RabbitMQ从入门到放弃

MQ的相关概念

什么是MQ？

MQ（message queue），从字面意思上看，本质是个队列，FIFO先进先出，只不过队列中存放的内容是message，还是一种跨进程的通信机制，用于上下游传递消息。在互联网架构中，MQ是一种非常常见的上下游"逻辑解耦+物理解耦"的消息通信服务。使用MQ之后，消息发送上游只需要依赖MQ，不用依赖其他服务。<!--more-->

为什么要使用MQ？

1. 流量削峰

2. 应用解耦

3. 异步处理

四大核心概念

生产者

产生数据发送消息的程序是生产者

交换机

交换机是RabbitMQ非常重要的一个组件，一方面它接受来自生产者的消息，另一方面它将消息推送到队列中。交换机必须确切知道如何处理它接受到的消息，是将这些消息推送到特定队列还是发送到多个队列，亦或者是把消息丢失，这个得由交换机类型决定

队列

队列是RabbitMQ内部使用得一种数据结构，尽管消息流经RabbitMQ和应用程序，但是它们只能存储到队列中。队列仅受主机得内存和磁盘限制的约束，本质上是一个大的消息缓冲区。许多生产者可以将消息发送到一个队列，许多消费者可以尝试从一个队列接收数据。这就是我们使用队列的方式。

消费者

消费和接受具有类似的含义，消费者大多时候是一个等待接受消息的程序。请注意生产者，消费者和消息中间件许多时候并不在同一机器上。同一个应用程序可以是生产者又可以是消费者。

 

 

Broker：接收和分发消息的应用，RabbitMQ Server就是Message Broker。

Connection：publisher/consumer和broker之间的TCP连接。

Channel：如果每一次访问RabbitMQ都建立一个Connection，在消息量大的时候建立TCP Connection的开销将是巨大，效率也比较低。Channel是在connection内部建立的逻辑连接，如果应用程序支持多线程，通常每个thread创建单独的channel进行通讯，AMQP method包含了channel id帮助客户端和message broker识别channel，所以channel之间是完全隔离的。channel作为轻量级的Connection极大减少了操作系统建立TCP connection的开销。

Exchange：message到达broker的第一站，根据分发规则，匹配查询表中的routing key，分发消息到queue中。

Hello-World初识MQ

注意上方的MQ工作原理

生产者代码

 public class Producer {
     //队列名称
     public static final String QUEUE_NAME = "hello";
 ​
     //发消息
     public static void main(String[] args) throws Exception {
         //创建一个连接工厂
         ConnectionFactory factory = new ConnectionFactory();
         //工厂IP连接虚拟机
         factory.setHost("192.168.58.129");
         //账号和密码
         factory.setUsername("root");
         factory.setPassword("250259");
         //创建连接
         Connection connection = factory.newConnection();
         //创建信道
         Channel channel = connection.createChannel();
         /**
          * 生成一个队列
          * 1.队列名称
          * 2.队列里面的消息是否持久化(磁盘/内存)
          * 3.该队列是否只提供一个消费者进行消费，是否进行消息的共享，如果是true可以供多个消费者消费
          * 4.是否自动删除 最后一个消费者断开连接后 该队列是否自动删除
          * 5.延迟消息...
          */
         channel.queueDeclare(QUEUE_NAME, true, false, false, null);
         //准备发消息
         String message = "hello world";
         /**
          * 发送一个消息
          * 1.发送到哪个交换机
          * 2.路由的key值是哪个 本次的队列名称
          * 3.其它参数信息-消息持久化
          * 4.发送消息的消息体的字节
          */
         channel.basicPublish("", QUEUE_NAME, MessageProperties.PERSISTENT_BASIC, message.getBytes());
         System.out.println("消息发送完毕");
     }
 }

消费者代码

 public class Consumer {
     //队列名称
     public static final String QUEUE_NAME = "hello";
 ​
     //接受消息
     public static void main(String[] args) throws Exception {
         //创建连接工厂
         ConnectionFactory factory = new ConnectionFactory();
         //工厂IP连接虚拟机
         factory.setHost("192.168.58.129");
         //账号和密码
         factory.setUsername("root");
         factory.setPassword("250259");
         //创建连接
         Connection connection = factory.newConnection();
         //创建信道
         Channel channel = connection.createChannel();
         /**
          * 消费者消费消息
          * 1.消费哪个队列
          * 2.消费成功之后是否要自动应答
          * 3.消费者成功消费的回调
          * 4.消费者取消消费的回调
          */
         //第三个参数
         DeliverCallback deliverCallback = (consumerTag, message) -> {
             System.out.println(new String(message.getBody()));
         };
         //第四个参数
         CancelCallback cancelCallback = (consumerTag) -> {
             System.out.println("消息消费被中断");
         };
         channel.basicConsume(QUEUE_NAME, true, deliverCallback, cancelCallback);
     }
 }

WorkQueue

因为生产者消费者都有创建连接工厂ConnectionFactory，设置IP和账号密码，创建连接factory.newConnection()，创建信道connection.createChannel()等一系列重复操作所以首先将抽取重复代码创建工具类

 /**
  * 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　连接工厂工具类
  */
 public class RabbitMqUtils {
     public static Channel getChannel() throws Exception {
         ConnectionFactory factory = new ConnectionFactory();
         factory.setHost("192.168.58.129");
         factory.setUsername("root");
         factory.setPassword("250259");
         Connection connection = factory.newConnection();
         Channel channel = connection.createChannel();
         return channel;
     }
 }

工作队列(又称任务队列)的主要思想是避免立即执行资源密集型任务，而不得不等待它完成。相反我们安排任务在之后执行。我们把任务封装为消息并将其发送到队列。在后台运行的工作进程将弹出任务并最终执行作业。当有多个工作线程时，这些工作线程将一起处理这些任务。

 

 

 /**
  * 生产者可以发送大量的消息
  */
 public class Task01 {
     public static final String QUEUE_NAME = "hello";
 ​
     public static void main(String[] args) throws Exception {
         Channel channel = RabbitMqUtils.getChannel();
         channel.queueDeclare(QUEUE_NAME, true, false, false, null);
         //从控制台当中接收信息
         Scanner scanner = new Scanner(System.in);
         while (scanner.hasNext()) {
             String message = scanner.next();
             channel.basicPublish("", QUEUE_NAME, null, message.getBytes());
             System.out.println("发送消息完成");
         }
     }
 }

这里有一个细节开启单个类的多线程

 

 

 /**
  * 这是一个工作线程相当于之前的消费者
  */
 public class Work01 {
     public static final String QUEUE_NAME = "hello";
 ​
     public static void main(String[] args) throws Exception {
         Channel channel = RabbitMqUtils.getChannel();
         //第三个参数
         DeliverCallback deliverCallback = (consumerTag, message) -> {
             System.out.println(new String(message.getBody()));
         };
         //第四个参数
         CancelCallback cancelCallback = (consumerTag) -> {
             System.out.println(consumerTag + "消费者取消消费接口回调逻辑");
         };
         System.out.println("C2等待接受消息......");
         channel.basicConsume(QUEUE_NAME, true, deliverCallback, cancelCallback);
     }
 }

消息应答

为了保证消息在发送过程中不丢失，rabbitmq 引入消息应答机制，消息应答就是:消费者在接收到消息并且处理该消息之后，告诉 rabbitmq 它已经处理了，rabbitmq 可以把该消息删除了。

自动应答

消息发送后立即被认为已经传送成功，这种模式需要在高吞吐量和数据传输安全性方面做权衡,因为这种模式如果消息在接收到之前，消费者那边出现连接或者 channel 关闭，那么消息就丢失了,当然另一方面这种模式消费者那边可以传递过载的消息，没有对传递的消息数量进行限制，当然这样有可能使得消费者这边由于接收太多还来不及处理的消息，导致这些消息的积压，最终使得内存耗尽，最终这些消费者线程被操作系统杀死，所以这种模式仅适用在消费者可以高效并以某种速率能够处理这些消息的情况下使用。

其它应答

1. Channel.basicAck(用于肯定确认) RabbitMQ 已知道该消息并且成功的处理消息，可以将其丢弃了

2. Channel.basicNack(用于否定确认)

3. Channel.basicReject(用于否定确认) 与 Channel.basicNack 相比少一个参数，不处理该消息了直接拒绝，可以将其丢弃了

肯定应答Channel.basicAck()参数解释

void basicAck(long deliveryTag, boolean multiple) throws IOException;

参数multiple批量应答的解释

true代表批量应答 channel 上未应答的消息，比如说 channel 上有传送 tag 的消息 5,6,7,8 当前 tag 是 8 那么此时5-8 的这些还未应答的消息都会被确认收到消息应答。

false代表只会应答 tag=8 的消息 5,6,7 这三个消息依然不会被确认收到消息应答

 

消息自动重新入队

如果消费者由于某些原因失去连接(其通道已关闭，连接已关闭或 TCP 连接丢失)，导致消息未发送 ACK 确认，RabbitMQ 将了解到消息未完全处理，并将对其重新排队。如果此时其他消费者可以处理，它将很快将其重新分发给另一个消费者。这样，即使某个消费者偶尔死亡，也可以确保不会丢失任何消息。

 

 

消费者代码和之前并无差异，重点在于生产者代码。

 public class Work01 {
     public static final String TASK_QUEUE_NAME = "ack_queue";
 ​
     public static void main(String[] args) throws Exception {
         Channel channel = RabbitMqUtils.getChannel();
         System.out.println("C1等待接受消息处理时间较短");
         //第三个参数
         DeliverCallback deliverCallback = (consumerTag, message) -> {
             //沉睡一秒之后手动应答
             SleepUtils.sleep(1);
             System.out.println(new String(message.getBody()));
             /**
              * 1.消息的标记 tag
              * 2.是否批量应答
              */
             channel.basicAck(message.getEnvelope().getDeliveryTag(), false);
         };
         //第四个参数
         CancelCallback cancelCallback = (consumerTag) -> {
             System.out.println(consumerTag + "消费者取消消费接口回调逻辑");
         };
         System.out.println("C1等待接受消息......");
         //取消自动应答，改为手动应答
         channel.basicConsume(TASK_QUEUE_NAME, false, deliverCallback, cancelCallback);
     }
 }

值得注意的是消费者1代码中与之前代码不同的是

1. 关闭了自动应答，即第二个参数为false

2. 成功消费之后的回调函数中进行了睡眠，此次消费者1睡眠时间较短，消费者2睡眠时间较长，在睡眠期间关闭程序以验证消息自动重新入队

临时队列

每当我们连接到 Rabbit 时，我们都需要一个全新的空队列，为此我们可以创建一个具有随机名称的队列，或者能让服务器为我们选择一个随机队列名称那就更好了。其次一旦我们断开了消费者的连接，队列将被自动删除。

String queueName = channel.queueDeclare().getQueue();

 

 

持久化

这里只讲代码层面

队列持久化

channel.queueDeclare(QUEUE_NAME, true, false, false, null)

消息持久化

channel.basicPublish("", QUEUE_NAME, MessageProperties.PERSISTENT_BASIC, message.getBytes())

将消息标记为持久化并不能完全保证不会丢失消息。尽管它告诉 RabbitMQ 将消息保存到磁盘，但是这里依然存在当消息刚准备存储在磁盘的时候 但是还没有存储完，消息还在缓存的一个间隔点。此时并没有真正写入磁盘。持久性保证并不强，需要发布确认来保证。

不公平分发

默认情况下，采用轮询分发，如果出现消费者消费速度不一致的情况轮询分发无法保证高吞吐所以我们可以设置为不公平分发

消费者代码设置channel.basicQos(1)

0轮询分发

1不公平分发

 

 

 

 

生产者分发10个消息，而消费者2只消费了一个消息，成功验证了不公平分发。

预取值

本身消息的发送就是异步发送的，所以在任何时候，channel 上肯定不止只有一个消息另外来自消费者的手动确认本质上也是异步的。因此这里就存在一个未确认的消息缓冲区，因此希望开发人员能限制此缓冲区的大小，以避免缓冲区里面无限制的未确认消息问题。这个时候就可以通过使用 basic.qos 方法设置“预取计数”值来完成的。该值定义通道上允许的未确认消息的最大数量。一旦数量达到配置的数量，RabbitMQ 将停止在通道上传递更多消息，除非至少有一个未处理的消息被确认，例如，假设在通道上有未确认的消息 5、6、7，8，并且通道的预取计数设置为 4，此时 RabbitMQ 将不会在该通道上再传递任何消息，除非至少有一个未应答的消息被 ack。比方说 tag=6 这个消息刚刚被确认 ACK，RabbitMQ 将会感知这个情况到并再发送一条消息。消息应答和 QoS 预取值对用户吞吐量有重大影响。

 

 

 //分别设置work01和work02的预取值为2和4
 channel.basicQos(2);
 channel.basicQos(4);

 

 

可以看到work02确实只消费了4条消息

 

 

发布确认

 

 

发布确认原理

生产者将信道设置成 confirm 模式，一旦信道进入 confirm 模式，所有在该信道上面发布的消息都将会被指派一个唯一的 ID(从 1 开始)，一旦消息被投递到所有匹配的队列之后，broker就会发送一个确认给生产者(包含消息的唯一 ID)，这就使得生产者知道消息已经正确到达目的队列了，如果消息和队列是可持久化的，那么确认消息会在将消息写入磁盘之后发出，broker 回传给生产者的确认消息中 delivery-tag 域包含了确认消息的序列号，此外 broker 也可以设置basic.ack 的 multiple 域，表示到这个序列号之前的所有消息都已经得到了处理。confirm 模式最大的好处在于他是异步的，一旦发布一条消息，生产者应用程序就可以在等信道返回确认的同时继续发送下一条消息，当消息最终得到确认之后，生产者应用便可以通过回调方法来处理该确认消息，如果 RabbitMQ 因为自身内部错误导致消息丢失，就会发送一条 nack 消息，生产者应用程序同样可以在回调方法中处理该 nack 消息。

发布确认模式

单个确认

这是一种简单的确认方式，它是一种同步确认发布的方式，也就是发布一个消息之后只有它被确认发布，后续的消息才能继续发布。

这种确认方式有一个最大的缺点就是:发布速度特别的慢，因为如果没有确认发布的消息就会阻塞所有后续消息的发布，这种方式最多提供每秒不超过数百条发布消息的吞吐量。当然对于某些应用程序来说这可能已经足够了。

批量确认

与单个等待确认消息相比，先发布一批消息然后一起确认可以极大地提高吞吐量，当然这种方式的缺点就是:当发生故障导致发布出现问题时，不知道是哪个消息出现问题了，我们必须将整个批处理保存在内存中，以记录重要的信息而后重新发布消息。当然这种方案仍然是同步的，也一样阻塞消息的发布。

异步确认

异步发布确认和上文发布确认原理一致

 

 

如何处理异步未确认消息

最好的解决的解决方案就是把未确认的消息放到一个基于内存的能被发布线程访问的队列，比如说用 ConcurrentSkipListMap这个队列在 confirm callbacks 与发布线程之间进行消息的传递。

三种模式代码及对比

 public class ConfirmMessage {
     //批量发消息的个数
     public static final int MESSAGE_COUNT = 1000;
 ​
     public static void main(String[] args) throws Exception {
         //单个确认发送1000条消息耗时1695ms
         //publishMessageIndividually();
         //批量发送消息，批量发布确认1000条消息耗时127ms
         //publishMessageBatch();
         //异步发布确认1000条消息耗时57ms
         publishMessageBatchAsync();
     }
 ​
     //单个确认
     public static void publishMessageIndividually() throws Exception {
         Channel channel = RabbitMqUtils.getChannel();
         String queueName = UUID.randomUUID().toString();
         //开启队列持久化
         channel.queueDeclare(queueName, true, false, false, null);
         //开启发布确认
         channel.confirmSelect();
         long start = System.currentTimeMillis();
         for (int i = 1; i <= MESSAGE_COUNT; i++) {
             String message = i + "";
             //开启消息持久化
             channel.basicPublish("", queueName, MessageProperties.PERSISTENT_BASIC, message.getBytes());
             //单个消息发布确认
             boolean flag = channel.waitForConfirms();
             if (flag) {
                 System.out.println("消息发送确认成功" + i);
             }
         }
         long end = System.currentTimeMillis();
         System.out.println("单个发送确认" + MESSAGE_COUNT + "条消息耗时" + (end - start) + "ms");
     }
 ​
     //批量发送消息，批量发布确认
     public static void publishMessageBatch() throws Exception {
         Channel channel = RabbitMqUtils.getChannel();
         String queueName = UUID.randomUUID().toString();
         //开启队列持久化
         channel.queueDeclare(queueName, true, false, false, null);
         //开启发布确认
         channel.confirmSelect();
         //批量确认大小
         int batchCount = 100;
         long start = System.currentTimeMillis();
         for (int i = 1; i <= MESSAGE_COUNT; i++) {
             String message = i + "";
             //开启消息持久化
             channel.basicPublish("", queueName, MessageProperties.PERSISTENT_BASIC, message.getBytes());
             if (i % batchCount == 0) {
                 System.out.println(channel.waitForConfirms());
             }
         }
         long end = System.currentTimeMillis();
         System.out.println("批量发送消息，批量发布确认" + MESSAGE_COUNT + "条消息耗时" + (end - start) + "ms");
     }
 ​
     //异步发布确认
     public static void publishMessageBatchAsync() throws Exception {
         Channel channel = RabbitMqUtils.getChannel();
         String queueName = UUID.randomUUID().toString();
         //开启队列持久化
         channel.queueDeclare(queueName, true, false, false, null);
         //开启发布确认
         channel.confirmSelect();
         /**
          * 线程安全的有序的哈希表，适用于高并发的情况下
          * 1.将序号与消息关联
          * 2.根据序号可以删除条数
          * 3.支持高并发
          */
         ConcurrentSkipListMap<Long, String> outstandingConfirms = new ConcurrentSkipListMap<>();
         //消息确认成功回调函数
         ConfirmCallback ackCallBack = (deliveryTag, multiple) -> {
             if (multiple) {
                 //2.删除已经确认的消息，剩下就是未确认的
                 ConcurrentNavigableMap<Long, String> confirmed = outstandingConfirms.headMap(deliveryTag);
                 confirmed.clear();
             } else {
                 outstandingConfirms.remove(deliveryTag);
             }
             System.out.println("确认消息成功" + deliveryTag);
         };
         //消息确认失败回调函数
         ConfirmCallback nackCallBack = (deliveryTag, multiple) -> {
             //3.打印一下未确认的消息
             String message = outstandingConfirms.get(deliveryTag);
 ​
             System.out.println("未确认的消息是" + message + "确认消息失败" + deliveryTag);
         };
         //准备消息的监听器
         channel.addConfirmListener(ackCallBack, nackCallBack);
         long start = System.currentTimeMillis();
         for (int i = 1; i <= MESSAGE_COUNT; i++) {
             String message = i + "";
             //开启消息持久化
             channel.basicPublish("", queueName, null, message.getBytes());
             //1.此处记录所要发送的消息，消息的总和
             outstandingConfirms.put(channel.getNextPublishSeqNo(), message);
         }
         long end = System.currentTimeMillis();
         System.out.println("异步发布确认" + MESSAGE_COUNT + "条消息耗时" + (end - start) + "ms");
     }
 }

交换机

交换机和发布订阅模式有关

概念

RabbitMQ 消息传递模型的核心思想是: 生产者生产的消息从不会直接发送到队列。相反，生产者只能将消息发送到交换机，交换机工作的内容非常简单，一方面它接收来自生产者的消息，另一方面将它们推入队列。交换机必须确切知道如何处理收到的消息。是应该把这些消息放到特定队列还是说把他们到许多队列中还是说应该丢弃它们。这就的由交换机的类型来决定。

 

 

类型

无名Exchange

channel.basicPublish("", TASK_QUEUE_NAME, null, message.getBytes());

之前能实现的原因是因为我们使用的是默认交换，我们通过空字符串(“”)进行标识。

第一个参数是交换机的名称。空字符串表示默认或无名称交换机：消息能路由发送到队列中其实是由 routingKey(bindingkey)绑定 key 指定的，如果它存在的话

 

 

什么是 bingding 呢，binding 其实是 exchange 和 queue 之间的桥梁，它告诉我们 exchange 和那个队列进行了绑定关系。比如说下面这张图告诉我们的就是 X 与 Q1 和 Q2 进行了绑定

 

 

Fanout

它是将接收到的所有消息广播到它知道的所有队列中。

在fanout类型中，routing key都是相同的。

 

 

消费者

public class ReceiveLogs01 {
    public static final String EXCHANGE_NAME = "logs";

    public static void main(String[] args) throws Exception {
        Channel channel = RabbitMqUtils.getChannel();
        //声明一个交换机
        channel.exchangeDeclare(EXCHANGE_NAME, "fanout");
        //声明一个临时队列
        String queueName = channel.queueDeclare().getQueue();
        //绑定交换机和队列
        channel.queueBind(queueName, EXCHANGE_NAME, "");
        System.out.println("ReceiveLogs01等待接受消息把接受到的消息打印到屏幕上...");
        DeliverCallback deliverCallback = (consumerTag, message) -> {
            System.out.println("ReceiveLogs01接受消息" + new String(message.getBody()));
        };
        CancelCallback cancelCallback = (consumerTag) -> {
            System.out.println("消息消费被中断");
        };
        channel.basicConsume(queueName, true, deliverCallback, cancelCallback);
    }
}

生产者

public class EmitLog {
    public static final String EXCHANGE_NAME = "logs";

    public static void main(String[] args) throws Exception {
        Channel channel = RabbitMqUtils.getChannel();
        channel.exchangeDeclare(EXCHANGE_NAME, "fanout");
        Scanner scanner = new Scanner(System.in);
        while (scanner.hasNext()) {
            String message = scanner.next();
            channel.basicPublish(EXCHANGE_NAME, "", null, message.getBytes());
            System.out.println("消息发送完毕");
        }
    }
}

Direct

Direct和Fanout的区别在于routingKey是否相同，Fanout是相同的是广播的形式，Direct是不同的是路由形式

 

 

在上面这张图中，我们可以看到 X 绑定了两个队列，绑定类型是 direct。队列 Q1 绑定键为 orange，队列 Q2 绑定键有两个:一个绑定键为 black，另一个绑定键为 green.

在这种绑定情况下，生产者发布消息到 exchange 上，绑定键为 orange 的消息会被发布到队列Q1。绑定键为 blackgreen 和的消息会被发布到队列 Q2，其他消息类型的消息将被丢弃。

消费者

public class ReceiveLogsDirect01 {
    public static final String EXCHANGE_NAME = "direct_logs";

    public static void main(String[] args) throws Exception {
        Channel channel = RabbitMqUtils.getChannel();
        //声明一个交换机
        channel.exchangeDeclare(EXCHANGE_NAME, "direct");
        //声明一个队列
        channel.queueDeclare("console", false, false, false, null);
        //绑定交换机和队列
        channel.queueBind("console", EXCHANGE_NAME, "info");
        channel.queueBind("console", EXCHANGE_NAME, "warning");
        System.out.println("ReceiveLogsDirect01等待接受消息把接受到的消息打印到屏幕上...");
        DeliverCallback deliverCallback = (consumerTag, message) -> {
            System.out.println("ReceiveLogsDirect01接受消息" + new String(message.getBody()));
        };
        CancelCallback cancelCallback = (consumerTag) -> {
            System.out.println("消息消费被中断");
        };
        channel.basicConsume("console", true, deliverCallback, cancelCallback);
    }
}

生产者

public class DirectLogs {
    public static final String EXCHANGE_NAME = "direct_logs";

    public static void main(String[] args) throws Exception {
        Channel channel = RabbitMqUtils.getChannel();
        channel.exchangeDeclare(EXCHANGE_NAME, "direct");
        Scanner scanner = new Scanner(System.in);
        while (scanner.hasNext()) {
            String message = scanner.next();
            channel.basicPublish(EXCHANGE_NAME, "info", null, message.getBytes());
            System.out.println("消息发送完毕");
        }
    }
}

我们没有使用只能进行随意广播的 fanout 交换机，而是使用了 direct 交换机，从而有能实现有选择性地接收日志。

尽管使用 direct 交换机改进了我们的系统，但是它仍然存在局限性-比方说我们想接收的日志类型有info.base 和 info.advantage，某个队列只想 info.base 的消息，那这个时候 direct 就办不到了。这个时候就只能使用 topic 类型

Topic

发送到类型是 topic 交换机的消息的 routing_key 不能随意写，必须满足一定的要求，它必须是一个单词列表，以点号分隔开。这些单词可以是任意单词，比如说："stock.usd.nyse", "nyse.vmw"这种类型的。当然这个单词列表最多不能超过 255 个字节。

在这个规则列表中，其中有两个替换符是需要注意的

• *可以代替一个单词

• #可以替代零个或多个单词

匹配实战

Q1-->绑定的是(* .orange. *)

Q2-->绑定的是(* .* .rabbit)和(lazy.#)

 

 

routingKey	结果
quick.orange.rabbit	被队列 Q1Q2 接收到
quick.orange.fox	被队列 Q1 接收到
lazy.brown.fox	被队列 Q2 接收到，虽然满足两个绑定但只被队列 Q2 接收一次
quick.brown.fox	不匹配任何绑定不会被任何队列接收到会被丢弃

代码不做演示只需要注意交换机类型和绑定关系

1. channel.exchangeDeclare(EXCHANGE_NAME, "topic");

2. channel.queueBind("Q2", EXCHANGE_NAME, "*.*.rabbit");

死信队列

 

死信，顾名思义就是无法被消费的消息，字面意思可以这样解释，一般来说，producer将消息投递到broker或者直接到queue里了，consumer从queue取出消息进行消费，但某些时候由于特定的原因queue中的某些消息无法被消费，这样的消息如果没有后续处理，就变成了死信，有死信自然就有了死信队列。

应用场景为了保证订单业务的消息数据不丢失，需要使用到RabbitMQ的死信队列机制，当消息发生异常时，将消息投入到死信队列中，比如说：用户在商城下单成功并点击去支付后指定时间内未支付自动失效。

死信来源

1. 消息TTL过期

2. 队列达到最长长度（队列已满，无法再添加数据到MQ中）

3. 消息被拒绝（basic.reject或basic.nack）并且requeue=false

 

实战

 

 

消息TTL过期

死信消费者

public class Consumer01 {
    //普通交换机
    public static final String NORMAL_EXCHANGE = "normal_exchange";
    //死信交换机
    public static final String DEAD_EXCHANGE = "dead_exchange";
    //普通队列
    public static final String NORMAL_QUEUE = "normal_queue";
    //死信队列
    public static final String DEAD_QUEUE = "dead_queue";


    public static void main(String[] args) throws Exception {
        Channel channel = RabbitMqUtils.getChannel();
        //声明普通交换机和死信交换机
        channel.exchangeDeclare(NORMAL_EXCHANGE, "direct");
        channel.exchangeDeclare(DEAD_EXCHANGE, "direct");
        //声明队列的最后一个参数，该参数是将普通队列转换为死信队列的关键
        Map<String, Object> arguments = new HashMap<>();
        //设置过期时间
        //arguments.put("x-message-ttl",100000);
        //正常队列设置为死信队列
        arguments.put("x-dead-letter-exchange", DEAD_EXCHANGE);
        //设置死信RoutingKey
        arguments.put("x-dead-letter-routing-key", "lisi");
        //声明普通队列和死信队列
        channel.queueDeclare(NORMAL_QUEUE, false, false, false, arguments);
        channel.queueDeclare(DEAD_QUEUE, false, false, false, null);
        //声明binding
        channel.queueBind(NORMAL_QUEUE, NORMAL_EXCHANGE, "zhangsan");
        channel.queueBind(DEAD_QUEUE, DEAD_EXCHANGE, "lisi");
        System.out.println("等待接受消息");
        DeliverCallback deliverCallback = (consumerTag, message) -> {
            String s = new String(message.getBody(), "UTF-8");
            channel.basicAck(message.getEnvelope().getDeliveryTag(), false);
        };
        CancelCallback cancelCallback = (consumerTag) -> {
        };
        channel.basicConsume(NORMAL_QUEUE, true, deliverCallback, cancelCallback);
    }
}

死信队列的消费者和普通消费者无异不贴出代码了，值得注意的是声明消息TTL过期有两种方法，第一种是在arguments中声明，第二种是如下代码在生产者说明

public class Producer {
    //普通交换机
    public static final String NORMAL_EXCHANGE = "normal_exchange";

    public static void main(String[] args) throws Exception {
        Channel channel = RabbitMqUtils.getChannel();
        //死信消息 设置TTL时间
        AMQP.BasicProperties properties = new AMQP.BasicProperties().builder().expiration("10000").build();
        for (int i = 1; i <= 10; i++) {
            String message = i + "";
            channel.basicPublish(NORMAL_EXCHANGE, "zhangsan", properties, message.getBytes());
        }
        System.out.println("消息发送完毕");
    }
}

为了模拟信息TTL过期的情况，我们执行如下步骤

1. 开启Consumer01的代码，常见交换机和队列

2. 关闭Consumer01的代码，模拟无法消费消息的情况让队列中消息积压直至过期

3. 开启Producer的代码

 

 

队列到达最大长度

1. 生产者去除AMQP.BasicProperties properties = new AMQP.BasicProperties().builder().expiration("10000").build()

2. 消费者Consumer01添加如下代码

//设置死信长度
//arguments.put("x-max-length", 6);

3. 开启Consumer01的代码

4. 关闭Consumer01的代码

5. 开启Producer的代码

 

 

消息被拒

1. 生产者代码与上文一致

2. 消费者Consumer01如下所示

public class Consumer01 {
    //普通交换机
    public static final String NORMAL_EXCHANGE = "normal_exchange";
    //死信交换机
    public static final String DEAD_EXCHANGE = "dead_exchange";
    //普通队列
    public static final String NORMAL_QUEUE = "normal_queue";
    //死信队列
    public static final String DEAD_QUEUE = "dead_queue";


    public static void main(String[] args) throws Exception {
        Channel channel = RabbitMqUtils.getChannel();
        //声明普通交换机和死信交换机
        channel.exchangeDeclare(NORMAL_EXCHANGE, "direct");
        channel.exchangeDeclare(DEAD_EXCHANGE, "direct");
        //声明队列的最后一个参数，该参数是将普通队列转换为死信队列的关键
        Map<String, Object> arguments = new HashMap<>();
        //正常队列设置为死信队列
        arguments.put("x-dead-letter-exchange", DEAD_EXCHANGE);
        //设置死信RoutingKey
        arguments.put("x-dead-letter-routing-key", "lisi");
        //声明普通队列和死信队列
        channel.queueDeclare(NORMAL_QUEUE, false, false, false, arguments);
        channel.queueDeclare(DEAD_QUEUE, false, false, false, null);
        //声明binding
        channel.queueBind(NORMAL_QUEUE, NORMAL_EXCHANGE, "zhangsan");
        channel.queueBind(DEAD_QUEUE, DEAD_EXCHANGE, "lisi");
        System.out.println("等待接受消息");
        DeliverCallback deliverCallback = (consumerTag, message) -> {
            String s = new String(message.getBody(), "UTF-8");
            //如果消息和ccy一致那么就拒绝
            if (s.equals("10")) {
                System.out.println("拒绝消息" + s);
                channel.basicReject(message.getEnvelope().getDeliveryTag(), false);
            } else {
                System.out.println("正常接受消息" + s);
                channel.basicAck(message.getEnvelope().getDeliveryTag(), false);
            }
        };
        CancelCallback cancelCallback = (consumerTag) -> {
        };
        channel.basicConsume(NORMAL_QUEUE, false, deliverCallback, cancelCallback);
    }
}

主要做了两个改变

1. 关闭自动应答

2. 添加了如果消息和10相同就拒绝的代码

我们正常进行生产消费后，可以发现拒绝的消息下放到了死信队列中

 

 

延迟队列

队列内部是有序的，最重要的特性就体现在它的延时属性上，延时队列中的元素是希望在指定时间到了以后或之前取出和处理，简单来说，延时队列就是用来存放需要在指定时间被处理的元素的队列。

 

 

使用场景

1. 订单在十分钟之内未支付则自动取消

2. 新创建的店铺，如果在十天内都没有上传过商品，则自动发送消息提醒。

3. 用户注册成功后，如果三天内没有登陆则进行短信提醒。

4. 用户发起退款，如果三天内没有得到处理则通知相关运营人员。

5. 预定会议后，需要在预定的时间点前十分钟通知各个与会人员参加会议

还记得我们之前所说的问题吗？

 

 

为了解决这样的问题我们采用RabbitMQ的插件实现延迟队列

在安装完插件以后我们的交换机从原来的四个多了一个x-delayed-message

 

 

原理是这样的

 

 

我们实现完代码以后就完美解决之前的问题了

 

 

总结

延时队列在需要延时处理的场景下非常有用，使用 RabbitMQ 来实现延时队列可以很好的利用RabbitMQ 的特性，如：消息可靠发送、消息可靠投递、死信队列来保障消息至少被消费一次以及未被正确处理的消息不会被丢弃。另外，通过 RabbitMQ 集群的特性，可以很好的解决单点故障问题，不会因为单个节点挂掉导致延时队列不可用或者消息丢失。

当然，延时队列还有很多其它选择，比如利用 Java 的 DelayQueue，利用 Redis 的 zset，利用 Quartz或者利用 kafka 的时间轮，这些方式各有特点,看需要适用的场景

发布确认高级

在生产环境中由于一些不明原因，导致 rabbitmq 重启，在 RabbitMQ 重启期间生产者消息投递失败，导致消息丢失，需要手动处理和恢复。于是，我们开始思考，如何才能进行 RabbitMQ 的消息可靠投递呢？特别是在这样比较极端的情况，RabbitMQ 集群不可用的时候，无法投递的消息该如何处理呢？

我们首先搞定一件事，消息在哪个阶段丢失？我们至少要知道消息是什么？

交换机确认——回调函数

这种情况下假设生产者发送消息给交换机失败会触发回调函数

队列确认——回退函数

在仅开启了生产者确认机制的情况下，交换机接收到消息后，会直接给消息生产者发送确认消息，如果发现该消息不可路由，那么消息会被直接丢弃，此时生产者是不知道消息被丢弃这个事件的。那么如何让无法被路由的消息帮我想办法处理一下？通过设置回退函数参数可以在当消息传递过程中不可达目的地时将消息返回给生产者。

备份交换机

 

 

有了 mandatory 参数和回退消息，我们获得了对无法投递消息的感知能力，有机会在生产者的消息无法被投递时发现并处理。但有时候，我们并不知道该如何处理这些无法路由的消息，最多打个日志，然后触发报警，再来手动处理。而通过日志来处理这些无法路由的消息是很不优雅的做法，特别是当生产者所在的服务有多台机器的时候，手动复制日志会更加麻烦而且容易出错。而且设置 mandatory 参数会增加生产者的复杂性，需要添加处理这些被退回的消息的逻辑。如果既不想丢失消息，又不想增加生产者的复杂性，该怎么做呢？前面在设置死信队列的文章中，我们提到，可以为队列设置死信交换机来存储那些处理失败的消息，可是这些不可路由消息根本没有机会进入到队列，因此无法使用死信队列来保存消息。在 RabbitMQ 中，有一种备份交换机的机制存在，可以很好的应对这个问题。什么是备份交换机呢？备份交换机可以理解为 RabbitMQ 中交换机的“备胎”，当我们为某一个交换机声明一个对应的备份交换机时，就是为它创建一个备胎，当交换机接收到一条不可路由消息时，将会把这条消息转发到备份交换机中，由备份交换机来进行转发和处理，通常备份交换机的类型为 Fanout ，这样就能把所有消息都投递到与其绑定的队列中，然后我们在备份交换机下绑定一个队列，这样所有那些原交换机无法被路由的消息，就会都进入这个队列了。当然，我们还可以建立一个报警队列，用独立的消费者来进行监测和报警。

幂等性

概念

用户对于同一操作发起的一次请求或者多次请求的结果是一致的，不会因为多次点击而产生了副作用。举个最简单的例子，那就是支付，用户购买商品后支付，支付扣款成功，但是返回结果的时候网络异常，此时钱已经扣了，用户再次点击按钮，此时会进行第二次扣款，返回结果成功，用户查询余额发现多扣钱了，流水记录也变成了两条。在以前的单应用系统中，我们只需要把数据操作放入事务中即可，发生错误立即回滚，但是再响应客户端的时候也有可能出现网络中断或者异常等等。

消息重复消费

消费者在消费 MQ 中的消息时，MQ 已把消息发送给消费者，消费者在给 MQ 返回 ack 时网络中断，故 MQ 未收到确认信息，该条消息会重新发给其他的消费者，或者在网络重连后再次发送给该消费者，但实际上该消费者已成功消费了该条消息，造成消费者消费了重复的消息。

解决思路

MQ 消费者的幂等性的解决一般使用全局 ID 或者写个唯一标识比如时间戳 或者 UUID 或者订单消费者消费 MQ 中的消息也可利用 MQ 的该 id 来判断，或者可按自己的规则生成一个全局唯一 id，每次消费消息时用该 id 先判断该消息是否已消费过。

消费端的幂等性保障

在海量订单生成的业务高峰期，生产端有可能就会重复发生了消息，这时候消费端就要实现幂等性，这就意味着我们的消息永远不会被消费多次，即使我们收到了一样的消息。业界主流的幂等性有两种操作:a.唯一 ID+指纹码机制,利用数据库主键去重, b.利用 redis 的原子性去实现。

唯一 ID+指纹码机制

指纹码:我们的一些规则或者时间戳加别的服务给到的唯一信息码,它并不一定是我们系统生成的，基本都是由我们的业务规则拼接而来，但是一定要保证唯一性，然后就利用查询语句进行判断这个 id 是否存在数据库中,优势就是实现简单就一个拼接，然后查询判断是否重复；劣势就是在高并发时，如果是单个数据库就会有写入性能瓶颈当然也可以采用分库分表提升性能，但也不是我们最推荐的方式。

Redis 原子性

利用 redis 执行 setnx 命令，天然具有幂等性。从而实现不重复消费。

优先级队列

使用场景

在我们系统中有一个订单催付的场景，我们的客户在天猫下的订单,淘宝会及时将订单推送给我们，如果在用户设定的时间内未付款那么就会给用户推送一条短信提醒，很简单的一个功能对吧，但是，tmall商家对我们来说，肯定是要分大客户和小客户的对吧，比如像苹果，小米这样大商家一年起码能给我们创造很大的利润，所以理应当然，他们的订单必须得到优先处理，而曾经我们的后端系统是使用 redis 来存放的定时轮询，大家都知道 redis 只能用 List 做一个简简单单的消息队列，并不能实现一个优先级的场景，所以订单量大了后采用 RabbitMQ 进行改造和优化,如果发现是大客户的订单给一个相对比较高的优先级，否则就是默认优先级。

惰性队列

惰性队列会尽可能的将消息存入磁盘中，而在消费者消费到相应的消息时才会被加载到内存中，它的一个重要的设计目标是能够支持更长的队列，即支持更多的消息存储。当消费者由于各种各样的原因(比如消费者下线、宕机亦或者是由于维护而关闭等)而致使长时间内不能消费消息造成堆积时，惰性队列就很有必要了。默认情况下，当生产者将消息发送到 RabbitMQ 的时候，队列中的消息会尽可能的存储在内存之中，这样可以更加快速的将消息发送给消费者。即使是持久化的消息，在被写入磁盘的同时也会在内存中驻留一份备份。

RabbitMQ集群

 

 

Docker搭建RabbitMQ集群

 

 

镜像队列

如果 RabbitMQ 集群中只有一个 Broker 节点，那么该节点的失效将导致整体服务的临时性不可用，并且也可能会导致消息的丢失。可以将所有消息都设置为持久化，并且对应队列的durable属性也设置为true，但是这样仍然无法避免由于缓存导致的问题：因为消息在发送之后和被写入磁盘井执行刷盘动作之间存在一个短暂却会产生问题的时间窗。通过发布确认机制能够确保客户端知道哪些消息己经存入磁盘，尽管如此，一般不希望遇到因单点故障导致的服务不可用引入镜像队列(Mirror Queue)的机制，可以将队列镜像到集群中的其他 Broker 节点之上，如果集群中的一个节点失效了，队列能自动地切换到镜像中的另一个节点上以保证服务的可用性。

 

 

Haproxy+Keepalive实现高可用负载均衡

 

 

Haproxy 实现负载均衡

HAProxy 提供高可用性、负载均衡及基于 TCP/HTTP 应用的代理，支持虚拟主机，它是免费、快速并且可靠的一种解决方案。HAProxy 实现了一种事件驱动、单一进程模型，此模型支持非常大的井发连接数。

Keepalived 实现双机(主备)热备

试想如果前面配置的 HAProxy 主机突然宕机或者网卡失效，那么虽然 RbbitMQ 集群没有任何故障但是对于外界的客户端来说所有的连接都会被断开结果将是灾难性的为了确保负载均衡服务的可靠性同样显得十分重要，这里就要引入 Keepalived 它能够通过自身健康检查、资源接管功能做高可用(双机热备)，实现故障转移。

Federation Exchange

(broker 北京)，(broker 深圳)彼此之间相距甚远，网络延迟是一个不得不面对的问题。有一个在北京的业务(Client 北京) 需要连接(broker 北京)，向其中的交换器 exchangeA 发送消息，此时的网络延迟很小，(Client 北京)可以迅速将消息发送至 exchangeA 中，就算在开启了 publisherconfirm 机制或者事务机制的情况下，也可以迅速收到确认信息。此时又有个在深圳的业务(Client 深圳)需要向 exchangeA 发送消息，那么(Client 深圳) (broker 北京)之间有很大的网络延迟，(Client 深圳) 将发送消息至 exchangeA 会经历一定的延迟，尤其是在开启了 publisherconfirm 机制或者事务机制的情况下，(Client 深圳) 会等待很长的延迟时间来接收(broker 北京)的确认信息，进而必然造成这条发送线程的性能降低，甚至造成一定程度上的阻塞。

将业务(Client 深圳)部署到北京的机房可以解决这个问题，但是如果(Client 深圳)调用的另些服务都部署在深圳，那么又会引发新的时延问题，总不见得将所有业务全部部署在一个机房，那么容灾又何以实现？这里使用 Federation 插件就可以很好地解决这个问题.

Federation Queue

联邦队列可以在多个 Broker 节点(或者集群)之间为单个队列提供均衡负载的功能。一个联邦队列可以连接一个或者多个上游队列(upstream queue)，并从这些上游队列中获取消息以满足本地消费者消费消息的需求。

Shovel

Federation 具备的数据转发功能类似，Shovel 够可靠、持续地从一个 Broker 中的队列(作为源端，即source)拉取数据并转发至另一个 Broker 中的交换器(作为目的端，即 destination)。作为源端的队列和作为目的端的交换器可以同时位于同一个 Broker，也可以位于不同的 Broker 上。

 

 

__EOF__

本文作者：双双
本文链接：https://www.cnblogs.com/ccywmbc/p/16380634.html
关于博主：评论和私信会在第一时间回复。或者直接私信我。
版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力！