这篇文章主要介绍“如何保障消息中间件不丢失”，在日常操作中，相信很多人在如何保障消息中间件不丢失问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”如何保障消息中间件不丢失”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

前言

RabbitMQ，RocketMQ，Kafka 等。引入中间件的好处可以起到抗高并发，削峰，业务解耦的作用。

如上图

1. 订单服务投递消息给MQ中间件

2. 库存服务监听MQ中间件消息，从而进行消费

之前公司在业务搭建的时候用的就是这种MQ解耦机制，那么如何保障将订单服务的消息成功投递给MQ中间件，保证消息的可靠性？

问题

可能会有人疑问，订单服务发起消息，返回成功不就OK了吗？下面有一个Demo代码

一般的发送消息都是这么写的，但是有一个场景必须在业务搭建之初就要考虑。如果MQ服务器突然宕机了呢？我们发送的消息是不是就没有了呢？

是的！ 一般MQ中间件为了保证提供系统的吞吐量会把消息保存在内存中，如果不作其他处理，MQ一旦宕机，消息就会全部丢失。这个在业务中是绝对不允许的，造成的影响是非常大的！

那么如何解决这个问题？

消息持久化

MQ中发消息的时候会有一个durable参数可以设置，设置为true，就会持久化！

这样的话MQ服务器及时宕机，重启后磁盘文件中有消息的存储，这样就不会丢失了，但是这种方式也仅仅只是有概率的消息不丢失。

如果消息刚刚保存到MQ内存中，还没来得及更新到磁盘中，突然宕机了（一般高并发情况下发生几率会很高），尤其是大量消息投递的过程中。

如何才能做到一定持久化到磁盘中呢？

confirm机制

上面的问题主要在于，没有人告诉我们持久化是否成功。好在MQ有回调通知特性，confirm机制来通知我们是否持久化成功。

confirm机制原理

• 消息生产者把消息发送给MQ，如果接收成功，MQ会返回一个ack消息- 给生产者。

• 如果消息不成功，MQ会返回一个nack消息给生产者。

上面的demo代码中有两个确认机制，一个ACK回调，一个NACK回调。

这样是不是就可以100%确保消息不丢失了呢？

吞吐量问题严重

试想一下，如果我们生产者每发一条消息，都要 MQ 持久化到磁盘中，然后再发起 ack 或 nack 的回调。这样的话是不是我们 MQ 的吞吐量很不高，因为每次都要把消息持久化到磁盘中。写入磁盘这个动作是很慢的。这个在高并发场景下是不能够接受的，吞吐量太低了。

所以 MQ 持久化磁盘真实的实现，是通过异步调用处理的，他是有一定的机制，如：等到有几千条消息的时候，会一次性的刷盘到磁盘上面。而不是每来一条消息，就刷盘一次。

所以 comfirm 机制其实是一个异步监听的机制，是为了保证系统的高吞吐量，这样就导致了还是不能够 100%保障消息不丢失，因为即使加上了 confirm 机制，消息在 MQ 内存中还没有刷盘到磁盘就宕机了，还是没法处理。

消息提前持久化 + 定时任务

其实本质的原因是无法确定是否持久化。

ps：图画的有点辣鸡~~~~

流程操作

1. 订单服务生产者再投递消息之前，先把消息持久化到 Redis 或 DB 中，建议 redis，高性能。消息的状态为发送中。

2. confirm 机制监听消息是否发送成功？如 ack 成功消息，删除 redis 中此消息。

3. 如果 nack 不成功的消息，这个可以根据自身的业务选择是否重发此消息。也可以删除此消息，由自己的业务决定。

4. 这边加了个定时任务，来拉取隔一定时间了，消息状态还是为发送中的，这个状态就表明，订单服务是没有收到 ack 成功消息。

5. 定时任务会作补偿性的投递消息。这个时候如果 MQ 回调 ack 成功接收了，再把 redis 中此消息删除。

补偿机制方案

这样的机制其实就是一个补偿机制，我不管 MQ 有没有真正的接收到，只要我的 redis 中的消息状态也是为==发送中==，就表示此消息没有正确成功投递。再启动定时任务去监控，发起补偿投递。

机制的优化

当然定时任务那边我们还可以加上一个补偿的次数，如果大于 3 次，还是没有收到 ack 消息，那就直接把消息的状态设置为【失败】，由人工去排查到底是为什么？

这样的话方案就比较完美了，保障了 100%的消息不丢失、磁盘要是坏了，那就没法保障了，就要考虑集群方案。

方案问题

不过这样的方案，就会有可能发送多次相同的消息，很有可能 MQ 已经收到了消息，就是 ack 消息回调时出现网络故障，没有让生产者收到。那就要要求消费者一定在消费的时候保障幂等性。

幂等含义

我们先了解一下什么叫幂等？在分布式应用中，幂等是非常重要的，也就是相同条件下对一个业务的操作，不管操作多少次，结果都是一样。

分布式幂等

为什么要有幂等这种场景？因为在大的系统中，都是分布式部署，如：订单业务 和 库存业务 有可能都是独立部署的，都是单独的服务。用户下订单，会调用到订单服务和库存服务。

分布式异常问题

因为分布式部署，很有可能在调用库存服务时，因为网络等原因，订单服务调用失败，但其实库存服务已经处理完成。只是返回给订单服务处理结果时出现了异常。这个时候一般系统会作补偿方案，也就是订单服务再此放起库存服务的调用，库存减 1。

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

这样就出现了问题，其实上一次调用已经减了 1，只是订单服务没有收到处理结果。现在又调用一次，又要减 1，这样就不符合业务了，多扣了。

幂等这个概念就是，不管库存服务在相同条件下调用几次，处理结果都一样。这样才能保证补偿方案的可行性。

乐观锁方案

借鉴网上的乐观锁方案，例如：

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

根据 version 版本，也就是在操作库存前先获取当前商品的 version 版本号，然后操作的时候带上此 version 号。我们梳理下，我们第一次操作库存时，得到 version 结果如下：

1. 调用库存服务 version 变成了 2；但返回给订单服务出现了问题，订单服务又一次发起调用库存服务，当订单服务传如的 version 还是 1，再执行上面的 sql 语句时，就不会执行；因为 version 已经变为 2 了，where 条件就不成立。这样就保证了不管调用几次，只会真正的处理一次。

唯一 ID + 指纹码

此方案是网上找到的一篇博客所写的，感觉不错。

原理就是利用数据库主键去重，业务完成后插入主键标识~

select count(1) from t_check where ID = 唯一ID + 指纹码

• 唯一 ID 就是业务表的唯一的主键，如商品 ID

• 指纹码就是为了区别每次正常操作的码，每次操作时生成指纹码；可以用时间戳+业务编号的方式。

上面的 sql 语句：

• 返回如果为 0 表示没有操作过，那业务操作后就可以 insert into t_check(唯一 ID+指纹码)

• 返回如果大于 0 表示操作过，就直接返回

好处：实现简单

坏处：高并发下数据库瓶颈

解决方案：根据 ID 进行分库分表进行算法路由

redis 原子操作（推荐使用）

利用 redis 的原子操作，做个操作完成的标记。这个性能就比较好。但会遇到一些问题。

问题：我们是否需要把业务结果进行数据落库，如果落库，关键解决的问题时数据库和 redis 操作如何做到原子性？

这个意思就是库存减 1 了，但 redis 进行操作完成标记时，失败了怎么办？也就是一定要保证落库和 redis 要么一起成功，要么一起失败

第二：如果不进行落库，那么都存储到缓存中，如何设置定时同步策略？

这个意思就是库存减 1，不落库，直接先操作 redis 操作完成标记，然后由另外的同步服务进行库存落库，这个就是增加了系统复杂性，而且同步策略的设置。

到此，关于“如何保障消息中间件不丢失”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注天达云网站，小编会继续努力为大家带来更多实用的文章！