该如何保证消息的可靠性传输

前言

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

问题分析

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，就是上文提及的重复消费和幂等性问题。

不能少，就是数据别搞丢了。

关于数据不丢失这个问题，如果说是用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。

问题剖析

关于数据的丢失问题，可能出现在生产者、MQ、消费者中，

首先从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，可能是因为网络问题或其他问题皆有可能。

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()。

try{
//通过工厂创建连接
connection=factory.newConnection();
//获取通道
channel=connection.createChannel();
//开启事务
channel.txSelect();
//这里发送消息
channel.basicPublish(exchange,routingKey,MessageProperties.PERSISTENT_TEXT_PLAIN,msg.getBytes());
//模拟出现异常
intresult=1/0;
//提交事务
channel.txCommit();
}catch(IOException|TimeoutExceptione){
//捕捉异常，回滚事务
channel.txRollback();
}

但是问题是，经过RabbitMQ事务机制（同步），基本上因为太耗性能导致吞吐量会下来。

所以一般来说，当要确保写入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，每次写入的消息都会分配一个唯一的id。

然后如果写入了RabbitMQ中，RabbitMQ会回传一个ack消息，告知这个消息ok了。

如果RabbitMQ没能处理这个消息，会回调一个nack接口，告知这个消息接收失败且你可以重试。

而且你可以结合这个机制，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，那么可以进行重发。

事务机制和confirm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的一个接口通知你这个消息接收到了。

所以一般在生产者避免数据丢失，都是用confirm机制的。

已经在transaction事务模式的channel是不能再设置成confirm模式的，即这两种模式是不能共存的。

客户端实现生产者confirm有3种方式：

1.普通confirm模式：每发送一条消息后，调用waitForConfirms()方法，等待服务器端confirm，如果服务端返回false或者在一段时间内都没返回，客户端可以进行消息重发。

channel.basicPublish(ConfirmConfig.exchangeName,ConfirmConfig.routingKey,MessageProperties.PERSISTENT_TEXT_PLAIN,ConfirmConfig.msg_10B.getBytes());
if(!channel.waitForConfirms()){
//消息发送失败
//...
}

2.批量confirm模式：每发送一批消息后，调用waitForConfirms()方法，等待服务端confirm。

channel.confirmSelect();
for(inti=0;i<batchCount;++i){
channel.basicPublish(ConfirmConfig.exchangeName,ConfirmConfig.routingKey,MessageProperties.PERSISTENT_TEXT_PLAIN,ConfirmConfig.msg_10B.getBytes());
}
if(!channel.waitForConfirms()){
//消息发送失败
//...
}

3.异步confirm模式：提供一个回调方法，服务端confirm了一条或者多条消息后客户端会回调这个方法。

SortedSet<Long>confirmSet=Collections.synchronizedSortedSet(newTreeSet<Long>());
channel.confirmSelect();
channel.addConfirmListener(newConfirmListener(){
publicvoidhandleAck(longdeliveryTag,booleanmultiple)throwsIOException{
if(multiple){
confirmSet.headSet(deliveryTag+1).clear();
}else{
confirmSet.remove(deliveryTag);
}
}
publicvoidhandleNack(longdeliveryTag,booleanmultiple)throwsIOException{
System.out.println("Nack,SeqNo:"+deliveryTag+",multiple:"+multiple);
if(multiple){
confirmSet.headSet(deliveryTag+1).clear();
}else{
confirmSet.remove(deliveryTag);
}
}
});
while(true){
longnextSeqNo=channel.getNextPublishSeqNo();
channel.basicPublish(ConfirmConfig.exchangeName,ConfirmConfig.routingKey,MessageProperties.PERSISTENT_TEXT_PLAIN,ConfirmConfig.msg_10B.getBytes());
confirmSet.add(nextSeqNo);
}

RabbitMQ弄丢了数据

就是RabbitMQ自己弄丢了数据，这个必须开启RabbitMQ的持久化，就是消息写入之后会持久化到磁盘，哪怕是RabbitMQ自己宕机，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，自己就宕机，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。这样就可以保证RabbitMQ持久化queue的元数据，但是它是不会持久化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。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哪怕是宕机，再次重启，也会从磁盘上重启恢复queue，恢复这个queue里的数据。

注意：

虽然给RabbitMQ开启了持久化机制，但是也有可能这个消息写到了RabbitMQ中，但还没来得及持久化到磁盘上RabbitMQ就发生宕机，便会导致内存里的一点点数据丢失。

所以，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，所以若真是在持久化到磁盘之前，RabbitMQ发生了宕机，数据丢了，生产者收不到ack，也可以自己重发的。

消费端弄丢了数据

RabbitMQ如果丢失了数据，主要是因为消费的时候，刚消费到，还没处理，结果进程挂了，比如重启了，RabbitMQ认为都消费了，这数据就丢了。

这个时候得用RabbitMQ提供的ack机制。

简单来说，就是必须关闭RabbitMQ的自动ack，通过一个api来调用ack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，如果还没处理完就没有ack了。那么RabbitMQ就认为还没处理完，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。

为了保证消息从队列中可靠地到达消费者，RabbitMQ提供了消息确认机制。

消费者在声明队列时，可以指定noAck参数，当noAck=false，RabbitMQ会等待消费者显式发回ack信号后，才从内存（和磁盘，如果是持久化消息）中移去消息。否则，一旦消息被消费者消费，RabbitMQ会在队列中立即删除它。

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

当消费到了这个消息，然后消费者那边自动提交了offset，让Kafka以为已经消费好了这个消息，但其实你才刚准备处理这个消息，还没处理自己就宕机，此时这条消息就丢失了。

这其实跟RabbitMQ大同小异。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，便可以保证数据不会丢失了。

但是此时确实还是可能会有重复消费，比如刚处理完，还没提交offset，结果自己宕机，此时肯定会重复消费一次，那再自行保证幂等性就解决。

Kafka弄丢了数据

这是比较常见的一个场景，当Kafka某个broker宕机，然后重新选举partition的leader。

要是此时其他的follower刚好还有些数据没有同步，结果此时leader也宕机了，然后选举某个follower成leader之后就少了一些数据便会丢了一些数据的情况。

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，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。

生产者不会弄丢数据

如果按照上述的思路设置了acks=all，一定不会丢的前提是：

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。

RocketMQ

消息丢失的场景

• 生产者发送消息到MQ有可能丢失消息
• MQ收到消息后写入硬盘可能丢失消息
• 消息写入硬盘后，硬盘坏了丢失消息
• 消费者消费MQ也可能丢失消息
• 整个MQ节点挂了丢失消息

保证生产者发送消息时不丢失

解决发送时消息丢失的问题可以采用RocketMQ自带的事物消息机制

事物消息原理：

首先生产者会发送一个half消息(对原始消息的封装)，该消息对消费者不可见的。

MQ通过ack机制返回消息接受状态，生产者执行本地事务并且返回给MQ一个状态(Commit、RollBack等)，

如果是Commit的话MQ就会把消息给到下游。

如果是RollBack的话就会丢弃该消息。

如果为UnKnow的话会过一段时间回查本地事务状态，默认回查15次，一直是UnKnow状态的话就会丢弃此消息。

先发一个half消息的作用就是先判断下MQ有没有问题，服务正不正常。

保证MQ收到消息后写入硬盘不丢失

数据存盘绕过缓存，改为同步刷盘，这一步需要修改Broker的配置文件，将flushDiskType改为SYNC_FLUSH同步刷盘策略，默认的是ASYNC_FLUSH异步刷盘，一旦同步刷盘返回成功，那么就一定保证消息已经持久化到磁盘中了。

保证消息写入硬盘后，硬盘坏了不丢失

为了保证磁盘损坏导致丢失数据，RocketMQ采用主从机构，集群部署，Leader中的数据在多个Follower中都存有备份，防止单点故障导致数据丢失。

Master节点挂了之后DLedger登场

• 接管MQ的commitLog
• 选举从节点
• 文件复制uncommited状态多半从节点收到之后改为commited

保证消费者消费MQ不丢失

• 如果是网络问题导致的消费失败可以进行重试机制，默认每条消息重试16次
• 多线程异步消费失败，MQ认为已经消费成功但是实际上对于业务逻辑来说消息是没有落地的，解决方案就是按照mq官方推荐的先执行本地事务再返回成功状态。

保证整个MQ节点宕机数据不丢失

这种极端情况可以消息发送失败之后先存入本地，例如放到缓存中，另外启动一个线程扫描缓存的消息去重试发送。