RabbitMQ队列类型

Classic经典队列

这是RabbitMQ最为经典的队列类型。在单机环境中，拥有比较高的消息可靠性。
经典队列可以选择是否持久化(Durability)以及是否自动删除(Auto delete)两个属性。
Durability有两个选项，Durable和Transient。 Durable表示队列会将消息保存到硬盘，这样消息的安全性更高。但是同时，由于需要有更多的IO操作，所以生产和消费消息的性能，相比Transient会比较低。
Auto delete属性如果选择为是，那队列将在至少一个消费者已经连接，然后所有的消费者都断开连接后删除自己。
经典队列不适合积累太多的消息。如果队列中积累的消息太多了，会严重影响客户端生产消息以及消费消息的性能。因此，经典队列主要用在数据量比较小，并且生产消息和消费消息的速度比较稳定的业务场景。比如内部系统之间的服务调用。

Quorum仲裁队列

仲裁队列，是3.8引入的一个新队列类型;仲裁队列相比Classic经典队列，在分布式环境下对消息的可靠性保障更高。
Quorum是基于Raft一致性协议实现的一种新型的分布式消息队列，他实现了持久化，多备份的FIFO队列，主要就是针对RabbitMQ的镜像模式设计的。简单理解就是quorum队列中的消息需要有集群中多半节点同意确认后，才会写入到队列中。
Classic与Quorum对比、少了一些高级特性：
Quorum队列更适合于 队列长期存在，并且对容错、数据安全方面的要求比低延迟、不持久等高级队列更能要求更严格的场景。例如电商系统的订单，引入MQ后，处理速度可以慢一点，但是订单不能丢失。
Quorum不适合的场景如下：
- 队列的临时性：暂时性或独占队列、高队列变动率（声明和删除率）
- 尽可能低的延迟：由于其数据安全功能，底层共识算法固有的延迟更高
- 当数据安全不是优先事项时（例如，应用程序不使用手动确认，不使用发布者确认）
- 很长的队列积压（流可能更适合）

创建Quorum队列

Spring创建仲裁队列需要设置参数“-x-queue-type”为“quorum”

@Configuration
public class QuorumConfig {public final static String QUEUE_TYPE = "x-queue-type";public final static String QUEUE_TYPE_VAL = "quorum";public final static String QUEUE_NAME = "quorumQueue";@Beanpublic Queue quorumQueue() {HashMap<String, Object> params = new HashMap<>();params.put(QUEUE_TYPE,QUEUE_TYPE_VAL);Queue queue = new Queue(QUEUE_NAME, true, false, false, params);return queue;}
}

在这里插入图片描述
Rabbit Client创建Quorum队列：

Map<String,Object> params = new HashMap<>();
params.put("x-queue-type","quorum");
//声明Quorum队列的方式就是添加一个x-queue-type参数，指定为quorum。默认是classic
channel.queueDeclare(QUEUE_NAME, true, false, false, params);

Quorum队列的消息是必须持久化的，所以durable参数必须设定为true，如果声明为false，就会报错。同样，exclusive参数必须设置为false。这些声明，在Producer和Consumer中是要保持一致的。

Stream队列

Stream队列是3.9.0版本引入新队列类型。
持久化到磁盘并且具备分布式备份的，更适合于消费者多，读消息非常频繁的场景。
Stream队列的核心是以append-only只添加的日志来记录消息，整体来说，就是消息将以append-only的方式持久化到日志文件中，然后通过调整每个消费者的消费进度offset，来实现消息的多次分发。类似kafka;

创建Stream队列

Spring AMQP目前还不支持创建Stream队列；只能使用原生API创建

  Map<String,Object> params = new HashMap<>();params.put("x-queue-type","stream");params.put("x-max-length-bytes", 20_000_000_000L); // maximum stream size: 20 GBparams.put("x-stream-max-segment-size-bytes", 100_000_000); // size of segment files: 100 MBchannel.queueDeclare(QUEUE_NAME, true, false, false, params);

Stream队列的durable参数必须声明为true，exclusive参数必须声明为false。
x-max-length-bytes 表示日志文件的最大字节数， x-stream-max-segment-size-bytes 每一个日志文件的最大大小。这两个是可选参数，通常为了防止stream日志无限制累计，都会配合stream队列一起声明。

消费者：

 	Map<String,Object> consumeParam = new HashMap<>();consumeParam.put("x-stream-offset","last");channel.basicConsume(QUEUE_NAME, false,consumeParam, myconsumer);

x-stream-offset的类型：

first: 从日志队列中第一个可消费的消息开始消费
last: 消费消息日志中最后一个消息
next: 相当于不指定offset，消费不到消息。
Offset: 一个数字型的偏移量
Timestamp:一个代表时间的Data类型变量，表示从这个时间点开始消费。例如一个小时前Date timestamp = new Date(System.currentTimeMillis() - 60 * 60 * 1_000)

Stream队列产品目前不够成熟，目前用的最多的还是Classic经典队列。RabbitMQ目前主推的是Quorum队列；

死信消息

有以下三种情况，RabbitMQ会将一个正常消息转成死信

消息被消费者确认拒绝。消费者把requeue参数设置为true(false)，并且在消费后，向 RabbitMQ返回拒绝。channel.basicReject或者channel.basicNack。
消息达到预设的TTL时限还一直没有被消费。
消息由于队列已经达到最长长度限制而被丢掉
- TTL即最长存活时间 Time-To-Live 。消息在队列中保存时间超过这个TTL，即会被认为死亡。死亡的消息会被丢入死信队列，如果没有配置死信队列的话，RabbitMQ会保证死了的消息不会再次被投递，并且在未来版本中，会主动删除掉这些死掉的消息。
- 声明队列时、设置"x-message-ttl"值；

		Map<String, Object> args = new HashMap<String, Object>();args.put("x-message-ttl", 60000);channel.queueDeclare("myqueue", false, false, false, args);

如何判断消息是否为死信

消息被作为死信转移到死信队列后，header中还会加上第一次成为死信的三个属性，并且这三个属性在以后的传递过程中都不会更改。具体可以调试去看看；

x-first-death-reason ：原因
x-first-death-queue ：队列
x-first-death-exchange ：交换机

死信队列

存在死信消息的队列；
RabbitMQ中有两种方式可以声明死信队列，一种是针对某个单独队列指定对应的死信队列。另一种就是以策略的方式进行批量死信队列的配置。
流程图如下：

代码：
死信交换机、队列：

@Configuration
public class DeadConfig {public final static String DEAD_EXCHANGE = "deadExchange";public final static String DEAD_QUEUE_NAME = "deadQueue";@Beanpublic FanoutExchange deadExchange() {FanoutExchange directExchange = new FanoutExchange(DEAD_EXCHANGE);return directExchange;}@Beanpublic Queue deadQueue() {Queue queue = new Queue(DEAD_QUEUE_NAME);return queue;}@Beanpublic Binding deadBinding(FanoutExchange deadExchange, Queue deadQueue) {return BindingBuilder.bind(deadQueue).to(deadExchange);}}

发送者：

@Controller
public class MessageTx {@Autowiredprivate MessageService messageService;@GetMapping("/sendDeadMsg")@ResponseBodypublic String sendMoreMsgTx(){//发送10条消息for (int i = 0; i < 10; i++) {String msg = "msg"+i;System.out.println("发送消息  msg："+msg);// xiangjiao.exchange  交换机// xiangjiao.routingKey  队列messageService.sendMessage(MessageConfig.EXCHANGE_NAME, "", msg);//每两秒发送一次try {Thread.sleep(2000);} catch (InterruptedException e) {e.printStackTrace();}}return "send ok";}
}@Slf4j
@Component
public class MessageService {@Autowiredprivate RabbitTemplate rabbitTemplate;public void sendMessage(String exchange,String routingKey,Object msg) {// 暂时关闭 return 配置//rabbitTemplate.setReturnCallback(this);//发送消息rabbitTemplate.convertAndSend(exchange,routingKey,msg);}}

消费者：

public class MessageConsumer {//    @RabbitHandler : 标记的方法只能有一个参数，类型为String ,若是传Map参数、则需要传入map参数// @RabbitListener:标记的方法可以传入Channel， Message参数@RabbitListener(queues = MessageConfig.MESSAGE_QUEUE_NAME)public void listenObjectQueue(Channel channel, Message message, String msg) throws IOException {System.out.println("接收到object.queue的消息" + msg);System.out.println("消息ID ： " + message.getMessageProperties().getDeliveryTag());try {channel.basicReject(message.getMessageProperties().getDeliveryTag(), false);System.out.println("拒绝消息 ， tag = " + message.getMessageProperties().getDeliveryTag());
//            channel.basicAck(message.getMessageProperties().getDeliveryTag(), false);}catch (IOException exception) {//拒绝确认消息channel.basicNack(message.getMessageProperties().getDeliveryTag(), false, true);//拒绝消息
//            channel.basicReject(message.getMessageProperties().getDeliveryTag(), true);}}}

注入容器：

@Configuration
public class MessageConfig {public final static String EXCHANGE_NAME = "deadMessageTestExchange";public final static String MESSAGE_QUEUE_NAME = "deadMessageTestQueue";public final static String MESSAGE_ROUTE_KEY = "deadMessageTestRoutingKey";public final static String DEAD_EXCHANGE_KEY = "x-dead-letter-exchange";@Beanpublic FanoutExchange deadMessageTestExchange() {return new FanoutExchange(EXCHANGE_NAME);}@Beanpublic Queue deadMessageTestQueue() {HashMap<String, Object> params = new HashMap<>();params.put(DEAD_EXCHANGE_KEY, DeadConfig.DEAD_EXCHANGE);return new Queue(MESSAGE_QUEUE_NAME, true, false, false, params);}@Beanpublic MessageConsumer deadMessageTestConsumer() {return new MessageConsumer();}@Beanpublic Binding messageBinding(Queue deadMessageTestQueue, FanoutExchange deadMessageTestExchange) {return BindingBuilder.bind(deadMessageTestQueue).to(deadMessageTestExchange);}
}

延迟队列

RabbitMQ有提供插件使用延迟队列，另外可借助死信队列实现延迟队列；
实现思路：

给普通队列设置消息过期时间(延迟时间)，不设置消费者；
当消息过期后，将消息放入死信队列，给死信队列设置消费者；

懒队列

懒队列会尽可能早的将消息内容保存到硬盘当中，并且只有在用户请求到时，才临时从硬盘加载到RAM内存当中。可解决部分消息积压问题、（海量消息积压，RabbitMQ存不下就得使用分布式存储消息）
适用的一些场景：

消费者服务宕机了
有一个突然的消息高峰，生产者生产消息超过消费者
消费者消费太慢了

默认情况下，RabbitMQ接收到消息时，会保存到内存以便使用，同时把消息写到硬盘。但是，
消息写入硬盘的过程是会阻塞队列的。RabbitMQ虽然做了优化，但是在长队列中表现不是很理想，所以有了懒队列、以磁盘IO为代价解决消息积压问题；

SpringBoot懒队列声明方式：

@Configuration
public class LazyQueueConfig {@Beanpublic Queue lazyQueue() {HashMap<String, Object> params = new HashMap<>();params.put("x-queue-mode", "lazy");return new Queue("lazyQueue", true, false, false, params);}
}

原生API方式：

Map<String, Object> args = new HashMap<String, Object>();
args.put("x-queue-mode", "lazy");
channel.queueDeclare("myqueue", false, false, false, args);

懒队列适合消息量大且长期有堆积的队列，可以减少内存使用，加快消费速度。但是这是以大量消耗集群的网络及磁盘IO为代价的。

集群模式

分布式环境下，是不允许单点故障存在，需要保证高可用，因此需要集群环境保证高可用，另外若存在海量消息，还需要保证存放得下、即分布式存储；

普通集群模式

集群的各个节点之间只会有相同的元数据，即队列结构，而消息不会进行冗余，只存在一个节点中。
消费时，如果消费的不是存有数据的节点， RabbitMQ会临时在节点之间进行数据传输，将消息从存有数据的节点传输到消费的节点。
此模式解决分布式存储问题、但可靠性不高，相当于多个单机服务，每个都是独立的，一个都不可以宕机。某台机器宕机、则存储的消息无法消费、若未开启持久化、则丢失消息，若消费者正在处理消息，则机器无法收到确认信息，该消息重新入队，则重复消费；
普通集群模式不支持高可用，即当某一个节点服务挂了后，需要手动重启服务，才能保证这一部分消息能正常消费。

镜像集群模式

在普通集群的基础上，每次保存消息后，机器主动同步到多台机器上，而不是消费者获取消息时，再去其他节点上获取；
集群会选举主节点master, 当主节点挂了，则会重新选举；
此方式实现了集群高可用，但是集群之间同步消息频繁，海量数据时、同步频率更大，导致占满带宽；

消息常见问题

RabbitMQ如何保证消息不丢失

先看看哪些情况下，会存在丢失消息？
在这里插入图片描述
1，2，4步骤是可能丢消息的，因为三个步骤都是跨网络的；

生产者保证消息正确发送到RibbitMQ

对于单个数据，可以使用生产者确认机制。通过多次确认的方式，保证生产者的消息能够正确的发送到RabbitMQ中。
RabbitMQ的生产者确认机制分为同步确认和异步确认。同步确认主要是通过在生产者端使用Channel.waitForConfirmsOrDie()指定一个等待确认的完成时间。异步确认机制则是通过channel.addConfirmListener(ConfirmCallback var1, ConfirmCallback var2)在生产者端注入两个回调确认函数。第一个函数是在生产者消息发送成功时调用，第二个函数则是生产者消息发送失败时调用。两个函数需要通过sequenceNumber自行完成消息的前后对应。sequenceNumber的生成方式需要通过channel的序列获取。int sequenceNumber = channel.getNextPublishSeqNo();
如果发送批量消息，在RabbitMQ中，另外还有一种手动事务的方式，可以保证消息正确发送
手动事务机制主要有几个关键的方法： channel.txSelect() 开启事务； channel.txCommit() 提交事务； channel.txRollback() 回滚事务；用这几个方法来进行事务管理。但是这种方式需要手动控制事务逻辑，并且手动事务会对channel产生阻塞，造成吞吐量下降

RabbitMQ消息存盘不丢消息

消息若是只存内存中，则宕机会丢失消息，因此队列需要开启持久化，durable参数、默认创建队列，durable都会为true; 而Quorum和Stream队列默认都是开启持久化；

RabbitMQ 主从消息同步时不丢消息

普通集群模式，消息是分散存储的，不会主动进行消息同步了，是有可能丢失消息的。而镜像模式集群，数据会主动在集群各个节点当中同步，这时丢失消息的概率不会太高。

RabbitMQ消费者不丢失消息

消费者确认，分为自动确认，手动确认；若是自动确认，则消息处理完，会返回确认ack;若是处理出现异常，则会重新入队，再次处理，因此存在重复消费问题；

若是手动确认，消息处理过程中使用channel#basicAck, basicNack, basicReject返回确认或拒绝；SpringBoot配置文件中通过属性spring.rabbitmq.listener.simple.acknowledge-mode需要设置mutual手动确认；

SpringBoot配置文件中通过属性spring.rabbitmq.listener.simple.acknowledge-mode 进行指定。可以设定为 AUTO 自动应答； MANUAL 手动应答；NONE 不应答；

如何保证消息幂等？

当消费者消费消息处理业务逻辑时，如果抛出异常，或者不向RabbitMQ返回响应，默认情况下，RabbitMQ会无限次数的重复进行消息消费。

处理幂等问题，要设定RabbitMQ的重试次数。在SpringBoot集成RabbitMQ时，可以在配置文件
中指定spring.rabbitmq.listener.simple.retry开头的一系列属性，来制定重试策略。

需要在业务上处理幂等问题，处理幂等问题的关键是要给每个消息一个唯一的标识；虽然RabbitMQ会给每条消息带上MessageId (处理幂等问题的关键是要给每个消息一个唯一的标识);
SpringBoot框架集成RabbitMQ后，可以给每个消息指定一个全局唯一的MessageID，在消费者端针对MessageID做幂等性判断。

//发送者
Message message2 = MessageBuilder.withBody(message.getBytes()).setMessageId(UUID.randomUUID().toString()).build();
rabbitTemplate.send(message2);//消费者获取MessageID，自己做幂等性判断
@RabbitListener(queues = "fanout_email_queue")
public void process(Message message) throws Exception {// 获取消息IdString messageId = message.getMessageProperties().getMessageId();...
}

可为了业务上的方便，再封装一层，专门用来放入消息ID，否则设置ID的代码随处可见；

如何保证消息的顺序？

RabbitMQ中保证顺序的方法是单队列+单消息推送；若是多队列的情况下，RabbitMQ没有很好的解决方案；

个人思考：如果RabbitMQ架构上很难处理，可以通过业务设置保证顺序，即给每条消息设置序号，消费时、查询数据库之前的消息是否处理完，若没有查到，则等待一会，若查得到，则处理消息，处理完后，把消息id + 序号放入数据库代表已经处理完；

RabbitMQ的数据堆积问题

bbitMQ一直以来都有一个缺点，就是对于消息堆积问题的处理不好。当RabbitMQ中有大量消息堆积时，整体性能会严重下降。而目前新推出的Quorum队列以及Stream队列，目的就在于解决这个核心问题。目前大部分企业还是围绕Classic经典队列构建应用。因此，在使用RabbitMQ时，还是要非常注意消息堆积的问题。尽量让消息的消费速度和生产速度保持一致。

对于生产者：
最明显的方式自然是降低消息生产的速度。但是，生产者端产生消息的速度通常是跟业务息息相关的，一般情况下不太好直接优化。但是可以选择尽量多采用批量消息的方式，降低IO频率。
对于服务器端
- 可使用懒队列方式存储部分消息积压(单机的磁盘容量还是有限)
- 可使用Sharding分片队列(分布式存储)
对于消费者
- 检查业务代码是不是太挫了，优化代码
- 代码性能没问题、则要增加消费者数量，提升消费速度；
- 若是经常存在海量消息，则可以放入数据库、慢慢消费；