶上此 version 號。我們梳理下，我們第一次操作庫存時，得到 version 結果如下：

1. 調用庫存服務 version 變成了 2；但返回給訂單服務出現了問題，訂單服務又一次發起調用庫存服務，當訂單服務傳如的 version 還是 1，再執行上面的 sql 語句時，就不會執行；因為 version 已經變為 2 了，where 條件就不成立。這樣就保證了不管調用幾次，只會真正的處理一次。

唯一 ID + 指紋碼

此方案是網上找到的一篇博客所寫的，感覺不錯。

原理就是利用數據庫主鍵去重，業務完成后插入主鍵標識~

select count(1) from t_check where ID = 唯一ID + 指紋碼

• 唯一 ID 就是業務表的唯一的主鍵，如商品 ID

• 指紋碼就是為了區別每次正常操作的碼，每次操作時生成指紋碼；可以用時間戳+業務編號的方式。

上面的 sql 語句：

• 返回如果為 0 表示沒有操作過，那業務操作后就可以 insert into t_check(唯一 ID+指紋碼)

• 返回如果大于 0 表示操作過，就直接返回

好處：實現簡單

壞處：高并發下數據庫瓶頸

解決方案：根據 ID 進行分庫分表進行算法路由

redis 原子操作（推薦使用）

利用 redis 的原子操作，做個操作完成的標記。這個性能就比較好。但會遇到一些問題。

問題：我們是否需要把業務結果進行數據落庫，如果落庫，關鍵解決的問題時數據庫和 redis 操作如何做到原子性？

這個意思就是庫存減 1 了，但 redis 進行操作完成標記時，失敗了怎么辦？也就是一定要保證落庫和 redis 要么一起成功，要么一起失敗

第二：如果不進行落庫，那么都存儲到緩存中，如何設置定時同步策略？

這個意思就是庫存減 1，不落庫，直接先操作 redis 操作完成標記，然后由另外的同步服務進行庫存落庫，這個就是增加了系統復雜性，而且同步策略的設置。

到此，關于“如何保障消息中間件不丟失”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！