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(xué)習(xí)吧！

前言

RabbitMQ，RocketMQ，Kafka 等。引入中間件的好處可以起到抗高并發(fā)，削峰，業(yè)務(wù)解耦的作用。

如上圖

1. 訂單服務(wù)投遞消息給MQ中間件

2. 庫存服務(wù)監(jiān)聽MQ中間件消息，從而進(jìn)行消費(fèi)

之前公司在業(yè)務(wù)搭建的時(shí)候用的就是這種MQ解耦機(jī)制，那么如何保障將訂單服務(wù)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(huì)有人疑問，訂單服務(wù)發(fā)起消息，返回成功不就OK了嗎？下面有一個(gè)Demo代碼

一般的發(fā)送消息都是這么寫的，但是有一個(gè)場景必須在業(yè)務(wù)搭建之初就要考慮。如果MQ服務(wù)器突然宕機(jī)了呢？我們發(fā)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(tǒng)的吞吐量會(huì)把消息保存在內(nèi)存中，如果不作其他處理，MQ一旦宕機(jī)，消息就會(huì)全部丟失。這個(gè)在業(yè)務(wù)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(gè)問題？

消息持久化

MQ中發(fā)消息的時(shí)候會(huì)有一個(gè)durable參數(shù)可以設(shè)置，設(shè)置為true，就會(huì)持久化！

這樣的話MQ服務(wù)器及時(shí)宕機(jī)，重啟后磁盤文件中有消息的存儲(chǔ)，這樣就不會(huì)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(nèi)存中，還沒來得及更新到磁盤中，突然宕機(jī)了（一般高并發(fā)情況下發(fā)生幾率會(huì)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(jī)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(diào)通知特性，confirm機(jī)制來通知我們是否持久化成功。

confirm機(jī)制原理

• 消息生產(chǎn)者把消息發(fā)送給MQ，如果接收成功，MQ會(huì)返回一個(gè)ack消息- 給生產(chǎn)者。

• 如果消息不成功，MQ會(huì)返回一個(gè)nack消息給生產(chǎn)者。

上面的demo代碼中有兩個(gè)確認(rèn)機(jī)制，一個(gè)ACK回調(diào)，一個(gè)NACK回調(diào)。

這樣是不是就可以100%確保消息不丟失了呢？

吞吐量問題嚴(yán)重

試想一下，如果我們生產(chǎn)者每發(fā)一條消息，都要 MQ 持久化到磁盤中，然后再發(fā)起 ack 或 nack 的回調(diào)。這樣的話是不是我們 MQ 的吞吐量很不高，因?yàn)槊看味家严⒊志没酱疟P中。寫入磁盤這個(gè)動(dòng)作是很慢的。這個(gè)在高并發(fā)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(shí)的實(shí)現(xiàn)，是通過異步調(diào)用處理的，他是有一定的機(jī)制，如：等到有幾千條消息的時(shí)候，會(huì)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(jī)制其實(shí)是一個(gè)異步監(jiān)聽的機(jī)制，是為了保證系統(tǒng)的高吞吐量，這樣就導(dǎo)致了還是不能夠 100%保障消息不丟失，因?yàn)榧词辜由狭?confirm 機(jī)制，消息在 MQ 內(nèi)存中還沒有刷盤到磁盤就宕機(jī)了，還是沒法處理。

消息提前持久化 + 定時(shí)任務(wù)

其實(shí)本質(zhì)的原因是無法確定是否持久化。

ps：圖畫的有點(diǎn)辣雞~~~~

流程操作

1. 訂單服務(wù)生產(chǎn)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(tài)為發(fā)送中。

2. confirm 機(jī)制監(jiān)聽消息是否發(fā)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(gè)可以根據(jù)自身的業(yè)務(wù)選擇是否重發(fā)此消息。也可以刪除此消息，由自己的業(yè)務(wù)決定。

4. 這邊加了個(gè)定時(shí)任務(wù)，來拉取隔一定時(shí)間了，消息狀態(tài)還是為發(fā)送中的，這個(gè)狀態(tài)就表明，訂單服務(wù)是沒有收到 ack 成功消息。

5. 定時(shí)任務(wù)會(huì)作補(bǔ)償性的投遞消息。這個(gè)時(shí)候如果 MQ 回調(diào) ack 成功接收了，再把 redis 中此消息刪除。

補(bǔ)償機(jī)制方案

這樣的機(jī)制其實(shí)就是一個(gè)補(bǔ)償機(jī)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(tài)也是為==發(fā)送中==，就表示此消息沒有正確成功投遞。再啟動(dòng)定時(shí)任務(wù)去監(jiān)控，發(fā)起補(bǔ)償投遞。

機(jī)制的優(yōu)化

當(dāng)然定時(shí)任務(wù)那邊我們還可以加上一個(gè)補(bǔ)償?shù)拇螖?shù)，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(tài)設(shè)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(huì)有可能發(fā)送多次相同的消息，很有可能 MQ 已經(jīng)收到了消息，就是 ack 消息回調(diào)時(shí)出現(xiàn)網(wǎng)絡(luò)故障，沒有讓生產(chǎn)者收到。那就要要求消費(fèi)者一定在消費(fèi)的時(shí)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(yīng)用中，冪等是非常重要的，也就是相同條件下對一個(gè)業(yè)務(wù)的操作，不管操作多少次，結(jié)果都是一樣。

分布式冪等

為什么要有冪等這種場景？因?yàn)樵诖蟮南到y(tǒng)中，都是分布式部署，如：訂單業(yè)務(wù) 和 庫存業(yè)務(wù) 有可能都是獨(dú)立部署的，都是單獨(dú)的服務(wù)。用戶下訂單，會(huì)調(diào)用到訂單服務(wù)和庫存服務(wù)。

分布式異常問題

因?yàn)榉植际讲渴?，很有可能在調(diào)用庫存服務(wù)時(shí)，因?yàn)榫W(wǎng)絡(luò)等原因，訂單服務(wù)調(diào)用失敗，但其實(shí)庫存服務(wù)已經(jīng)處理完成。只是返回給訂單服務(wù)處理結(jié)果時(shí)出現(xiàn)了異常。這個(gè)時(shí)候一般系統(tǒng)會(huì)作補(bǔ)償方案，也就是訂單服務(wù)再此放起庫存服務(wù)的調(diào)用，庫存減 1。

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

這樣就出現(xiàn)了問題，其實(shí)上一次調(diào)用已經(jīng)減了 1，只是訂單服務(wù)沒有收到處理結(jié)果。現(xiàn)在又調(diào)用一次，又要減 1，這樣就不符合業(yè)務(wù)了，多扣了。

冪等這個(gè)概念就是，不管庫存服務(wù)在相同條件下調(diào)用幾次，處理結(jié)果都一樣。這樣才能保證補(bǔ)償方案的可行性。

樂觀鎖方案

借鑒網(wǎng)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(jù) version 版本，也就是在操作庫存前先獲取當(dāng)前商品的 version 版本號(hào)，然后操作的時(shí)候帶上此 version 號(hào)。我們梳理下，我們第一次操作庫存時(shí)，得到 version 結(jié)果如下：

1. 調(diào)用庫存服務(wù) version 變成了 2；但返回給訂單服務(wù)出現(xiàn)了問題，訂單服務(wù)又一次發(fā)起調(diào)用庫存服務(wù)，當(dāng)訂單服務(wù)傳如的 version 還是 1，再執(zhí)行上面的 sql 語句時(shí)，就不會(huì)執(zhí)行；因?yàn)?version 已經(jīng)變?yōu)?2 了，where 條件就不成立。這樣就保證了不管調(diào)用幾次，只會(huì)真正的處理一次。

唯一 ID + 指紋碼

此方案是網(wǎng)上找到的一篇博客所寫的，感覺不錯(cuò)。

原理就是利用數(shù)據(jù)庫主鍵去重，業(yè)務(wù)完成后插入主鍵標(biāo)識(shí)~

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

• 唯一 ID 就是業(yè)務(wù)表的唯一的主鍵，如商品 ID

• 指紋碼就是為了區(qū)別每次正常操作的碼，每次操作時(shí)生成指紋碼；可以用時(shí)間戳+業(yè)務(wù)編號(hào)的方式。

上面的 sql 語句：

• 返回如果為 0 表示沒有操作過，那業(yè)務(wù)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(shí)現(xiàn)簡單

壞處：高并發(fā)下數(shù)據(jù)庫瓶頸

解決方案：根據(jù) ID 進(jìn)行分庫分表進(jìn)行算法路由

redis 原子操作（推薦使用）

利用 redis 的原子操作，做個(gè)操作完成的標(biāo)記。這個(gè)性能就比較好。但會(huì)遇到一些問題。

問題：我們是否需要把業(yè)務(wù)結(jié)果進(jìn)行數(shù)據(jù)落庫，如果落庫，關(guān)鍵解決的問題時(shí)數(shù)據(jù)庫和 redis 操作如何做到原子性？

這個(gè)意思就是庫存減 1 了，但 redis 進(jìn)行操作完成標(biāo)記時(shí)，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(jìn)行落庫，那么都存儲(chǔ)到緩存中，如何設(shè)置定時(shí)同步策略？

這個(gè)意思就是庫存減 1，不落庫，直接先操作 redis 操作完成標(biāo)記，然后由另外的同步服務(wù)進(jìn)行庫存落庫，這個(gè)就是增加了系統(tǒng)復(fù)雜性，而且同步策略的設(shè)置。

到此，關(guān)于“如何保障消息中間件不丟失”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請繼續(xù)關(guān)注億速云網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！