RabbitMQ高频面试题-Toy模板网

这篇具有很好参考价值的文章主要介绍了RabbitMQ高频面试题。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

RabbitMQ的使用场景

异步发送消息（验证码、短信、邮件…）
mysql、redis、es之间的数据同步
分布式事务
削峰填谷
…

面试题：RabbitMQ如何保证消息不丢失

RabbitMQ高频面试题 消息丢失原因

生产者发送的消息未到达交换机
交换机未把消息路由到队列
mq服务器宕机，队列中的消息丢失
消费者服务宕机，未接收到消息
…

发送端消息丢失解决方案

生产者确认机制
rabbitmq提供了publisher confirm机制来避免消息发送到mq过程中丢失。返回一个结果给生产者，表示消息是否接收成功。

消息接收失败后处理方案

回调方法即时发送
记录日志
保存到数据库表定时重发，发送成功后删除表数据

交换机持久化

    @Bean
    public DirectExchange directExchange(){
        return new DirectExchange("myFanout.fanout",true,false);
    }

队列持久化

    @Bean
    public Queue simpleQueue(){
        return 
        // 使用QueueBuilder.durable创建的队列是持久化的
        QueueBuilder.durable("simpleQueue").build();
    }

消息持久化
mq默认是消息存储在内存中，开启持久化功能可以保证缓存在mq中的消息不丢失。

String message = "hello";
Message msg = MessageBuilder.withBody(message.getBytes(StandardCharsets.UTF_8)) // 设置消息体（将消息转换成byte）
               .setDeliveryMode(MessageDeliveryMode.PERSISTENT) // 将消息持久化
               .build();

消费者确认机制
rabbitmq支持消费者确认机制，消费者处理消息后向mq发送ack回执，mq收到ack后将消息删除。springAMQP则支持三种确认方式。

manual ：手动ack，需要在业务代码执行完成后，手动调用api发送ack
auto ：自动ack，有spring监听代码是否发生异常，没有异常则发送ack，有异常则发送nack。（推荐使用）
none ：关闭ack，mq假定消息者收到消息后就会处理成功，投递消息后将消息删除

我们可以利用Spring的retry机制，在消费者出现异常时利用本地重试，设置重试次数，当次数达到了以后，如果消息依然失败，将消息投递到异常交换机，交由人工处理。
RabbitMQ高频面试题

rabbitmq消息重复消费怎么解决

rabbitmq消息重复消费产生原因：

网络波动
消费者服务宕机

RabbitMQ高频面试题解决方案：

给每条消息设置一个唯一的id标识（支付id、订单号、文章id…）
幂等方案【分布式锁、数据库锁（乐观锁、悲观锁）】

**面试回答：**嗯，这个我们还真遇到过，是这样的，我们当时消费者是设置了自动确认机制，当服务还没来得及给MQ确认的时候，服务宕机了，导致服务重启之后，又消费了一次消息。这样就重复消费了。
因为我们当时处理的支付（订单|业务唯一标识)，它有一个业务的唯一标识，我们再处理消息时，先到数据库查询一下，这个数据是否存在，如果不存在，说明没有处理过，这个时候就可以正常处理这个消息了。如果已经存在这个数据了，就说明消息重复消费了，我们就不需要再消费了。

rabbitmq死信交换机（延迟队列）有了解过吗

场景：超时订单、限时优惠、定时发布…

死信交换机
当一个队列中的消息满足下列情况之一时，可以成为死信(dead letter) :

消费者使用basic.reject或 basic.nack声明消费失败，并且消息的requeue参数设置为false
消息是一个过期消息，超时无人消费
要投递的队列消息堆积满了，最早的消息可能成为死信

如果该队列配置了dead-letter-exchange属性，指定了一个交换机，那么队列中的死信就会投递到这个交换机中，而这个交换机称为死信交换机(Dead Letter Exchange，简称DLX)。

RabbitMQ高频面试题

    @Bean
    public Queue ttlQueue(){
        Map<String,Object> map = new HashMap<>();
        //设置死信队列属性
        map.put("x-dead-letter-exchange","order_exchange_delay");
        map.put("x-dead-letter-routing-key","dlx.order.get");
        map.put("x-message-ttl",5000);
        return QueueBuilder.durable("dl.queue").withArguments(map).deadLetterExchange("dl.direct").build();
    }

TTL
TTL，也就是Time-To-Live。如果一个队列中的消息TTL结束仍未消费，则会变为死信，TTL超时分为两种情况:

消息所在的队列设置了存活时间
消息本身设置了存活时间

如果这两种情况设置了TTL，那么以时间小的为准

消息堆积如何解决

什么是消息堆积？
当生产者发送消息的速度超过了消费者处理消息的速度，就会导致队列中的消息产生堆积，若队列存储的消息达到上限，那么队列外的消息就会成为死信，消息可能会被丢弃。
解决消息堆积的方案：

增加消费者服务，提高消费者处理消息的速度
在消费者服务内开启线程池加快消息处理的速度
扩大消息队列的容积，提高堆积上限

惰性队列
惰性队列的特点如下：文章来源地址https://www.toymoban.com/news/detail-467936.html

消息保存到磁盘
消费者要消费时才会从磁盘读取加载到内存,效率会降低
支持数百万的消息存储

    @Bean
    public Queue simpleQueue(){
        return 
        // 使用QueueBuilder.durable创建的队列是持久化的
        QueueBuilder.durable("simpleQueue")
        // 开启 x-queue-mode为lazy 
        .lazy()
        .build();
    }