MQ消息队列的好处，作用，以及缺点

初步了解到MQ，可以简单的把MQ理解为一个蜂巢快递柜，

当众多用户买了快递，蜂巢快递柜把各个渠道的快递（顺丰，圆通，申通..）都存储起来，等用户下班了，有时间去取时，就去蜂巢快递柜拿即可

这样做有3个好处：

顺丰，圆通，申通等快递运输公司 = 各个不同的系统

蜂巢快递柜 = MQ

用户 = 需要消费信息的系统

如果没有MQ 当新增系统 发送消息的生产者和消费消息的消费者 耦合性会不会太强？

改动的东西太多~

        如果没有蜂巢~ 快递员肯定要把手上的快递一家一家挨着送货，可能还要等着用户回家才能结束完成一份投递的工作，这样会不会太费时间？

但是如果有了蜂巢 ，快递员可以开着小车车把快递都丢蜂巢里面，最多给你打个电话通知你一下，这样就完成了异步工作！

        在来临双11 ，大量快递的涌入无疑对各家快递公司造成严重的负荷，对买了许多商品的用户也是一件困难事，比如你双11买了一堆零食，衣服，洗漱品，你正在上班，这个时候快递员给你打电话让你赶紧回家把堆成小山一样的东西赶紧搬回屋里去，但是你现在没空，而且那么多东西你一次也搬不动呀，这个时候蜂巢出现了，你不仅可以抽出空闲时间取快递，你还可以分批次拿回家（MQ可以设置限流）。

 缺点：

毕竟蜂巢是第三平台嘛，总归会出现一些用户和快递运输公司的产生的矛盾，比如你不按时领快递还要给钱。。

此处引用消息中间件之-为什么要是用消息队列以及消息队列的优缺点分析_辉哥的博客-CSDN博客_为什么要使用消息队列

1.系统复杂度提高： 使用第三方平台都会有这个问题。。

（1）保证消息有没有重复消费？

分析:这个问题其实换一种问法就是，如何保证消息队列的幂等性?这个问题可以认为是消息队列领域的基本问题。换句话来说，是在考察你的设计能力，这个问题的回答可以根据具体的业务场景来答，没有固定的答案。

回答:先来说一下为什么会造成重复消费?

其实无论是那种消息队列，造成重复消费原因其实都是类似的。正常情况下，消费者在消费消息时候，消费完毕后，会发送一个确认信息给消息队列，消息队列就知道该消息被消费了，就会将该消息从消息队列中删除。只是不同的消息队列发送的确认信息形式不同,例如RabbitMQ是发送一个ACK确认消息，RocketMQ是返回一个CONSUME_SUCCESS成功标志，kafka实际上有个offset的概念，简单说一下(如果还不懂，出门找一个kafka入门到精通教程),就是每一个消息都有一个offset，kafka消费过消息后，需要提交offset，让消息队列知道自己已经消费过了。那造成重复消费的原因?，就是因为网络传输等等故障，确认信息没有传送到消息队列，导致消息队列不知道自己已经消费过该消息了，再次将该消息分发给其他的消费者。

如何解决?这个问题针对业务场景来答分以下几点

  (1)比如，你拿到这个消息做数据库的insert操作。那就容易了，给这个消息做一个唯一主键，那么就算出现重复消费的情况，就会导致主键冲突，避免数据库出现脏数据。
  (2)再比如，你拿到这个消息做redis的set的操作，那就容易了，不用解决，因为你无论set几次结果都是一样的，set操作本来就算幂等操作。
  (3)如果上面两种情况还不行，上大招。准备一个第三方介质,来做消费记录。以redis为例，给消息分配一个全局id，只要消费过该消息，将以K-V形式写入redis。那消费者开始消费前，先去redis中查询有没消费记录即可。

（2）怎么处理消息丢失的情况？

分析:我们在使用消息队列的过程中，应该做到消息不能多消费，也不能少消费。如果无法做到可靠性传输，可能给公司带来千万级别的财产损失。同样的，如果可靠性传输在使用过程中，没有考虑到，这不是给公司挖坑么，你可以拍拍屁股走了，公司损失的钱，谁承担。还是那句话，认真对待每一个项目，不要给公司挖坑。

回答:其实这个可靠性传输，每种MQ都要从三个角度来分析:生产者弄丢数据、消息队列弄丢数据、消费者弄丢数据

RabbitMQ

(1)生产者丢数据
从生产者弄丢数据这个角度来看，RabbitMQ提供transaction和/confirm/i模式来确保生产者不丢消息。
transaction机制就是说，发送消息前，开启事务(channel.txSelect())，然后发送消息，如果发送过程中出现什么异常，事物就会回滚(channel.txRollback())，如果发送成功则提交事物(channel.txCommit())。

然而缺点就是吞吐量下降了。因此，按照博主的经验，生产上用/confirm/i模式的居多。一旦channel进入/confirm/i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，rabbitMQ就会发送一个Ack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rabiitMQ没能处理该消息，则会发送一个Nack消息给你，你可以进行重试操作。处理Ack和Nack的代码如下所示:

channel.addConfirmListener(new ConfirmListener() {  

               @Override  

               public void handleNack(long deliveryTag, boolean multiple) throws IOException {  

                   System.out.println("nack: deliveryTag = "+deliveryTag+" multiple: "+multiple);  

               }  

               @Override  

               public void handleAck(long deliveryTag, boolean multiple) throws IOException {  

                   System.out.println("ack: deliveryTag = "+deliveryTag+" multiple: "+multiple);  

               }  

           });  

(2)消息队列丢数据
处理消息队列丢数据的情况，一般是开启持久化磁盘的配置。这个持久化配置可以和/confirm/i机制配合使用，你可以在消息持久化磁盘后，再给生产者发送一个Ack信号。这样，如果消息持久化磁盘之前，rabbitMQ阵亡了，那么生产者收不到Ack信号，生产者会自动重发。

那么如何持久化呢，这里顺便说一下吧，其实也很容易，就下面两步

1、将queue的持久化标识durable设置为true,则代表是一个持久的队列
2、发送消息的时候将deliveryMode=2

这样设置以后，rabbitMQ就算挂了，重启后也能恢复数据

(3)消费者丢数据
消费者丢数据一般是因为采用了自动确认消息模式。这种模式下，消费者会自动确认收到信息。这时rahbitMQ会立即将消息删除，这种情况下如果消费者出现异常而没能处理该消息，就会丢失该消息。
至于解决方案，采用手动确认消息即可。

（3）怎么保证消息传递的顺序性？

分析:其实并非所有的公司都有这种业务需求，但是还是对这个问题要有所复习。

回答:针对这个问题，通过某种算法，将需要保持先后顺序的消息放到同一个消息队列中(kafka中就是partition,rabbitMq中就是queue)。然后只用一个消费者去消费该队列。

有的人会问:那如果为了吞吐量，有多个消费者去消费怎么办？

这个问题，没有固定回答的套路。比如我们有一个微博的操作，发微博、写评论、删除微博，这三个异步操作。如果是这样一个业务场景，那只要重试就行。比如你一个消费者先执行了写评论的操作，但是这时候，微博都还没发，写评论一定是失败的，等一段时间。等另一个消费者，先执行写评论的操作后，再执行，就可以成功。

总之，针对这个问题，我的观点是保证入队有序就行，出队以后的顺序交给消费者自己去保证，没有固定套路。

2.一致性问题：

一致性问题 A 系统处理完了直接返回成功了，人都以为你这个请求就成功了；但是问题是，要是 BCD 三个系统那里，BD 两个系统写库成功了，结果 C 系统写库失败了，咋整？你这数据就不一致了。