面试：据说你用过MQ，能具体说说吗？

点击上方Java学习指南关注公众号

天天阅读Java干货文章

为何使用消息队列？消息队列的优势和缺点？kafka、activemq、rabbitmq、rocketmq都有什么优缺点？

面试官角度分析：

（1）你知不知道大家系统里为何要用消息队列这个东西？

（2）既然用了消息队列这个东西，你知不知道用了有什么好处？

（3）既然你用了MQ，那么当时为何选用这一款MQ？

1. 为何使用消息队列？

面试官问这个问题的指望之一的回答是，大家公司有什么业务场景，这个业务场景有什么技术挑战，若是不用MQ可能会很麻烦，可是再用了以后带来了不少好处。

消息队列的常见使用场景有不少可是核心的有三个：解耦、异步、削峰

解耦

场景描述：A系统发送个数据到BCD三个系统，接口调用发送，那若是E系统也要这个数据呢？那若是C系统如今不须要了呢？如今A系统又要发送第二种数据了呢？A系统负责人崩溃中...再来点崩溃的事儿，A系统要时时刻刻考虑BCDE四个系统若是挂了怎么办？那我要不要重发？我要不要把消息存起来？头发都白了啊...

使用了MQ以后的解耦场景

面试技巧：你须要考虑下，你负责的系统中是否有相似的场景，就是一个系统或者一个模块，调用了多个系统或者模块，相互之间的调用很复杂，维护起来很麻烦。可是其实这个调用是不须要直接同步调用接口的，若是MQ给他异步化解耦也是能够的，你就须要去考虑在你的项目里是否是能够运用这个MQ去进行系统解耦 。

异步

场景描述：系统A接受一个请求，须要在本身本地写库，还须要在系统BCD三个系统写库，本身本地写库须要3ms。BCD分别须要300ms、450ms、200ms。最终总好时长：953ms，接近1s。给用户的体验感受一点也很差。

不用MQ的同步高延时请求场景

使用MQ异步化以后的接口性能优化

削峰

场景描述：天天 0 点到 11 点，系统A风平浪静，每秒并发请求数量就 100 个。结果每一一到11点到1点，每秒并发请求数量就会暴增大1万条 。可是系统最大的处理能力就只能每秒钟处理1000个请求。往期面试题汇总：001期~150期汇总

没有用MQ的时候高峰期系统被打死的场景

使用MQ来进行削峰的场景

2. 消息队列的有点和缺点？

优势：特殊场景下解耦、异步、削峰。

缺点：

系统可用性下降：系统引入的外部依赖越多，越容易挂掉，原本你就是A系统调用BCD三个系统的接口就行了，人ABCD四个系统好好的没什么问题，你偏加个MQ进来，万一MQ挂了怎么办，整套系统崩溃了，就完蛋了

系统复杂性提升：硬生生加个MQ进来，你怎么保证消息没有重复消费？怎么处理消息丢失的状况？怎么保证消息传递的顺序性？

一致性问题：系统A处理完了直接返回成功了，人家都认为你这个请求成功了；但问题是，要是BCD三个系统哪里BD系统成功了，结果C系统写库失败了，咋整？数据就不一致了，

因此消息队列是一种很是复杂的架构，引入它有不少好处，可是也得针对他带来的坏处作各类额外的技术方案和架构来规避掉。作好以后你会发现系统复杂度提高了一个数量积，可是关键时刻，用，仍是要用的。

3. kafka、activemq、rabbitmq、rocketmq都有什么优缺点？

特性	ActiveMQ	RabbitMQ	RocketMQ	Kafka
单机吞吐量	万级，吞吐量比RocketMQ和Kafka要低了一个数量级	万级，吞吐量比RocketMQ和Kafka要低了一个数量级	10万级，RocketMQ也是能够支撑高吞吐的一种MQ	10万级别，这是kafka最大的优势，就是吞吐量高。   通常配合大数据类的系统来进行实时数据计算、日志采集等场景
topic数量对吞吐量的影响			topic能够达到几百，几千个的级别，吞吐量会有较小幅度的降低 这是RocketMQ的一大优点，在同等机器下，能够支撑大量的topic	topic从几十个到几百个的时候，吞吐量会大幅度降低 因此在同等机器下，kafka尽可能保证topic数量不要过多。若是要支撑大规模topic，须要增长更多的机器资源
时效性	ms级	微秒级，这是rabbitmq的一大特色，延迟是最低的	ms级	延迟在ms级之内
可用性	高，基于主从架构实现高可用性	高，基于主从架构实现高可用性	很是高，分布式架构	很是高，kafka是分布式的，一个数据多个副本，少数机器宕机，不会丢失数据，不会致使不可用
消息可靠性	有较低的几率丢失数据		通过参数优化配置，能够作到0丢失	通过参数优化配置，消息能够作到0丢失
功能支持	MQ领域的功能极其完备	基于erlang开发，因此并发能力很强，性能极其好，延时很低	MQ功能较为完善，仍是分布式的，扩展性好	功能较为简单，主要支持简单的MQ功能，在大数据领域的实时计算以及日志采集被大规模使用，是事实上的标准
优劣势总结	很是成熟，功能强大，在业内大量的公司以及项目中都有应用   偶尔会有较低几率丢失消息   并且如今社区以及国内应用都愈来愈少，官方社区如今对ActiveMQ 5.x维护愈来愈少，几个月才发布一个版本   并且确实主要是基于解耦和异步来用的，较少在大规模吞吐的场景中使用	erlang语言开发，性能极其好，延时很低； 吞吐量到万级，MQ功能比较完备 并且开源提供的管理界面很是棒，用起来很好用 社区相对比较活跃，几乎每月都发布几个版本分 在国内一些互联网公司近几年用rabbitmq也比较多一些 可是问题也是显而易见的，RabbitMQ确实吞吐量会低一些，这是由于他作的实现机制比较重。 并且erlang开发，国内有几个公司有实力作erlang源码级别的研究和定制？若是说你没这个实力的话，确实偶尔会有一些问题，你很难去看懂源码，你公司对这个东西的掌控很弱，基本职能依赖于开源社区的快速维护和修复bug。 并且rabbitmq集群动态扩展会很麻烦，不过这个我以为还好。其实主要是erlang语言自己带来的问题。很难读源码，很难定制和掌控。	接口简单易用，并且毕竟在阿里大规模应用过，有阿里品牌保障 日处理消息上百亿之多，能够作到大规模吞吐，性能也很是好，分布式扩展也很方便，社区维护还能够，可靠性和可用性都是ok的，还能够支撑大规模的topic数量，支持复杂MQ业务场景 并且一个很大的优点在于，阿里出品都是java系的，咱们能够本身阅读源码，定制本身公司的MQ，能够掌控 社区活跃度相对较为通常，不过也还能够，文档相对来讲简单一些，而后接口这块不是按照标准JMS规范走的有些系统要迁移须要修改大量代码 还有就是阿里出台的技术，你得作好这个技术万一被抛弃，社区黄掉的风险，那若是大家公司有技术实力我以为用RocketMQ挺好的	kafka的特色其实很明显，就是仅仅提供较少的核心功能，可是提供超高的吞吐量，ms级的延迟，极高的可用性以及可靠性，并且分布式能够任意扩展   同时kafka最好是支撑较少的topic数量便可，保证其超高吞吐量   并且kafka惟一的一点劣势是有可能消息重复消费，那么对数据准确性会形成极其轻微的影响，在大数据领域中以及日志采集中，这点轻微影响能够忽略   这个特性自然适合大数据实时计算以及日志收集

1. 引入消息队列以后如何保证其高可用性?

（1）RabbitMQ的高可用性

RabbitMQ是比较有表明性的，由于是基于主从作高可用性的，咱们就以他为例子讲解第一种MQ的高可用性怎么实现。

rabbitmq有三种模式：单机模式，普通集群模式，镜像集群模式

（1.1） 单机模式

就是demo级别的，通常就是你本地启动了玩玩儿的，没人生产用单机模式

（1.2）普通集群模式

意思就是在多台机器上启动多个rabbitmq实例，每一个机器启动一个。可是你建立的queue，只会放在一个rabbtimq实例上，可是每一个实例都同步queue的元数据。完了你消费的时候，实际上若是链接到了另一个实例，那么那个实例会从queue所在实例上拉取数据过来。

这种方式确实很麻烦，也不怎么好，没作到所谓的分布式，就是个普通集群。由于这致使你要么消费者每次随机链接一个实例而后拉取数据，要么固定链接那个queue所在实例消费数据，前者有数据拉取的开销，后者致使单实例性能瓶颈。

往期面试题汇总：001期~150期汇总

并且若是那个放queue的实例宕机了，会致使接下来其余实例就没法从那个实例拉取，若是你开启了消息持久化，让rabbitmq落地存储消息的话，消息不必定会丢，得等这个实例恢复了，而后才能够继续从这个queue拉取数据。

因此这个事儿就比较尴尬了，这就没有什么所谓的高可用性可言了，这方案主要是提升吞吐量的，就是说让集群中多个节点来服务某个queue的读写操做。

（1.3）镜像集群模式

这种模式，才是所谓的rabbitmq的高可用模式，跟普通集群模式不同的是，你建立的queue，不管元数据仍是queue里的消息都会存在于多个实例上，而后每次你写消息到queue的时候，都会自动把消息到多个实例的queue里进行消息同步。

这样的话，好处在于，你任何一个机器宕机了，没事儿，别的机器均可以用。坏处在于，第一，这个性能开销也太大了吧，消息同步全部机器，致使网络带宽压力和消耗很重！第二，这么玩儿，就没有扩展性可言了，若是某个queue负载很重，你加机器，新增的机器也包含了这个queue的全部数据，并无办法线性扩展你的queue

那么怎么开启这个镜像集群模式呢？我这里简单说一下，避免面试人家问你你不知道，其实很简单rabbitmq有很好的管理控制台，就是在后台新增一个策略，这个策略是镜像集群模式的策略，指定的时候能够要求数据同步到全部节点的，也能够要求就同步到指定数量的节点，而后你再次建立queue的时候，应用这个策略，就会自动将数据同步到其余的节点上去了。

（2）kafka的高可用性

kafka一个最基本的架构认识：多个broker组成，每一个broker是一个节点；你建立一个topic，这个topic能够划分为多个partition，每一个partition能够存在于不一样的broker上，每一个partition就放一部分数据。

这就是自然的分布式消息队列，就是说一个topic的数据，是分散放在多个机器上的，每一个机器就放一部分数据。

实际上rabbitmq之类的，并非分布式消息队列，他就是传统的消息队列，只不过提供了一些集群、HA的机制而已，由于不管怎么玩儿，rabbitmq一个queue的数据都是放在一个节点里的，镜像集群下，也是每一个节点都放这个queue的完整数据。

kafka 0.8之前，是没有HA机制的，就是任何一个broker宕机了，那个broker上的partition就废了，无法写也无法读，没有什么高可用性可言。

kafka 0.8之后，提供了HA机制，就是replica副本机制。每一个partition的数据都会同步到吉他机器上，造成本身的多个replica副本。而后全部replica会选举一个leader出来，那么生产和消费都跟这个leader打交道，而后其余replica就是follower。写的时候，leader会负责把数据同步到全部follower上去，读的时候就直接读leader上数据便可。只能读写leader？很简单，要是你能够随意读写每一个follower，那么就要care数据一致性的问题，系统复杂度过高，很容易出问题。kafka会均匀的将一个partition的全部replica分布在不一样的机器上，这样才能够提升容错性。

这么搞，就有所谓的高可用性了，由于若是某个broker宕机了，没事儿，那个broker上面的partition在其余机器上都有副本的，若是这上面有某个partition的leader，那么此时会从新选举一个新的leader出来，你们继续读写那个新的leader便可。这就有所谓的高可用性了。

写数据的时候，生产者就写leader，而后leader将数据落地写本地磁盘，接着其余follower本身主动从leader来pull数据。一旦全部follower同步好数据了，就会发送ack给leader，leader收到全部follower的ack以后，就会返回写成功的消息给生产者。（固然，这只是其中一种模式，还能够适当调整这个行为）

消费的时候，只会从leader去读，可是只有一个消息已经被全部follower都同步成功返回ack的时候，这个消息才会被消费者读到。

实际上这块机制，讲深了，是能够很是之深刻的，可是我仍是回到咱们这个课程的主题和定位，聚焦面试，至少你听到这里大体明白了kafka是如何保证高可用机制的了，对吧？不至于一无所知，现场还能给面试官画画图。要赶上面试官确实是kafka高手，深挖了问，那你只能说很差意思，太深刻的你没研究过。

可是你们必定要明白，这个事情是要权衡的，你如今是要快速突击常见面试题体系，而不是要深刻学习kafka，要深刻学习kafka，你是没那么多时间的。你只能确保，你以前也许压根儿不知道这块，可是如今你知道了，面试被问到，你大概能够说一说。而后不少其余的候选人，也许还不如你，没看过这个，被问到了压根儿答不出来，相比之下，你还能说点出来，大概就是这个意思了。

2. 如何保证消息不被重复消费（如何保证消息消费时的幂等性）？

其实这个很常见的一个问题，这俩问题基本能够连起来问。既然是消费消息，那确定要考虑考虑会不会重复消费？能不能避免重复消费？或者重复消费了也别形成系统异常能够吗？这个是MQ领域的基本问题，其实本质上仍是问你使用消息队列如何保证幂等性，这个是你架构里要考虑的一个问题。

首先就是好比rabbitmq、rocketmq、kafka，都有可能会出现消费重复消费的问题，正常。由于这问题一般不是mq本身保证的，是给你保证的。而后咱们挑一个kafka来举个例子，说说怎么重复消费吧。

kafka实际上有个offset的概念，就是每一个消息写进去，都有一个offset，表明他的序号，而后consumer消费了数据以后，每隔一段时间，会把本身消费过的消息的offset提交一下，表明我已经消费过了，下次我要是重启啥的，你就让我继续从上次消费到的offset来继续消费吧。

可是凡事总有意外，好比咱们以前生产常常遇到的，就是你有时候重启系统，看你怎么重启了，若是碰到点着急的，直接kill进程了，再重启。这会致使consumer有些消息处理了，可是没来得及提交offset，尴尬了。重启以后，少数消息会再次消费一次。

其实重复消费不可怕，可怕的是你没考虑到重复消费以后，怎么保证幂等性。

给你举个例子吧。假设你有个系统，消费一条往数据库里插入一条，要是你一个消息重复两次，你不就插入了两条，这数据不就错了？可是你要是消费到第二次的时候，本身判断一下已经消费过了，直接扔了，不就保留了一条数据？

一条数据重复出现两次，数据库里就只有一条数据，这就保证了系统的幂等性

幂等性，我通俗点说，就一个数据，或者一个请求，给你重复来屡次，你得确保对应的数据是不会改变的，不能出错。

那因此第二个问题来了，怎么保证消息队列消费的幂等性？

其实仍是得结合业务来思考，我这里给几个思路：

（1）好比你拿个数据要写库，你先根据主键查一下，若是这数据都有了，你就别插入了，update一下好吧

（2）好比你是写redis，那没问题了，反正每次都是set，自然幂等性

（3）好比你不是上面两个场景，那作的稍微复杂一点，你须要让生产者发送每条数据的时候，里面加一个全局惟一的id，相似订单id之类的东西，而后你这里消费到了以后，先根据这个id去好比redis里查一下，以前消费过吗？若是没有消费过，你就处理，而后这个id写redis。若是消费过了，那你就别处理了，保证别重复处理相同的消息便可。

还有好比基于数据库的惟一键来保证重复数据不会重复插入多条，咱们以前线上系统就有这个问题，就是拿到数据的时候，每次重启可能会有重复，由于kafka消费者还没来得及提交offset，重复数据拿到了之后咱们插入的时候，由于有惟一键约束了，因此重复数据只会插入报错，不会致使数据库中出现脏数据

如何保证MQ的消费是幂等性的，须要结合具体的业务来看

如何保证消息的幂等性

3. 如何保证消息的可靠传输（如何处理消息丢失的问题）？

这个是确定的，用mq有个基本原则，就是数据不能多一条，也不能少一条，不能多，就是刚才说的重复消费和幂等性问题。不能少，就是说这数据别搞丢了。那这个问题你必须得考虑一下。

若是说你这个是用mq来传递很是核心的消息，好比说计费，扣费的一些消息，由于我之前设计和研发过一个公司很是核心的广告平台，计费系统，计费系统是很重的一个业务，操做是很耗时的。因此说广告系统总体的架构里面，其实是将计费作成异步化的，而后中间就是加了一个MQ。

咱们当时为了确保说这个MQ传递过程当中绝对不会把计费消息给弄丢，花了不少的精力。广告主投放了一个广告，明明说好了，用户点击一次扣费1块钱。结果要是用户动不动点击了一次，扣费的时候搞的消息丢了，咱们公司就会不断的少几块钱，几块钱，聚沙成塔，这个就对公司是一个很大的损失。

面试题剖析

这个丢数据，mq通常分为两种，要么是mq本身弄丢了，要么是咱们消费的时候弄丢了。我们从rabbitmq和kafka分别来分析一下

rabbitmq这种mq，通常来讲都是承载公司的核心业务的，数据是绝对不能弄丢的

RabbitMQ可能存在的数据丢失问题

（1）rabbitmq

1）生产者弄丢了数据

生产者将数据发送到rabbitmq的时候，可能数据就在半路给搞丢了，由于网络啥的问题，都有可能。

此时能够选择用rabbitmq提供的事务功能，就是生产者发送数据以前开启rabbitmq事务（channel.txSelect），而后发送消息，若是消息没有成功被rabbitmq接收到，那么生产者会收到异常报错，此时就能够回滚事务（channel.txRollback），而后重试发送消息；若是收到了消息，那么能够提交事务（channel.txCommit）。可是问题是，rabbitmq事务机制一搞，基本上吞吐量会下来，由于太耗性能。

因此通常来讲，若是你要确保说写rabbitmq的消息别丢，能够开启confirm模式，在生产者那里设置开启confirm模式以后，你每次写的消息都会分配一个惟一的id，而后若是写入了rabbitmq中，rabbitmq会给你回传一个ack消息，告诉你说这个消息ok了。若是rabbitmq没能处理这个消息，会回调你一个nack接口，告诉你这个消息接收失败，你能够重试。并且你能够结合这个机制本身在内存里维护每一个消息id的状态，若是超过必定时间还没接收到这个消息的回调，那么你能够重发。

事务机制和cnofirm机制最大的不一样在于，事务机制是同步的，你提交一个事务以后会阻塞在那儿，可是confirm机制是异步的，你发送个消息以后就能够发送下一个消息，而后那个消息rabbitmq接收了以后会异步回调你一个接口通知你这个消息接收到了。

因此通常在生产者这块避免数据丢失，都是用confirm机制的。

2）rabbitmq弄丢了数据

就是rabbitmq本身弄丢了数据，这个你必须开启rabbitmq的持久化，就是消息写入以后会持久化到磁盘，哪怕是rabbitmq本身挂了，恢复以后会自动读取以前存储的数据，通常数据不会丢。除非极其罕见的是，rabbitmq还没持久化，本身就挂了，可能致使少许数据会丢失的，可是这个几率较小。

设置持久化有两个步骤，第一个是建立queue的时候将其设置为持久化的，这样就能够保证rabbitmq持久化queue的元数据，可是不会持久化queue里的数据；第二个是发送消息的时候将消息的deliveryMode设置为2，就是将消息设置为持久化的，此时rabbitmq就会将消息持久化到磁盘上去。必需要同时设置这两个持久化才行，rabbitmq哪怕是挂了，再次重启，也会从磁盘上重启恢复queue，恢复这个queue里的数据。

并且持久化能够跟生产者那边的confirm机制配合起来，只有消息被持久化到磁盘以后，才会通知生产者ack了，因此哪怕是在持久化到磁盘以前，rabbitmq挂了，数据丢了，生产者收不到ack，你也是能够本身重发的。

哪怕是你给rabbitmq开启了持久化机制，也有一种可能，就是这个消息写到了rabbitmq中，可是还没来得及持久化到磁盘上，结果不巧，此时rabbitmq挂了，就会致使内存里的一点点数据会丢失。

3）消费端弄丢了数据

rabbitmq若是丢失了数据，主要是由于你消费的时候，刚消费到，还没处理，结果进程挂了，好比重启了，那么就尴尬了，rabbitmq认为你都消费了，这数据就丢了。

这个时候得用rabbitmq提供的ack机制，简单来讲，就是你关闭rabbitmq自动ack，能够经过一个api来调用就行，而后每次你本身代码里确保处理完的时候，再程序里ack一把。这样的话，若是你还没处理完，不就没有ack？那rabbitmq就认为你还没处理完，这个时候rabbitmq会把这个消费分配给别的consumer去处理，消息是不会丢的。

往期面试题汇总：001期~150期汇总

（2）kafka

1）消费端弄丢了数据

惟一可能致使消费者弄丢数据的状况，就是说，你那个消费到了这个消息，而后消费者那边自动提交了offset，让kafka觉得你已经消费好了这个消息，其实你刚准备处理这个消息，你还没处理，你本身就挂了，此时这条消息就丢咯。

这不是同样么，你们都知道kafka会自动提交offset，那么只要关闭自动提交offset，在处理完以后本身手动提交offset，就能够保证数据不会丢。可是此时确实仍是会重复消费，好比你刚处理完，还没提交offset，结果本身挂了，此时确定会重复消费一次，本身保证幂等性就行了。

生产环境碰到的一个问题，就是说咱们的kafka消费者消费到了数据以后是写到一个内存的queue里先缓冲一下，结果有的时候，你刚把消息写入内存queue，而后消费者会自动提交offset。

而后此时咱们重启了系统，就会致使内存queue里还没来得及处理的数据就丢失了

2）kafka弄丢了数据

这块比较常见的一个场景，就是kafka某个broker宕机，而后从新选举partiton的leader时。你们想一想，要是此时其余的follower恰好还有些数据没有同步，结果此时leader挂了，而后选举某个follower成leader以后，他不就少了一些数据？这就丢了一些数据啊。

生产环境也遇到过，咱们也是，以前kafka的leader机器宕机了，将follower切换为leader以后，就会发现说这个数据就丢了

因此此时通常是要求起码设置以下4个参数：

• 给这个topic设置replication.factor参数：这个值必须大于1，要求每一个partition必须有至少2个副本

• 在kafka服务端设置min.insync.replicas参数：这个值必须大于1，这个是要求一个leader至少感知到有至少一个follower还跟本身保持联系，没掉队，这样才能确保leader挂了还有一个follower吧

• 在producer端设置acks=all：这个是要求每条数据，必须是写入全部replica以后，才能认为是写成功了

• 在producer端设置retries=MAX（很大很大很大的一个值，无限次重试的意思）：这个是要求一旦写入失败，就无限重试，卡在这里了

咱们生产环境就是按照上述要求配置的，这样配置以后，至少在kafka broker端就能够保证在leader所在broker发生故障，进行leader切换时，数据不会丢失

3）生产者会不会弄丢数据

若是按照上述的思路设置了ack=all，必定不会丢，要求是，你的leader接收到消息，全部的follower都同步到了消息以后，才认为本次写成功了。若是没知足这个条件，生产者会自动不断的重试，重试无限次。

1. 如何保证消息的顺序性？

其实这个也是用MQ的时候必问的话题，第一看看你了解不了解顺序这个事儿？第二看看你有没有办法保证消息是有顺序的？这个生产系统中常见的问题。

我举个例子，咱们之前作过一个mysql binlog同步的系统，压力仍是很是大的，日同步数据要达到上亿。mysql -> mysql，常见的一点在于说大数据team，就须要同步一个mysql库过来，对公司的业务系统的数据作各类复杂的操做。

你在mysql里增删改一条数据，对应出来了增删改3条binlog，接着这三条binlog发送到MQ里面，到消费出来依次执行，起码得保证人家是按照顺序来的吧？否则原本是：增长、修改、删除；你楞是换了顺序给执行成删除、修改、增长，不全错了么。

原本这个数据同步过来，应该最后这个数据被删除了；结果你搞错了这个顺序，最后这个数据保留下来了，数据同步就出错了。

先看看顺序会错乱的俩场景

（1）rabbitmq：一个queue，多个consumer，这不明显乱了

（2）kafka：一个topic，一个partition，一个consumer，内部多线程，这不也明显乱了

那如何保证消息的顺序性呢？简单简单

（1）rabbitmq：拆分多个queue，每一个queue一个consumer，就是多一些queue而已，确实是麻烦点；

或者就一个queue可是对应一个consumer，而后这个consumer内部用内存队列作排队，而后分发给底层不一样的worker来处理

（2）kafka：一个topic，一个partition，一个consumer，内部单线程消费，写N个内存queue，而后N个线程分别消费一个内存queue便可

如何解决消息队列的延时以及过时失效问题？消息队列满了之后该怎么处理？有几百万消息持续积压几小时，说说怎么解决？

你看这问法，其实本质针对的场景，都是说，可能你的消费端出了问题，不消费了，或者消费的极其极其慢。接着就坑爹了，可能你的消息队列集群的磁盘都快写满了，都没人消费，这个时候怎么办？或者是整个这就积压了几个小时，你这个时候怎么办？或者是你积压的时间太长了，致使好比rabbitmq设置了消息过时时间后就没了怎么办？

因此就这事儿，其实线上挺常见的，通常不出，一出就是大case，通常常见于，举个例子，消费端每次消费以后要写mysql，结果mysql挂了，消费端hang那儿了，不动了。或者是消费端出了个什么叉子，致使消费速度极其慢。

关于这个事儿，咱们一个一个来梳理吧，先假设一个场景，咱们如今消费端出故障了，而后大量消息在mq里积压，如今事故了，慌了

广告插入：欢迎关注纯干货技术公众号：Java学习指南，天天阅读技术文章。

（1）大量消息在mq里积压了几个小时了还没解决

几千万条数据在MQ里积压了七八个小时，从下午4点多，积压到了晚上很晚，10点多，11点多

这个是咱们真实遇到过的一个场景，确实是线上故障了，这个时候要否则就是修复consumer的问题，让他恢复消费速度，而后傻傻的等待几个小时消费完毕。这个确定不能在面试的时候说吧。

一个消费者一秒是1000条，一秒3个消费者是3000条，一分钟是18万条，1000多万条

因此若是你积压了几百万到上千万的数据，即便消费者恢复了，也须要大概1小时的时间才能恢复过来

通常这个时候，只能操做临时紧急扩容了，具体操做步骤和思路以下：

1）先修复consumer的问题，确保其恢复消费速度，而后将现有cnosumer都停掉

2）新建一个topic，partition是原来的10倍，临时创建好原先10倍或者20倍的queue数量

3）而后写一个临时的分发数据的consumer程序，这个程序部署上去消费积压的数据，消费以后不作耗时的处理，直接均匀轮询写入临时创建好的10倍数量的queue

4）接着临时征用10倍的机器来部署consumer，每一批consumer消费一个临时queue的数据

5）这种作法至关因而临时将queue资源和consumer资源扩大10倍，以正常的10倍速度来消费数据

6）等快速消费完积压数据以后，得恢复原先部署架构，从新用原先的consumer机器来消费消息

（2）这里咱们假设再来第二个坑

假设你用的是rabbitmq，rabbitmq是能够设置过时时间的，就是TTL，若是消息在queue中积压超过必定的时间就会被rabbitmq给清理掉，这个数据就没了。那这就是第二个坑了。这就不是说数据会大量积压在mq里，而是大量的数据会直接搞丢。

这个状况下，就不是说要增长consumer消费积压的消息，由于实际上没啥积压，而是丢了大量的消息。咱们能够采起一个方案，就是批量重导，这个咱们以前线上也有相似的场景干过。就是大量积压的时候，咱们当时就直接丢弃数据了，而后等过了高峰期之后，好比你们一块儿喝咖啡熬夜到晚上12点之后，用户都睡觉了。

这个时候咱们就开始写程序，将丢失的那批数据，写个临时程序，一点一点的查出来，而后从新灌入mq里面去，把白天丢的数据给他补回来。也只能是这样了。

假设1万个订单积压在mq里面，没有处理，其中1000个订单都丢了，你只能手动写程序把那1000个订单给查出来，手动发到mq里去再补一次

往期面试题汇总：001期~150期汇总

（3）而后咱们再来假设第三个坑

若是走的方式是消息积压在mq里，那么若是你很长时间都没处理掉，此时致使mq都快写满了，咋办？这个还有别的办法吗？没有，谁让你第一个方案执行的太慢了，你临时写程序，接入数据来消费，消费一个丢弃一个，都不要了，快速消费掉全部的消息。而后走第二个方案，到了晚上再补数据吧。

1. 若是让你写一个消息队列，该如何进行架构设计啊？说一下你的思路

其实聊到这个问题，通常面试官要考察两块：

（1）你有没有对某一个消息队列作过较为深刻的原理的了解，或者从总体了解把握住一个mq的架构原理

（2）看看你的设计能力，给你一个常见的系统，就是消息队列系统，看看你能不能从全局把握一下总体架构设计，给出一些关键点出来

其实回答这类问题，说白了，起码不求你看过那技术的源码，起码你大概知道那个技术的基本原理，核心组成部分，基本架构构成，而后参照一些开源的技术把一个系统设计出来的思路说一下就好

好比说这个消息队列系统，咱们来从如下几个角度来考虑一下

说实话，我通常面相似问题的时候，大部分人基本都会蒙，由于平时历来没有思考过相似的问题，大多数人就是平时埋头用，历来不去思考背后的一些东西。相似的问题，我常常问的还有，若是让你来设计一个spring框架你会怎么作？若是让你来设计一个dubbo框架你会怎么作？若是让你来设计一个mybatis框架你会怎么作？

其实回答这类问题，说白了，起码不求你看过那技术的源码，起码你大概知道那个技术的基本原理，核心组成部分，基本架构构成，而后参照一些开源的技术把一个系统设计出来的思路说一下就好

好比说这个消息队列系统，咱们来从如下几个角度来考虑一下

（1）首先这个mq得支持可伸缩性吧，就是须要的时候快速扩容，就能够增长吞吐量和容量，那怎么搞？设计个分布式的系统呗，参照一下kafka的设计理念，broker -> topic -> partition，每一个partition放一个机器，就存一部分数据。若是如今资源不够了，简单啊，给topic增长partition，而后作数据迁移，增长机器，不就能够存放更多数据，提供更高的吞吐量了？

（2）其次你得考虑一下这个mq的数据要不要落地磁盘吧？那确定要了，落磁盘，才能保证别进程挂了数据就丢了。那落磁盘的时候怎么落啊？顺序写，这样就没有磁盘随机读写的寻址开销，磁盘顺序读写的性能是很高的，这就是kafka的思路。

2.其次你考虑一下你的mq的可用性啊？

这个事儿，具体参考咱们以前可用性那个环节讲解的kafka的高可用保障机制。多副本 -> leader & follower -> broker挂了从新选举leader便可对外服务。

（4）能不能支持数据0丢失啊？能够的，参考咱们以前说的那个kafka数据零丢失方案

其实一个mq确定是很复杂的，面试官问你这个问题，实际上是个开放题，他就是看看你有没有从架构角度总体构思和设计的思惟以及能力。确实这个问题能够刷掉一大批人，由于大部分人平时不思考这些东西。

< END >

来源：blog.csdn.net/qq_29676623/article/details/85108070

- 往期精彩 -

这多是你看过最好的微服务架构详解文章

编码之路，与君共勉。

硬核干货：一个核心系统 3 万多行代码的重构之旅

全干货技术公众号Java学习指南
👇👇
长按上方二维码关注公众号

本文分享自微信公众号 - Java学习指南（gh_85b94beaede2）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。