突击训练第一季（一）消息队列
1.你在系统里面用过消息队列吗？那你说一下你们在项目中是怎么用消息队列的？那你们为什么要用消息队列啊？
先说一下消息队列的常见使用场景吧，其实场景有很多，但是比较核心的有3个：解耦，异步，消峰
1.1 解耦：
A系统发送个数据到BCD三个系统，接口调用发送，那如果E系统也要这个数据呢？那如果C系统现在不需要了呢？现在A系统有要发送第二种数据了呢？A系统负责人濒临奔溃中。。。A系统要时时刻刻考虑BCDE四个系统如果挂了咋办？我要不要重发？我要不要吧消息存起来？头发都白了啊。。。
面试技巧：你需要去考虑一下，你负责的系统中是否有类似的场景，就是一个系统或者要给模块，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。电视其实这个调用是不需要直接同步调用的接口的，如果用MQ给他异步化解耦，也是可以的，你就需要去考虑再你的项目里，是不是可以运用这个MQ去进行系统的解耦。
1.2 异步：
A系统接收一个请求，需要再自己本地写库，还需要再BCD三个系统写库，自己本地写库要3ms，BCD三个系统分别写库要300ms，450ms，200ms。最终请求总延时是3+300+450+200=953ms，接近1s，那用户感觉搞个什么东西，慢死了慢死了哦
ps：一般互联网类的企业，对用户的直接的操作，一般要求是每个请求都必须再200ms以内完成，对用户几乎是无感知的。
1.3 消峰：
每天0点到11点，A系统风平浪静，每秒并发请求数量就100个。结构每一次一到11点--1点，每秒并发请求数量突然会暴增长到1万条。但是系统最大的处理能力就只能是每秒钟处理1000个请求啊。。。尴尬了，系统会死球的。。
2.那你说说用消息队列都有什么优点和缺点？
优点上面已经说了，就是在特殊场景下有其对应的好处，解耦，异步，削峰
缺点？显而易见
(1) 系统可用性降低：
系统引入的外部依赖越多，越容易挂掉，本来你就是A系统调用BCD三个系统的接口就好了，ABCD四个系统正常运行，现在加入了一个MQ进来，万一MQ挂了咋办？MQ挂了，整套系统就奔溃了。
(2) 系统复杂性提高：
加入了MQ进来，怎么保证消息没有重复消费？怎么处理消息丢失的情况？怎么保证消息传递的顺序性？等一系统问题需要处理。
(3) 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成功了；但问题是，要是BCD系统，某两个成功了，一个失败了，咋办？最后导致的就是数据不一致了。
3. kafka，activemq，rabbitmq，rocketmq都有什么优点和缺点啊？
综上，各种对比之后，有如下建议：
一般的业务系统要引入 MQ，最早大家都用 ActiveMQ，但是现在确实大家用的不多了，没经过大规模吞吐量场景的验证，社区也不是很活跃，所以大家还是算了吧，我个人不推荐用这个了；
后来大家开始用 RabbitMQ，但是确实 erlang 语言阻止了大量的 Java 工程师去深入研究和掌控它，对公司而言，几乎处于不可控的状态，但是确实人家是开源的，比较稳定的支持，活跃度也高；
不过现在确实越来越多的公司，会去用 RocketMQ，确实很不错（阿里出品），但社区可能有突然黄掉的风险，对自己公司技术实力有绝对自信的，推荐用 RocketMQ，否则回去老老实实用 RabbitMQ 吧，人家有活跃的开源社区，绝对不会黄。
所以中小型公司，技术实力较为一般，技术挑战不是特别高，用 RabbitMQ 是不错的选择；大型公司，基础架构研发实力较强，用 RocketMQ 是很好的选择。
如果是大数据领域的实时计算、日志采集等场景，用 Kafka 是业内标准的，绝对没问题，社区活跃度很高，绝对不会黄，何况几乎是全世界这个领域的事实性规范。
4. 那你们是如果保证消息队列的高可用啊？
4.1 rabbitMQ的高可用
rabbitmq是比较有代表性的，因为是基于主从做高可用性的，我们就以他为例子：
rabbitmq有三种模式：单机模式，普通集群模式，镜像集群模式
(1) 单机模式：
就是demo级别的，一般就是本地启动随便玩玩。
(2) 普通集群模式：
意思就是在多台机器上启动多个rabbitmq示例，每个机器启动一个。但是你创建的queue，只会放到一个rabbitmq实例上，但每个实例都同步queue的元数据。在你消费的时候，实际上如果连接到另一个实例，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，没做到所谓的分布式，就是个普通集群。因为这导致你要么消费每次随机连接一个实例，然后拉取数据，要么固定连接那个queue所在的实例消费数据，前者有数据拉取的开销，后者导致单实例性能瓶颈。
而且如果那个放queue的实例宕机了，会导致接下来其它实例就无法从那个实例拉取，如果你开启了消息持久化，让rabbitmq落地存储消息的话，消息不一定会丢，得等到这个实例恢复了，然后才可以继续从queue拉取数据。
所以这个事情就比较尴尬了，这就没有什么所谓的高可用性可言了，该方案主要是提高吞吐量的，就是说让集群中多个节点来服务某个queue的读写操作。
缺点：
- 可能会再rabbit集群内部产生大量的数据传输。
- 可用性几乎没有保障，如果queue所在的节点宕机了，就导致那个queue的数据会丢失，从而无法消费。
(3) 镜像集群模式：
这种模式，才是所谓的rabbitmq的高可用模式，跟普通集群模式不一样的是，你创建的queue，无论元数据还是queue里的消息都会存在于多个实例上，然后每次你写消息到queue的时候，都会自动把消息同步到多个实例的queue里面。这样的话，好处在于，你任何一个机器宕机了，没事儿，别的机器都可以用。
缺点：
- 第一，这个性能开销大了点，消息同步所有机器，导致网络带宽压力和消耗很重。
- 第二，这么玩，就没有扩展性可言了，如果某个queue负载很重，你得加机器，新增的机器也包含这个queue的所有数据，并没有办法线性扩展你的queue。
那么怎么开启这个镜像集群模式呢？我这里简单说一下，rabbitmq有个很好的管理控制台，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，指定的时候可以要求数据同步到所有节点，也可以要求就同步到指定数量的节点，然后你再次创建queue的时候，应用这个策略，就会自动将数据同步到其它节点上去了。
4.2 kafka的高可用
kafka一个最基本的架构认识:多个broker组成，每个broker是一个节点；你创建一个topic，这个topic可以划分多个partition，每个partition可以存在于不通的broker上，每个partition就放一部分数据。
这就是天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，每个机器就放一部分数据。
实际上rabbitmq之类的，并不是分布式消息队列，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，因为不论怎么玩，rabbitmq一个queue的数据都是放在一个节点里的，镜像集群下，也是每个节点都放这个queue的完整数据。
kafka 0.8以前是没有HA机制的，就是任何一个broker宕机了，那个broker上的partition就废了，没法写也没法读，没有什么高可用可言。
kafka 0.8以后，提供了HA机制，就是replica副本机制，每个partition的数据都会同步到其它机器上，形成自己的多个replica。然后所有replica会选举一个leader出来，那么生产和消费都跟这个leader打交道，其它replica就是follower。写的时候leader会负责把数据同步到所有follower上去，读的时候就直接读leader上数据即可。只能读写leader？很简单，要是你可以随意读写每个follower，那么就要care数据一致性的问题，系统复杂度太高，很容易出问题。kafka会均匀的将一个partition的所有replica分布再不同的机器上，这样才可以提高容错性。
这么搞，就有所谓的高可用性了，因为如果某个broker宕机了，没事儿，那个broker上面的partition在其他机器上都副本的，如果这个上面有某个partition的leader，那么此时会重新选举一个新的leader处理啊，大家继续读写那个新的leader即可。这就有所谓的高可用性了。
写数据的时候，生产者就写leader，然后leader将数据落地写入本地磁盘，接着其它follower自己主动从leader来pull数据。一旦所有follower同步好数据了，就会发送ack给leader，leader收到所有的ack之后，就会返回写成功的消息给生产者。（当然，这只是其中一种模式，还可以适当调整这个行为）
消费的时候，只会从leader去读，但是只有一个消息已经被所有follower都同步成功返回ack的时候，这个消息才会被消费者读到。
5. 如何保证消息不被重复消费啊（如何保证消费的时候是幂（mi）等性)？
碰到着急的情况，直接kill进程了，再重启。导致comsumer有些消息处理了，有些消息没来的及处理（提交）。重启后，少数消息会再次消费。
结合业务来思考：
（1）比如拿数据要写库，先根据主键查一下，如果数据有了，就别插入了，直接更新。
（2）比如写的redis，那就没问题了，因为每次都是set，本就是具有幂等性的。
（3）上面两个都不是，可以让生产者发送每条数据的时候，里面加一个和全局的id，类似订单id之类的东西，然后你这里消费到了后，先根据这个id去查询下，之前是否消费过？如果没有消费过，你就处理。如果消费过了你就别处理了。
（4）基于数据库的唯一性检查。
6. 如何保证消息的可靠性传输啊（如何处理消息丢失的问题）？
（1）生产者丢了数据
生产者将数据发送到rabbitmq的时候，可能数据就再半路给搞丢了，因为网络啥的问题，都有可能。
此时可以选择用rabbitmq提供的事务功能，就是生产者发送数据之前开启rabbitmq事务（channel.txSelect）,然后发送消息，如果消息没有成功被rabbitmq接收到，那么生产者会收到异常报错，此时就可以回滚事务(channel.txRollback)，然后重试发送消息；如果收到了消息，那么就可以提交事务(channel.txCommit)。但是问题是，rabbitmq事务机制一搞，基本上吞吐量就会下来，因为太消耗性能了
所以一般来说，如果你要确保说写rabbitmq的消息别丢，可以开启confirm模式，在生产者confirm模式开启后，你每次写的消息都会分配一个唯一的id，然后如果写入了rabbitmq中，rabbitmq会给你回传一个ack消息，告诉你说这个消息ok了。如果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，你可以重试。
（2）rabbitmq弄丢了数据
就是rabbitmq自己弄丢了数据，这个你必须开启rabbitmq的持久化，就是消息写入之后会持久化到磁盘，哪怕是rabbitmq自己挂了，恢复之后会自动读取之前存储的数据。一般数据不会丢失。除非极其罕见的是，rabbitmq还没持久化，自己就挂掉了，可能导致少量数据会丢失的，但是这个概率很小。
设置持久化有两个步骤，第一是创建queue的时候将其设置为持久化的这样就可以保证rabbitmq持久化queue的元数据，但是不会持久化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，就是将消息设置持久化的，此时rabbitmq就会将消息持久化到磁盘上去。必须同时设置这两个持久化才行。rabbitmq哪怕挂了，再次重启，也会从磁盘上重启恢复queue，恢复这个queue里的数据。
而且持久化可以跟生产者那边的confirm机制配合起来，只有消息被持久化到磁盘之后，才会通知生产者ack了，所以哪怕是在持久化到磁盘之前，rabbitmq挂了，数据丢失了，生产者收不到ack，你也是可以自己重发的。
（3）消费端丢失数据
rabbitmq如果丢失了数据，主要是因为你消费的时候，刚消费到，你还没处理，结果进程挂了，比如重启了，那么就尴尬了，rabbitmq认为你都消费了，这数据就丢了。
这时候得用rabbitmq提供的ack机制 ，简单来说，就是你关闭rabbitmq自动ack，可以通过一个api来调用就行，然后每次在你自己代码里确保处理完的时候，在程序里ack一次，这样的话，如果你还没处理完，不久没有ack了？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。
7.那如何保证消息的顺序性？
8.如何解决消息队列的延时以及过期失效问题？消息队列满了以后该怎么处理？有几百万消息持续积压几小时，说说怎么解决？
