來源：blog.csdn.net/qq_29676623/article/details/85108070
爲什麼使用消息隊列？消息隊列的優點和缺點？kafka、activemq、rabbitmq、rocketmq都有什麼優缺點？
面試官角度分析：
（1）你知不知道你們系統裏爲什麼要用消息隊列這個東西？
（2）既然用了消息隊列這個東西，你知不知道用了有什麼好處？
（3）既然你用了MQ，那麼當時爲什麼選用這一款MQ？
1. 爲什麼使用消息隊列？
面試官問這個問題的期望之一的回答是，你們公司有什麼業務場景，這個業務場景有什麼技術挑戰，如果不用MQ可能會很麻煩，但是再用了之後帶來了很多好處。
消息隊列的常見使用場景有很多但是核心的有三個：解耦、異步、削峯
解耦
場景描述：A系統發送個數據到BCD三個系統，接口調用發送，那如果E系統也要這個數據呢？那如果C系統現在不需要了呢？現在A系統又要發送第二種數據了呢？A系統負責人崩潰中...再來點崩潰的事兒，A系統要時時刻刻考慮BCDE四個系統如果掛了怎麼辦？那我要不要重發？我要不要把消息存起來？頭髮都白了啊...
使用了MQ之後的解耦場景
面試技巧：你需要考慮下，你負責的系統中是否有類似的場景，就是一個系統或者一個模塊，調用了多個系統或者模塊，相互之間的調用很複雜，維護起來很麻煩。但是其實這個調用是不需要直接同步調用接口的，如果MQ給他異步化解耦也是可以的，你就需要去考慮在你的項目裏是不是可以運用這個MQ去進行系統解耦 。
異步
場景描述：系統A接受一個請求，需要在自己本地寫庫，還需要在系統BCD三個系統寫庫，自己本地寫庫需要3ms。BCD分別需要300ms、450ms、200ms。最終總好時長：953ms，接近1s。給用戶的體驗感覺一點也不好。
不用MQ的同步高延時請求場景
使用MQ異步化之後的接口性能優化
削峯
場景描述：每天 0 點到 11 點，系統A風平浪靜，每秒併發請求數量就 100 個。結果每一一到11點到1點，每秒併發請求數量就會暴增大1萬條 。但是系統最大的處理能力就只能每秒鐘處理1000個請求。往期面試題彙總
沒有用MQ的時候高峯期系統被打死的場景
使用MQ來進行削峯的場景
2. 消息隊列的有點和缺點？
優點：特殊場景下解耦、異步、削峯。
缺點：
系統可用性降低：系統引入的外部依賴越多，越容易掛掉，本來你就是A系統調用BCD三個系統的接口就好了，人ABCD四個系統好好的沒什麼問題，你偏加個MQ進來，萬一MQ掛了怎麼辦，整套系統崩潰了，就完蛋了
系統複雜性提高：硬生生加個MQ進來，你怎麼保證消息沒有重複消費？怎麼處理消息丟失的情況？怎麼保證消息傳遞的順序性？
一致性問題：系統A處理完了直接返回成功了，人家都認爲你這個請求成功了；但問題是，要是BCD三個系統哪裏BD系統成功了，結果C系統寫庫失敗了，咋整？數據就不一致了，
所以消息隊列是一種非常複雜的架構，引入它有很多好處，但是也得針對他帶來的壞處做各種額外的技術方案和架構來規避掉。做好之後你會發現系統複雜度提升了一個數量積，但是關鍵時刻，用，還是要用的。
3. kafka、activemq、rabbitmq、rocketmq都有什麼優缺點？
特性 |
ActiveMQ |
RabbitMQ |
RocketMQ |
Kafka |
單機吞吐量 |
萬級，吞吐量比RocketMQ和Kafka要低了一個數量級 |
萬級，吞吐量比RocketMQ和Kafka要低了一個數量級 |
10萬級，RocketMQ也是可以支撐高吞吐的一種MQ |
10萬級別，這是kafka最大的優點，就是吞吐量高。
一般配合大數據類的系統來進行實時數據計算、日誌採集等場景 |
topic數量對吞吐量的影響 |
topic可以達到幾百，幾千個的級別，吞吐量會有較小幅度的下降 這是RocketMQ的一大優勢，在同等機器下，可以支撐大量的topic |
topic從幾十個到幾百個的時候，吞吐量會大幅度下降 所以在同等機器下，kafka儘量保證topic數量不要過多。如果要支撐大規模topic，需要增加更多的機器資源 |
||
時效性 |
ms級 |
微秒級，這是rabbitmq的一大特點，延遲是最低的 |
ms級 |
延遲在ms級以內 |
可用性 |
高，基於主從架構實現高可用性 |
高，基於主從架構實現高可用性 |
非常高，分佈式架構 |
非常高，kafka是分佈式的，一個數據多個副本，少數機器宕機，不會丟失數據，不會導致不可用 |
消息可靠性 |
有較低的概率丟失數據 |
經過參數優化配置，可以做到0丟失 |
經過參數優化配置，消息可以做到0丟失 |
|
功能支持 |
MQ領域的功能極其完備 |
基於erlang開發，所以併發能力很強，性能極其好，延時很低 |
MQ功能較爲完善，還是分佈式的，擴展性好 |
功能較爲簡單，主要支持簡單的MQ功能，在大數據領域的實時計算以及日誌採集被大規模使用，是事實上的標準 |
優劣勢總結 |
非常成熟，功能強大，在業內大量的公司以及項目中都有應用
偶爾會有較低概率丟失消息
而且現在社區以及國內應用都越來越少，官方社區現在對ActiveMQ 5.x維護越來越少，幾個月才發佈一個版本
而且確實主要是基於解耦和異步來用的，較少在大規模吞吐的場景中使用
|
erlang語言開發，性能極其好，延時很低； 吞吐量到萬級，MQ功能比較完備 而且開源提供的管理界面非常棒，用起來很好用 社區相對比較活躍，幾乎每個月都發布幾個版本分 在國內一些互聯網公司近幾年用rabbitmq也比較多一些 但是問題也是顯而易見的，RabbitMQ確實吞吐量會低一些，這是因爲他做的實現機制比較重。 而且erlang開發，國內有幾個公司有實力做erlang源碼級別的研究和定製？如果說你沒這個實力的話，確實偶爾會有一些問題，你很難去看懂源碼，你公司對這個東西的掌控很弱，基本職能依賴於開源社區的快速維護和修復bug。 而且rabbitmq集羣動態擴展會很麻煩，不過這個我覺得還好。其實主要是erlang語言本身帶來的問題。很難讀源碼，很難定製和掌控。 |
接口簡單易用，而且畢竟在阿里大規模應用過，有阿里品牌保障 日處理消息上百億之多，可以做到大規模吞吐，性能也非常好，分佈式擴展也很方便，社區維護還可以，可靠性和可用性都是ok的，還可以支撐大規模的topic數量，支持複雜MQ業務場景 而且一個很大的優勢在於，阿里出品都是java系的，我們可以自己閱讀源碼，定製自己公司的MQ，可以掌控 社區活躍度相對較爲一般，不過也還可以，文檔相對來說簡單一些，然後接口這塊不是按照標準JMS規範走的有些系統要遷移需要修改大量代碼 還有就是阿里出臺的技術，你得做好這個技術萬一被拋棄，社區黃掉的風險，那如果你們公司有技術實力我覺得用RocketMQ挺好的 |
kafka的特點其實很明顯，就是僅僅提供較少的核心功能，但是提供超高的吞吐量，ms級的延遲，極高的可用性以及可靠性，而且分佈式可以任意擴展
同時kafka最好是支撐較少的topic數量即可，保證其超高吞吐量
而且kafka唯一的一點劣勢是有可能消息重複消費，那麼對數據準確性會造成極其輕微的影響，在大數據領域中以及日誌採集中，這點輕微影響可以忽略
這個特性天然適合大數據實時計算以及日誌收集 |
1. 引入消息隊列之後如何保證其高可用性?
（1）RabbitMQ的高可用性
RabbitMQ是比較有代表性的，因爲是基於主從做高可用性的，我們就以他爲例子講解第一種MQ的高可用性怎麼實現。
rabbitmq有三種模式：單機模式，普通集羣模式，鏡像集羣模式
（1.1） 單機模式
就是demo級別的，一般就是你本地啓動了玩玩兒的，沒人生產用單機模式
（1.2）普通集羣模式
意思就是在多臺機器上啓動多個rabbitmq實例，每個機器啓動一個。但是你創建的queue，只會放在一個rabbtimq實例上，但是每個實例都同步queue的元數據。完了你消費的時候，實際上如果連接到了另外一個實例，那麼那個實例會從queue所在實例上拉取數據過來。
這種方式確實很麻煩，也不怎麼好，沒做到所謂的分佈式，就是個普通集羣。因爲這導致你要麼消費者每次隨機連接一個實例然後拉取數據，要麼固定連接那個queue所在實例消費數據，前者有數據拉取的開銷，後者導致單實例性能瓶頸。
而且如果那個放queue的實例宕機了，會導致接下來其他實例就無法從那個實例拉取，如果你開啓了消息持久化，讓rabbitmq落地存儲消息的話，消息不一定會丟，得等這個實例恢復了，然後纔可以繼續從這個queue拉取數據。
所以這個事兒就比較尷尬了，這就沒有什麼所謂的高可用性可言了，這方案主要是提高吞吐量的，就是說讓集羣中多個節點來服務某個queue的讀寫操作。
（1.3）鏡像集羣模式
這種模式，纔是所謂的rabbitmq的高可用模式，跟普通集羣模式不一樣的是，你創建的queue，無論元數據還是queue裏的消息都會存在於多個實例上，然後每次你寫消息到queue的時候，都會自動把消息到多個實例的queue裏進行消息同步。
這樣的話，好處在於，你任何一個機器宕機了，沒事兒，別的機器都可以用。壞處在於，第一，這個性能開銷也太大了吧，消息同步所有機器，導致網絡帶寬壓力和消耗很重！第二，這麼玩兒，就沒有擴展性可言了，如果某個queue負載很重，你加機器，新增的機器也包含了這個queue的所有數據，並沒有辦法線性擴展你的queue
那麼怎麼開啓這個鏡像集羣模式呢？我這裏簡單說一下，避免面試人家問你你不知道，其實很簡單rabbitmq有很好的管理控制檯，就是在後臺新增一個策略，這個策略是鏡像集羣模式的策略，指定的時候可以要求數據同步到所有節點的，也可以要求就同步到指定數量的節點，然後你再次創建queue的時候，應用這個策略，就會自動將數據同步到其他的節點上去了。
（2）kafka的高可用性
kafka一個最基本的架構認識：多個broker組成，每個broker是一個節點；你創建一個topic，這個topic可以劃分爲多個partition，每個partition可以存在於不同的broker上，每個partition就放一部分數據。
這就是天然的分佈式消息隊列，就是說一個topic的數據，是分散放在多個機器上的，每個機器就放一部分數據。
實際上rabbitmq之類的，並不是分佈式消息隊列，他就是傳統的消息隊列，只不過提供了一些集羣、HA的機制而已，因爲無論怎麼玩兒，rabbitmq一個queue的數據都是放在一個節點裏的，鏡像集羣下，也是每個節點都放這個queue的完整數據。
kafka 0.8以前，是沒有HA機制的，就是任何一個broker宕機了，那個broker上的partition就廢了，沒法寫也沒法讀，沒有什麼高可用性可言。
kafka 0.8以後，提供了HA機制，就是replica副本機制。每個partition的數據都會同步到吉他機器上，形成自己的多個replica副本。然後所有replica會選舉一個leader出來，那麼生產和消費都跟這個leader打交道，然後其他replica就是follower。寫的時候，leader會負責把數據同步到所有follower上去，讀的時候就直接讀leader上數據即可。只能讀寫leader？很簡單，要是你可以隨意讀寫每個follower，那麼就要care數據一致性的問題，系統複雜度太高，很容易出問題。kafka會均勻的將一個partition的所有replica分佈在不同的機器上，這樣纔可以提高容錯性。
這麼搞，就有所謂的高可用性了，因爲如果某個broker宕機了，沒事兒，那個broker上面的partition在其他機器上都有副本的，如果這上面有某個partition的leader，那麼此時會重新選舉一個新的leader出來，大家繼續讀寫那個新的leader即可。這就有所謂的高可用性了。
寫數據的時候，生產者就寫leader，然後leader將數據落地寫本地磁盤，接着其他follower自己主動從leader來pull數據。一旦所有follower同步好數據了，就會發送ack給leader，leader收到所有follower的ack之後，就會返回寫成功的消息給生產者。（當然，這只是其中一種模式，還可以適當調整這個行爲）
消費的時候，只會從leader去讀，但是隻有一個消息已經被所有follower都同步成功返回ack的時候，這個消息纔會被消費者讀到。
實際上這塊機制，講深了，是可以非常之深入的，但是我還是回到我們這個課程的主題和定位，聚焦面試，至少你聽到這裏大致明白了kafka是如何保證高可用機制的了，對吧？不至於一無所知，現場還能給面試官畫畫圖。要遇上面試官確實是kafka高手，深挖了問，那你只能說不好意思，太深入的你沒研究過。
但是大家一定要明白，這個事情是要權衡的，你現在是要快速突擊常見面試題體系，而不是要深入學習kafka，要深入學習kafka，你是沒那麼多時間的。你只能確保，你之前也許壓根兒不知道這塊，但是現在你知道了，面試被問到，你大概可以說一說。然後很多其他的候選人，也許還不如你，沒看過這個，被問到了壓根兒答不出來，相比之下，你還能說點出來，大概就是這個意思了。
2. 如何保證消息不被重複消費（如何保證消息消費時的冪等性）？
其實這個很常見的一個問題，這倆問題基本可以連起來問。既然是消費消息，那肯定要考慮考慮會不會重複消費？能不能避免重複消費？或者重複消費了也別造成系統異常可以嗎？這個是MQ領域的基本問題，其實本質上還是問你使用消息隊列如何保證冪等性，這個是你架構裏要考慮的一個問題。
首先就是比如rabbitmq、rocketmq、kafka，都有可能會出現消費重複消費的問題，正常。因爲這問題通常不是mq自己保證的，是給你保證的。然後我們挑一個kafka來舉個例子，說說怎麼重複消費吧。
kafka實際上有個offset的概念，就是每個消息寫進去，都有一個offset，代表他的序號，然後consumer消費了數據之後，每隔一段時間，會把自己消費過的消息的offset提交一下，代表我已經消費過了，下次我要是重啓啥的，你就讓我繼續從上次消費到的offset來繼續消費吧。
但是凡事總有意外，比如我們之前生產經常遇到的，就是你有時候重啓系統，看你怎麼重啓了，如果碰到點着急的，直接kill進程了，再重啓。這會導致consumer有些消息處理了，但是沒來得及提交offset，尷尬了。重啓之後，少數消息會再次消費一次。
其實重複消費不可怕，可怕的是你沒考慮到重複消費之後，怎麼保證冪等性。
給你舉個例子吧。假設你有個系統，消費一條往數據庫裏插入一條，要是你一個消息重複兩次，你不就插入了兩條，這數據不就錯了？但是你要是消費到第二次的時候，自己判斷一下已經消費過了，直接扔了，不就保留了一條數據？
一條數據重複出現兩次，數據庫裏就只有一條數據，這就保證了系統的冪等性
冪等性，我通俗點說，就一個數據，或者一個請求，給你重複來多次，你得確保對應的數據是不會改變的，不能出錯。
那所以第二個問題來了，怎麼保證消息隊列消費的冪等性？
其實還是得結合業務來思考，我這裏給幾個思路：
（1）比如你拿個數據要寫庫，你先根據主鍵查一下，如果這數據都有了，你就別插入了，update一下好吧
（2）比如你是寫redis，那沒問題了，反正每次都是set，天然冪等性
（3）比如你不是上面兩個場景，那做的稍微複雜一點，你需要讓生產者發送每條數據的時候，裏面加一個全局唯一的id，類似訂單id之類的東西，然後你這裏消費到了之後，先根據這個id去比如redis裏查一下，之前消費過嗎？如果沒有消費過，你就處理，然後這個id寫redis。如果消費過了，那你就別處理了，保證別重複處理相同的消息即可。
還有比如基於數據庫的唯一鍵來保證重複數據不會重複插入多條，我們之前線上系統就有這個問題，就是拿到數據的時候，每次重啓可能會有重複，因爲kafka消費者還沒來得及提交offset，重複數據拿到了以後我們插入的時候，因爲有唯一鍵約束了，所以重複數據只會插入報錯，不會導致數據庫中出現髒數據
如何保證MQ的消費是冪等性的，需要結合具體的業務來看
如何保證消息的冪等性
3. 如何保證消息的可靠傳輸（如何處理消息丟失的問題）？
這個是肯定的，用mq有個基本原則，就是數據不能多一條，也不能少一條，不能多，就是剛纔說的重複消費和冪等性問題。不能少，就是說這數據別搞丟了。那這個問題你必須得考慮一下。
如果說你這個是用mq來傳遞非常核心的消息，比如說計費，扣費的一些消息，因爲我以前設計和研發過一個公司非常核心的廣告平臺，計費系統，計費系統是很重的一個業務，操作是很耗時的。所以說廣告系統整體的架構裏面，實際上是將計費做成異步化的，然後中間就是加了一個MQ。
我們當時爲了確保說這個MQ傳遞過程中絕對不會把計費消息給弄丟，花了很多的精力。廣告主投放了一個廣告，明明說好了，用戶點擊一次扣費1塊錢。結果要是用戶動不動點擊了一次，扣費的時候搞的消息丟了，我們公司就會不斷的少幾塊錢，幾塊錢，積少成多，這個就對公司是一個很大的損失。
面試題剖析
這個丟數據，mq一般分爲兩種，要麼是mq自己弄丟了，要麼是我們消費的時候弄丟了。咱們從rabbitmq和kafka分別來分析一下
rabbitmq這種mq，一般來說都是承載公司的核心業務的，數據是絕對不能弄丟的
RabbitMQ可能存在的數據丟失問題，往期面試題彙總
（1）rabbitmq
1）生產者弄丟了數據
生產者將數據發送到rabbitmq的時候，可能數據就在半路給搞丟了，因爲網絡啥的問題，都有可能。
此時可以選擇用rabbitmq提供的事務功能，就是生產者發送數據之前開啓rabbitmq事務（channel.txSelect），然後發送消息，如果消息沒有成功被rabbitmq接收到，那麼生產者會收到異常報錯，此時就可以回滾事務（channel.txRollback），然後重試發送消息；如果收到了消息，那麼可以提交事務（channel.txCommit）。但是問題是，rabbitmq事務機制一搞，基本上吞吐量會下來，因爲太耗性能。
所以一般來說，如果你要確保說寫rabbitmq的消息別丟，可以開啓confirm模式，在生產者那裏設置開啓confirm模式之後，你每次寫的消息都會分配一個唯一的id，然後如果寫入了rabbitmq中，rabbitmq會給你回傳一個ack消息，告訴你說這個消息ok了。如果rabbitmq沒能處理這個消息，會回調你一個nack接口，告訴你這個消息接收失敗，你可以重試。而且你可以結合這個機制自己在內存裏維護每個消息id的狀態，如果超過一定時間還沒接收到這個消息的回調，那麼你可以重發。
事務機制和cnofirm機制最大的不同在於，事務機制是同步的，你提交一個事務之後會阻塞在那兒，但是confirm機制是異步的，你發送個消息之後就可以發送下一個消息，然後那個消息rabbitmq接收了之後會異步回調你一個接口通知你這個消息接收到了。
所以一般在生產者這塊避免數據丟失，都是用confirm機制的。
2）rabbitmq弄丟了數據
就是rabbitmq自己弄丟了數據，這個你必須開啓rabbitmq的持久化，就是消息寫入之後會持久化到磁盤，哪怕是rabbitmq自己掛了，恢復之後會自動讀取之前存儲的數據，一般數據不會丟。除非極其罕見的是，rabbitmq還沒持久化，自己就掛了，可能導致少量數據會丟失的，但是這個概率較小。
設置持久化有兩個步驟，第一個是創建queue的時候將其設置爲持久化的，這樣就可以保證rabbitmq持久化queue的元數據，但是不會持久化queue裏的數據；第二個是發送消息的時候將消息的deliveryMode設置爲2，就是將消息設置爲持久化的，此時rabbitmq就會將消息持久化到磁盤上去。必須要同時設置這兩個持久化纔行，rabbitmq哪怕是掛了，再次重啓，也會從磁盤上重啓恢復queue，恢復這個queue裏的數據。
而且持久化可以跟生產者那邊的confirm機制配合起來，只有消息被持久化到磁盤之後，纔會通知生產者ack了，所以哪怕是在持久化到磁盤之前，rabbitmq掛了，數據丟了，生產者收不到ack，你也是可以自己重發的。
哪怕是你給rabbitmq開啓了持久化機制，也有一種可能，就是這個消息寫到了rabbitmq中，但是還沒來得及持久化到磁盤上，結果不巧，此時rabbitmq掛了，就會導致內存裏的一點點數據會丟失。
3）消費端弄丟了數據
rabbitmq如果丟失了數據，主要是因爲你消費的時候，剛消費到，還沒處理，結果進程掛了，比如重啓了，那麼就尷尬了，rabbitmq認爲你都消費了，這數據就丟了。
這個時候得用rabbitmq提供的ack機制，簡單來說，就是你關閉rabbitmq自動ack，可以通過一個api來調用就行，然後每次你自己代碼裏確保處理完的時候，再程序裏ack一把。這樣的話，如果你還沒處理完，不就沒有ack？那rabbitmq就認爲你還沒處理完，這個時候rabbitmq會把這個消費分配給別的consumer去處理，消息是不會丟的。
（2）kafka
1）消費端弄丟了數據
唯一可能導致消費者弄丟數據的情況，就是說，你那個消費到了這個消息，然後消費者那邊自動提交了offset，讓kafka以爲你已經消費好了這個消息，其實你剛準備處理這個消息，你還沒處理，你自己就掛了，此時這條消息就丟咯。
這不是一樣麼，大家都知道kafka會自動提交offset，那麼只要關閉自動提交offset，在處理完之後自己手動提交offset，就可以保證數據不會丟。但是此時確實還是會重複消費，比如你剛處理完，還沒提交offset，結果自己掛了，此時肯定會重複消費一次，自己保證冪等性就好了。
生產環境碰到的一個問題，就是說我們的kafka消費者消費到了數據之後是寫到一個內存的queue裏先緩衝一下，結果有的時候，你剛把消息寫入內存queue，然後消費者會自動提交offset。
然後此時我們重啓了系統，就會導致內存queue裏還沒來得及處理的數據就丟失了
2）kafka弄丟了數據
這塊比較常見的一個場景，就是kafka某個broker宕機，然後重新選舉partiton的leader時。大家想想，要是此時其他的follower剛好還有些數據沒有同步，結果此時leader掛了，然後選舉某個follower成leader之後，他不就少了一些數據？這就丟了一些數據啊。
生產環境也遇到過，我們也是，之前kafka的leader機器宕機了，將follower切換爲leader之後，就會發現說這個數據就丟了
所以此時一般是要求起碼設置如下4個參數：
-
給這個topic設置replication.factor參數：這個值必須大於1，要求每個partition必須有至少2個副本
-
在kafka服務端設置min.insync.replicas參數：這個值必須大於1，這個是要求一個leader至少感知到有至少一個follower還跟自己保持聯繫，沒掉隊，這樣才能確保leader掛了還有一個follower吧
-
在producer端設置acks=all：這個是要求每條數據，必須是寫入所有replica之後，才能認爲是寫成功了
-
在producer端設置retries=MAX（很大很大很大的一個值，無限次重試的意思）：這個是要求一旦寫入失敗，就無限重試，卡在這裏了
我們生產環境就是按照上述要求配置的，這樣配置之後，至少在kafka broker端就可以保證在leader所在broker發生故障，進行leader切換時，數據不會丟失
3）生產者會不會弄丟數據
如果按照上述的思路設置了ack=all，一定不會丟，要求是，你的leader接收到消息，所有的follower都同步到了消息之後，才認爲本次寫成功了。如果沒滿足這個條件，生產者會自動不斷的重試，重試無限次。
1. 如何保證消息的順序性？
其實這個也是用MQ的時候必問的話題，第一看看你瞭解不瞭解順序這個事兒？第二看看你有沒有辦法保證消息是有順序的？這個生產系統中常見的問題。
我舉個例子，我們以前做過一個mysql binlog同步的系統，壓力還是非常大的，日同步數據要達到上億。mysql -> mysql，常見的一點在於說大數據team，就需要同步一個mysql庫過來，對公司的業務系統的數據做各種複雜的操作。
你在mysql裏增刪改一條數據，對應出來了增刪改3條binlog，接着這三條binlog發送到MQ裏面，到消費出來依次執行，起碼得保證人家是按照順序來的吧？不然本來是：增加、修改、刪除；你楞是換了順序給執行成刪除、修改、增加，不全錯了麼。
本來這個數據同步過來，應該最後這個數據被刪除了；結果你搞錯了這個順序，最後這個數據保留下來了，數據同步就出錯了。
先看看順序會錯亂的倆場景
（1）rabbitmq：一個queue，多個consumer，這不明顯亂了
（2）kafka：一個topic，一個partition，一個consumer，內部多線程，這不也明顯亂了
那如何保證消息的順序性呢？簡單簡單
（1）rabbitmq：拆分多個queue，每個queue一個consumer，就是多一些queue而已，確實是麻煩點；
或者就一個queue但是對應一個consumer，然後這個consumer內部用內存隊列做排隊，然後分發給底層不同的worker來處理
（2）kafka：一個topic，一個partition，一個consumer，內部單線程消費，寫N個內存queue，然後N個線程分別消費一個內存queue即可
如何解決消息隊列的延時以及過期失效問題？消息隊列滿了以後該怎麼處理？有幾百萬消息持續積壓幾小時，說說怎麼解決？
你看這問法，其實本質針對的場景，都是說，可能你的消費端出了問題，不消費了，或者消費的極其極其慢。接着就坑爹了，可能你的消息隊列集羣的磁盤都快寫滿了，都沒人消費，這個時候怎麼辦？或者是整個這就積壓了幾個小時，你這個時候怎麼辦？或者是你積壓的時間太長了，導致比如rabbitmq設置了消息過期時間後就沒了怎麼辦？
所以就這事兒，其實線上挺常見的，一般不出，一出就是大case，一般常見於，舉個例子，消費端每次消費之後要寫mysql，結果mysql掛了，消費端hang那兒了，不動了。或者是消費端出了個什麼叉子，導致消費速度極其慢。
關於這個事兒，我們一個一個來梳理吧，先假設一個場景，我們現在消費端出故障了，然後大量消息在mq裏積壓，現在事故了，慌了
（1）大量消息在mq裏積壓了幾個小時了還沒解決
幾千萬條數據在MQ裏積壓了七八個小時，從下午4點多，積壓到了晚上很晚，10點多，11點多
這個是我們真實遇到過的一個場景，確實是線上故障了，這個時候要不然就是修復consumer的問題，讓他恢復消費速度，然後傻傻的等待幾個小時消費完畢。這個肯定不能在面試的時候說吧。
一個消費者一秒是1000條，一秒3個消費者是3000條，一分鐘是18萬條，1000多萬條
所以如果你積壓了幾百萬到上千萬的數據，即使消費者恢復了，也需要大概1小時的時間才能恢復過來
一般這個時候，只能操作臨時緊急擴容了，具體操作步驟和思路如下：
1）先修復consumer的問題，確保其恢復消費速度，然後將現有cnosumer都停掉
2）新建一個topic，partition是原來的10倍，臨時建立好原先10倍或者20倍的queue數量
3）然後寫一個臨時的分發數據的consumer程序，這個程序部署上去消費積壓的數據，消費之後不做耗時的處理，直接均勻輪詢寫入臨時建立好的10倍數量的queue
4）接着臨時徵用10倍的機器來部署consumer，每一批consumer消費一個臨時queue的數據
5）這種做法相當於是臨時將queue資源和consumer資源擴大10倍，以正常的10倍速度來消費數據
6）等快速消費完積壓數據之後，得恢復原先部署架構，重新用原先的consumer機器來消費消息
（2）這裏我們假設再來第二個坑
假設你用的是rabbitmq，rabbitmq是可以設置過期時間的，就是TTL，如果消息在queue中積壓超過一定的時間就會被rabbitmq給清理掉，這個數據就沒了。那這就是第二個坑了。這就不是說數據會大量積壓在mq裏，而是大量的數據會直接搞丟。
這個情況下，就不是說要增加consumer消費積壓的消息，因爲實際上沒啥積壓，而是丟了大量的消息。我們可以採取一個方案，就是批量重導，這個我們之前線上也有類似的場景幹過。就是大量積壓的時候，我們當時就直接丟棄數據了，然後等過了高峯期以後，比如大家一起喝咖啡熬夜到晚上12點以後，用戶都睡覺了。
這個時候我們就開始寫程序，將丟失的那批數據，寫個臨時程序，一點一點的查出來，然後重新灌入mq裏面去，把白天丟的數據給他補回來。也只能是這樣了。
假設1萬個訂單積壓在mq裏面，沒有處理，其中1000個訂單都丟了，你只能手動寫程序把那1000個訂單給查出來，手動發到mq裏去再補一次
（3）然後我們再來假設第三個坑
如果走的方式是消息積壓在mq裏，那麼如果你很長時間都沒處理掉，此時導致mq都快寫滿了，咋辦？這個還有別的辦法嗎？沒有，誰讓你第一個方案執行的太慢了，你臨時寫程序，接入數據來消費，消費一個丟棄一個，都不要了，快速消費掉所有的消息。然後走第二個方案，到了晚上再補數據吧。
1. 如果讓你寫一個消息隊列，該如何進行架構設計啊？說一下你的思路
其實聊到這個問題，一般面試官要考察兩塊：
（1）你有沒有對某一個消息隊列做過較爲深入的原理的瞭解，或者從整體瞭解把握住一個mq的架構原理
（2）看看你的設計能力，給你一個常見的系統，就是消息隊列系統，看看你能不能從全局把握一下整體架構設計，給出一些關鍵點出來
其實回答這類問題，說白了，起碼不求你看過那技術的源碼，起碼你大概知道那個技術的基本原理，核心組成部分，基本架構構成，然後參照一些開源的技術把一個系統設計出來的思路說一下就好
比如說這個消息隊列系統，我們來從以下幾個角度來考慮一下
說實話，我一般面類似問題的時候，大部分人基本都會蒙，因爲平時從來沒有思考過類似的問題，大多數人就是平時埋頭用，從來不去思考背後的一些東西。類似的問題，我經常問的還有，如果讓你來設計一個spring框架你會怎麼做？如果讓你來設計一個dubbo框架你會怎麼做？如果讓你來設計一個mybatis框架你會怎麼做？
其實回答這類問題，說白了，起碼不求你看過那技術的源碼，起碼你大概知道那個技術的基本原理，核心組成部分，基本架構構成，然後參照一些開源的技術把一個系統設計出來的思路說一下就好
比如說這個消息隊列系統，我們來從以下幾個角度來考慮一下
（1）首先這個mq得支持可伸縮性吧，就是需要的時候快速擴容，就可以增加吞吐量和容量，那怎麼搞？設計個分佈式的系統唄，參照一下kafka的設計理念，broker -> topic -> partition，每個partition放一個機器，就存一部分數據。如果現在資源不夠了，簡單啊，給topic增加partition，然後做數據遷移，增加機器，不就可以存放更多數據，提供更高的吞吐量了？
（2）其次你得考慮一下這個mq的數據要不要落地磁盤吧？那肯定要了，落磁盤，才能保證別進程掛了數據就丟了。那落磁盤的時候怎麼落啊？順序寫，這樣就沒有磁盤隨機讀寫的尋址開銷，磁盤順序讀寫的性能是很高的，這就是kafka的思路。
2.其次你考慮一下你的mq的可用性啊？
這個事兒，具體參考我們之前可用性那個環節講解的kafka的高可用保障機制。多副本 -> leader & follower -> broker掛了重新選舉leader即可對外服務。
（4）能不能支持數據0丟失啊？可以的，參考我們之前說的那個kafka數據零丟失方案
其實一個mq肯定是很複雜的，面試官問你這個問題，其實是個開放題，他就是看看你有沒有從架構角度整體構思和設計的思維以及能力。確實這個問題可以刷掉一大批人，因爲大部分人平時不思考這些東西。
本文分享自微信公衆號 - JAVA高級架構（gaojijiagou）。
如有侵權，請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”，歡迎正在閱讀的你也加入，一起分享。