1. 核心概念
可靠性投递（Reliable Delivery）是指确保消息从生产者成功到达消费者，即使面对网络故障、系统崩溃等异常情况也能保证不丢失、不重复、按顺序（部分场景）传递。
2. 面临的挑战
- 网络不可靠：丢包、延迟、分区
- 节点故障：生产者/消费者/中间件宕机
- 重复消费：确认机制可能引发重复
- 顺序保证：分布式环境下消息乱序
3. 关键实现机制
3.1 生产端保证
// 伪代码示例：生产端确认模式 public void sendWithConfirm(Message msg) { // 1. 持久化到本地数据库（防丢失） messageDao.save(msg); // 2. 发送到消息队列 String msgId = rabbitTemplate.convertAndSend(msg); // 3. 等待Broker确认 boolean ack = waitForAck(msgId, TIMEOUT); // 4. 失败重试（指数退避） if (!ack) { retryWithBackoff(msg); } // 5. 最终记录投递状态 updateDeliveryStatus(msgId, ack); }
技术要点：
- 事务机制：同步方式，性能差（不推荐）
- 确认机制（Confirm）：
- 普通确认（每消息确认）
- 批量确认（提高吞吐）
- 异步监听（最佳实践）
- 本地消息表：事务消息的替代方案
- 消息持久化：设置
delivery_mode=2
3.2 Broker端保证
消息处理流程： Producer → Broker接收 → 持久化存储 → 推送给Consumer → 等待ACK → 删除/重投
持久化策略：
- 队列持久化：
durable=true - 消息持久化：
delivery_mode=2 - 镜像队列：多副本冗余（RabbitMQ）
- 高可用集群：主从切换时不丢消息
3.3 消费端保证
// 消费端保证示例 @RabbitListener(queues = "order.queue") public void handleOrder(OrderMessage order, Channel channel, @Header(AmqpHeaders.DELIVERY_TAG) long tag) { try { // 1. 业务处理 orderService.process(order); // 2. 手动确认（成功才ACK） channel.basicAck(tag, false); // 3. 更新消费记录 consumeRecordService.markConsumed(order.getId()); } catch (Exception e) { // 4. 失败处理：重试或进入死信队列 if (retryCount < MAX_RETRY) { channel.basicNack(tag, false, true); // 重入队列 } else { channel.basicNack(tag, false, false); // 进入死信队列 alarmService.notifyAdmin(order, e); } } }
消费端关键点：
- 手动ACK：避免自动确认导致消息丢失
- 幂等性设计：
public boolean processWithIdempotent(String msgId) { // 基于消息ID去重 if (redis.exists("processed:" + msgId)) { return true; // 已处理过 } // 业务处理 boolean success = doBusinessLogic(); // 记录处理状态 if (success) { redis.setex("processed:" + msgId, 24h, "1"); } return success; }
- 死信队列（DLQ）：处理无法消费的消息
- 消费重试策略：
- 立即重试（瞬时故障）
- 延迟重试（业务依赖）
- 指数退避（防止雪崩）
4. 完整可靠性方案
4.1 事务消息方案（如RocketMQ）
两阶段提交： 1. 发送Half Message（预备消息） 2. 执行本地事务 3. 根据本地事务结果Commit/Rollback 4. Broker检查事务状态并投递/丢弃
4.2 最大努力投递方案
# 补偿机制实现 def reliable_delivery(message): max_retries = 5 for attempt in range(max_retries): try: # 尝试投递 result = mq_client.send(message) if result.confirmed: log_delivery_success(message.id) return True except Exception as e: log_failure(attempt, e) if attempt == max_retries - 1: # 最终失败，人工介入 send_alert_to_admin(message) save_to_compensation_table(message) return False # 等待后重试 sleep(backoff_time(attempt)) return False
4.3 本地消息表方案（经典）
-- 本地消息表结构 CREATE TABLE local_message ( id BIGINT PRIMARY KEY, biz_id VARCHAR(64), -- 业务ID content TEXT, -- 消息内容 status TINYINT, -- 0:待发送, 1:已发送, 2:已确认 retry_count INT, next_retry_time DATETIME, created_at TIMESTAMP );
工作流程：
- 业务数据+消息记录原子性写入本地DB
- 定时任务扫描待发送消息
- 调用MQ发送，成功后更新状态
- 消费者处理完成后反向确认
- 对账程序定期校验数据一致性
5. 高级特性与优化
5.1 顺序性保证
- 全局有序：单队列单消费者（性能低）
- 局部有序：相同sharding key的消息发到同一队列
- 牺牲场景：重试队列可能破坏顺序
5.2 批量消息可靠性
// 批量消息的可靠性处理 public class BatchMessageReliableSender { public void sendBatch(List<Message> batch) { // 1. 批量持久化到本地 batchMessageDao.saveAll(batch); // 2. 设置批次ID String batchId = generateBatchId(); // 3. 发送批次消息 boolean success = mqTemplate.sendBatch(batchId, batch); // 4. 批次确认（或单条补偿） if (success) { markBatchDelivered(batchId); } else { // 逐条重试或记录异常 compensateFailedMessages(batch); } } }
5.3 监控与对账
- 实时监控：
- 堆积情况监控
- 消费延迟报警
- 失败率统计
- 定期对账：
-- 消息对账SQL示例 SELECT DATE(create_time) as day, COUNT(*) as total_sent, SUM(CASE WHEN status=2 THEN 1 ELSE 0 END) as confirmed, SUM(CASE WHEN status=1 THEN 1 ELSE 0 END) as pending FROM message_record GROUP BY DATE(create_time) HAVING total_sent != confirmed;
6. 不同MQ的实现差异
| 特性 | RabbitMQ | Kafka | RocketMQ |
| 可靠性机制 | 确认+持久化+镜像队列 | 副本机制+ACK+Exactly-Once | 事务消息+本地存储 |
| 顺序性 | 单队列保证 | Partition内有序 | Queue内有序 |
| 事务支持 | 轻量级事务（性能差） | 支持Exactly-Once语义 | 完整事务消息 |
| 最佳适用场景 | 业务消息、高可靠要求 | 日志流、大数据场景 | 金融交易、订单业务 |
7. 实践建议
- 分级可靠性策略：
- 关键业务：事务消息+本地表+对账
- 普通业务：确认机制+重试+死信队列
- 日志类：最多一次投递即可
- 性能与可靠性的平衡：
- 同步刷盘 vs 异步刷盘
- 同步复制 vs 异步复制
- 根据业务重要性选择配置
- 灾难恢复设计：
# 配置示例：多级降级 mq: primary: url: "amqp://primary" timeout: 1000ms secondary: url: "amqp://secondary" timeout: 2000ms fallback-to-db: true # 最终降级到数据库
总结
消息的可靠性投递是一个系统工程，需要在生产端、Broker端、消费端协同设计，结合业务场景、性能要求、成本约束做出合适的选择。没有"银弹"方案，只有最适合的方案。建议从简单方案开始，随着业务复杂度增加逐步引入更完善的可靠性机制。
面试回答
首先，消息可靠性投递指的是：
一个消息从发送到被消费者成功处理，过程中不会丢失或重复，保证最终数据的一致性。在实际系统里，消息可能因为网络问题、服务重启等原因丢失或重复，所以我们需要一套机制来确保可靠。
为什么需要它呢？
比如在订单系统中，用户支付成功后要通知物流系统，如果消息丢了，物流就不会触发，用户体验就受损；如果消息重复，可能重复发货，造成损失。所以像金融、交易这些场景，可靠性特别重要。
常见的实现方式，我了解的有几种：
- 生产者确认机制
生产者发消息后，MQ（比如RabbitMQ）会返回一个确认（ACK），如果没收到ACK，生产者可以重发。这样可以防止消息在发送阶段丢失。 - 消息持久化
消息保存到磁盘，而不是只放在内存。这样即使MQ重启，消息也不会丢。 - 消费者手动ACK
消费者处理完消息后，手动告诉MQ“我已经处理完了”，MQ才删除消息；如果处理失败，MQ可以把消息重新投递给其他消费者。避免消息在处理阶段丢失。 - 事务消息（比如RocketMQ）
先发一个“半消息”，等本地事务执行成功，再确认投递；如果失败，就回滚。这适用于分布式事务场景。 - 消息去重
为了避免重复消费，可以在消费端做幂等性设计。比如在数据库里记录消息ID，每次处理前先查一下是否已经处理过。
实际中我们一般会结合业务来设计。
比如一个订单状态同步的场景，我可能会用：生产者确认 + 消息持久化 + 消费者手动ACK + 消费端幂等性。这样基本能覆盖发送、存储、消费各个环节的可靠性。
当然，可靠性和性能之间需要权衡，比如持久化会降低吞吐量，手动ACK会增加延迟。所以要根据业务需求来选择合适的方案。
追加：遇到过消息丢失或重复的问题，你是怎么排查和解决的？
追加：是否了解最终一致性、最大努力通知等模式 ？
