消息队列到底是推模式还是拉模式啊?这个问题在面试的过程中呢,经常会被问到,如果没有研究过这个消息队列的底层原理啊,很多小伙伴呢,可能就不知道该怎么回答了, 其实这个问题呢,你要一分为二对吧,要分生产端到补入口以及补入口到消费端啊这两个路径来回答 啊。我们先说一说生产端到这个 broker 对吧,业务端产生了消息,这个时候呢,是通过推的模式传递 broker 的啊,不管是 happy lambq 还是 rocky lambq, 还是卡不卡啊,都是推的模式。这样的好处呢,就是不用在这个生产端传消息啦, 统一的扔给布鲁克来处理,布鲁克呢又有持久化的机制,相对来说呢,丢消息的可能性很小啊,这个是没有争议的,我们在 说说布鲁克的消费短啊,这个时候就有争议了,像 loganmiq 啊,卡不卡就是拉模式,那么对于拉贝的 mq 呢,就是推模式,推模式呢,就是布鲁克有消息了就直接往消费端推,消费者呢,必须设置一个缓冲区来缓存这些消息, 好处呢,就是消费者直接可以从这个内存里面来消息啊,实质性高,颜值小。那不好的地方呢,就是缓冲区呢,可能会溢出, 对吧,所以满足意嘛,所以像然比咱们 q 呢,比较适合一些啊,消息量不大啊,实时期要求比较高的场景。 那么对于让给他们 qq 更卡不卡呢啊,都是采用这个拉模式啊,消费端主动请求不入口来拉取消息,每隔几秒钟拉一下,如果没有消息呢,就在那等着,一直 等到超时释放啊,又叫做常人群对吧?那么好处呢,就是可以根据消费者的自身情况主动去请求啊,如果咱家消费者觉得自己这个消费不过来,那么他可以根据一定的策略来停止拉取 好的地方呢,就是这个性能呢,都被我发挥出来了啊,并发量更大了,不好的地方呢,就是有一定的这个食盐啊,当然现在已经做了很多的优化了啊,尤其是这个二十八 kmq 啊,延迟已经很小了。好了,本期的视频呢,就是这些了,如果您对本期的内容呢有任何疑问,欢迎大家在评论区给我留言,谢谢大家!
粉丝3.8万获赞20.0万

ok mq 啊,根本没有实现真正的推模式,包括像卡夫卡拿口子也都一样,一般来说啊,像消息中间键或者配置中心啊的数据获取呢,有两种方式,一种是推,一种是拉。所谓推的模式呢,比如说客户端和服务端之间建立一个长连接,当服务端数据发生变化,立即通过这个已经建立好的长连接将数据推送过来。 拉的模式呢,就是客户端通过不断轮巡的方式检查数据是否发生变化,如果有变化,那就把数据给拉回来。推的优点呢,其实就是实时性好,一旦数据变化呢,客户端可以立刻的感知到,但是缺点就是服务端需要维护大量的 pcp 的链接,这会占用大量的内存和 cpu 的资源,并且如果有大量的消息推过来,可能也会对客户端造成一定的压力。 拉的模式的优点是实现起来很简单,而且呢我们自己可以控制拉的速度,但是弊端呢,也显而易见,轮循呢,一定存在着延时性的,并且呢轮循的方式对客户端也会造成一定的压力。而很多中间键啊推和拉之间呢,选择了一种推拉结合的模式,也就是所谓的长轮循,就是说客户端会向服务端发起 长轮巡请求,如果有数据变更就直接返回,如果没有,也不会立即的断开连接,而是等待一会,等待的过程当中,如果有数据的变化,那么就把数据返回回来,如果过了一段时间还是没有数据的更新,那么就在断开连接过一段时间之后,再重新发起一个长轮巡的请求,这样呢,可以把推和拉的优点给结合了一下,相对来讲这个方案更受欢迎一些。 所以很多中间键呢,我直接运用长轮循的方案,要么就是用长轮循来实现推轮循来实现拉。你比如说在绕给大 m q 的 pro 与筷子 hold service 当中呢,是用长轮循继续拉,实现了推的模式,如果大家感兴趣的话,可以去看一下原码。

usbamq 如何保证消息不丢失?生产者消息丢失可以通过开启事务功能,如果消息没有发送成功,发生异常就回滚,然后从事发送消息,发送成功就提交事务。这个的缺陷就是主筛式的降低吞吐量耗费性能。 如果是 rabtimeq, 可以开启康分网模式,他能给每次写的消息都分配一个唯一的 id。 如果写入到 rabetamique 中, rabidamiq 就会回传一个 ack 消息。如果没有,就会挑一个耐克借口 告诉你消息接受失败。你可以从事糖分的机制,是一步的,效率会高很多。关于中间键的数据丢失,可以开启中间键的持久化,将消息持久化持盘中中间键挂了,恢复之后自动读取之前存储的数据。 消费者数据丢失,关闭 rebecca 的 opacq 机制,自己手动提交完成信息。下一题 rebecco 消息大量积压怎么解决?


rapid m q 支持哪些消息模式? rap m q 支持多种消息传递模式,这些模式允许应用程序在不同的场景下进行灵活的消息交流。以下呢,是几种最常见的消息分发机制。第一, work q 工作序列机制, 不是 user 将消息呢,发送到 q, 多个 consumer 同时消费 q 上的消息,消息会均匀地分配给多个 consumer 处理。 第二,订阅发布机制。 producer 只负责将消息发送到 exchange 交换机上, exchange 呢,将消息转发到所有订阅的 q, 并由对应的 consumer 进行消费。 第三,基于内容录有机制。在电源发布机制的基础上呢,增加了一个 routing key, 并根据 routing key 判断一个是陷阱,将消息转发到 哪些特定的 q 上。第四,基于话题路由机制。在基于内容路由的基础上呢,对柔情 key 增加了模糊匹配的功能。另外呢, redmium q 还支持双向同步的 rpc 机制, 不过一般用的呢,是比较少的。这些消息模式呢,允许开发者呢,根据用程序的需求选择合适的消息通信方式,以满足不同的业务场景和可靠性要求。不同的模式可以用于构建各种类型的分布式系统和业务程序。

最近段时间啊,很多粉丝反馈,他说投了很多的简历出去,没有什么面试机会,而且啊,即便是有面试机会,面试也基本上通,不过,确实啊,今年的面试难度呢,特别高,所以啊,大家可以趁这段时间好好去积累一下,为经久营食做好准备。哈喽,大家好,我是麦克, 一个没有才华只能靠颜值混饭吃的加号程序员。今天分享的问题是,如何去保证 readymq 的消息的可靠性传输?下面我们来看看普通人和高手的回答,普通人的回答,保证 rabymq 的消息可靠性呢?我认为,呃, 就是在消息发送端去发送到这个消息到那个舍我端的时候,我们可以通过那个同步的一个调用,就是说他可以得到一个反馈结果,这样,这样的话,我去确保我的消息保存到 robinq 的舍我端,然后舍我端,因为他本身有个持久化机制,所以他会持久化下来,这样的话,我只要确保消息发送到舍我端的话,他的消息应该是不会丢失的啊,这样,最后,我只需要去消费消息,那么消费消息的话,呃,消费消息,因为 那个奢望他会去确保消息的一个可靠性。徒弟吗?所以,所以他的消息应该是不会丢失,所以这样的方式应该是可以解决这个问题。嗯, 高手的回答,好的,面试官,这个问题呢,我需要从几个方面来说明,首先啊,在 rap 里面 q 的整个消息投机过程中呢,有三种情况下会存在消息丢失的一个问题。 第一个是生产者把消息发送到 rabymq 的 solo 端的过程中会存在消息流失。第二个是 rapponq 的 solo 端收到消息之后,持久化之前档机导致消息流失。第三 这是消费端收到消息还没有来得及处理之前,当机导致 rappink 收货端会认为这个消息已经被签收,所以这个消息无法被重复投递,导致消息无法消费这样一个问题。所以我认为只需要从这三个维度去保证消息的口号去传递就可以了。从生产者发送消息到收货端的这个角度来说, robin mq 呢,提供了一个 confirm 的消息确认机制,也就是生产者发送消息到收尾端以后呢?如果消息处理成功,收尾端会返回一个 ack 的消息,那么客户端可以根据消息的处理结果来决定是否要对消息进行重新发送,从而去确保消息一定要到达到 rap mq 的收尾端上。 从 rabbitmqso 端的这个角度来说啊,可以开启消息的持久化机制,也就是收到消息之后啊,持久化的词盘里面。那么设置消息的持久化方式有两个步骤,第一个是创建 的时候设置为持久化,第二个是发送消息的时候把消息的投地模式设置为持久化投地。不过虽然设置了持久化消息,但是有可能也会出现问题,比如消息刷新到词盘之前, rabimque 的 ceo 端当机 导致消息丢失的一个问题。所以为了确保万无一失呢,我们需要结合康分消息确认机制来一起使用。从消费者的角度来看啊,我们可以把消息的自动确认机制修改成手动确认,也是说消费端只有手动调用消息确认方法才表示这个消息已经被签收, 那么这种方式呢?可能会造成消息的重复消费的一个问题,所以这里需要去考虑到逆等性的一个设计。以上就是我对这个问题的理解,保证消息的可靠性问题啊,不管是卡不卡 rocketem q 还是 rapton q, 解决方法都是差不多的,而且这些消息中间一定会提供对应的解决办法。这个问 问题啊,只是考察求职者对于 mq 使用上的一些理解,考察不深,但是也是一个比较常见的面试题。好的,本期的普通人 vs 高手的面试系列视频呢,就要知道结束了,大家点赞收藏加关注,我是麦克,我们下期再见!

有同学问啊,消息队列的种类很多啊,我们在进行项目规划的时候该怎么选择呢啊,我相信很多同学也有同样的疑问啊,那么市面上的消息队列呢,确实有很多啊,但是其实用的比较多的也就三个啊,卡不卡?然后 kleintyquournabatymqw, 对吧?那么不能说呢,哪一个好,哪一个不好 啊,需要我们的在合适的场景下面选择合适的这个消息队列。其实我们在这个几年前啊,开始搭建框架的时候呢,我们考虑的就是南北的 inq 对吧,那么为什么选择他呢?当时呢,也没有想的太多啊,就是在啊这个 springcloud 里面啊,集成起来比较方便 啊,也有相关的界面啊,可以自定义路由规则,指定消费队列啊,比较人性化,而且呢,它是跨平台的啊,也能够支持获取的这个啊,扩展性这些呢,也都是来为大家 这个优点啊,所以呢,就选择了这个 amidamq。 性能上面呢,也说的过去啊,可能呢,我们的业务量也不是那么大啊,用的呢还是啊,还可以啊,直到现在呢,我们大部分的业务呢,也还是用的这个 amidamq, 但是就这个近几年来看啊,福报产的这个绕口的 mq 呢,呃,他的沪商可能相对来说更高一些,那么 除了能够支持更多的成绩以外啊,像这个啊,有序啊,事务啊,刘计算啊,他都能够直接支持,而且呢,更重要的是他的啊,性能方面啊,号称每秒能够处理几十万的这个消息量啊,确实很可观啊, 从这方面来看的话,我觉得是要比这个 ipnq 要好很多的,另外呢,他在这个响应延迟方面也做了很多的优化啊,响应呢,大多是在这个毫秒级别,如果需要啊响应时效的,尤其是做电商的 可以考虑这个让开 mq 啊。但是让开 mq 呢,还有一个致命的弱点啊,他是啊,这个用加法写的,对其他语言的金融性呢,不是很好,所以如果你呃,是啊, php 或者是 csix 的这个程序啊,我建议还是不要再选择这个让开 mq。 卡福卡呢,是一步发送和接收消息的,所以性能呢是杠杠的,比 logo 的 mq 跟人家比的 mq 都要好,号称是理论上可以达到每秒千万级的这个消息处理量。所以在大数据啊,刘计算领域呢,几乎所有相关的开发软件啊,都支持卡福卡 啊,像这个日日上报啊,买点数据的采集啊,也都是用的这个卡不卡。但是呢,他有一定的食盐啊,因为是一步处理和发送接收,所以在食盐方面呢,表现的不够好。呃,总结一下,如果啊,是互联网啊,是电商平台 台啊,业务量比较大,低食盐的这个场景要求,下面啊,我建议是选用这个 ok mq, 那么如果呢,需要处理大批量的数据的同步啊,离线计算啊啊,我建议呢选择卡不卡 啊,一般场景下考虑金融啊,集成的便利性啊,我建议呢大家可以考虑 appleantq。 好了,本期的视频呢就是这些了,如果您对本期的内容有任何疑问,欢迎大家在评论区给我留言,谢谢大家!

rabbit mq 如何实现高可用?哈喽,大家好,我是麦克,一个工作了十四年的加瓦程序员,关于这个问题的解析和高手的回答呢,我已经把它整理到了一个二十万字的面试文档里面,大家可以在我的主页去领取。下面我来分析一下面试官对于这样一个问题的考察意向。 这个问题呢,就是简单的考察 rapton q 相关知识点的一个了解,难度呢并不大,主要是考察三年以上开发经验的同学。但是这个问题只是一个切入点,我认为接下来会根据求职者的背景和在实际应用中对于 rap and q 的一个使用程度, 去针对性的做更进一步的深度考察。在分布架构下,高可用是一个最基础的设计。也是说啊,一旦依赖的某个服务出现部长,不能影响业务的 正常执行。 rap 的 mq 呢,提供了两种情绪模式,第一个是普通的情绪模式,第二个呢是镜像情绪模式。我们先来看一下普通的情绪模式,在这样一个情绪模式下呢,各个节点呢,只同步原数据,不同步对列里面的消息, 其中的原数据包含对立的名称,交换机的名称和属性,交换机与对立的绑定关系等等。当我们发送消息和消费消息的时候呢,不管请求发送到 rapper 集群的哪一个节点,最终呢,都会通过原数据去定位到对列所在的节点,去存储和拉取数据。 很显然,这种提醒方式呢,并不能去保证 q 本身的一个高度用,因为一旦 q 所在的节点挂了,那么这个 q 的消息就没有办法被访问了,那么它的好处呢,是可以通过多个节点去分担了流量的压力,提升了消息的吞吐能力。 第二种呢是镜像集群,它和普通集群的区别在于,镜像集群中的 q 的数据会在 raptingq 集群的每个节点都存储一份,一旦任意一个节点发生了故障,那么其他节点仍然可以继续提供服务。 所以这种集群模式下呢,实现了真正意义上的 q 的高可用。最后啊,在镜像的集群模式下,我们可以通过 keep alive 加上 h a proxy 来去实现 rapperm q 集群的复载均衡。 像这样一个结构,其中啊, h a proxy 呢,是一个支持四层和七层的复载均衡器,可以实现 rapuncle co 提出的一个负载均衡。同时,为了避免 h a proxy 的一个单点故障啊,可以在前置增加一个 k plug 来去实现 h a proxy 的一个储备。 如果 h aproxy 主节点出现故障,那么备份的节点就会接管主节点提供服务。 kvlin 提供了一个虚密 p 业务,只需要去连接到虚拟 ip 就可以了。好了,这就是 rapunq 常见的高可用的一个时间方案。那么在面试的时候,我们应该怎么去回答比较好呢? 好的, rabbit mq 高可用实现方式有两种,第一种是普通的集群模式,在这种模式下,一个 q 的消息只会存在于集群的一个节点上, 集群里面的其他节点会同步 q 所在的节点的原数据消息。在生产和消费的时候,不管请求发送到集群的哪个节点,最终都会由陆游到 q 所在节点上去存储和拉取消息。 这种方式并不能保证 q 的高可用性,但是它可以提升 rabbit mq 的消息吞吐能力。第二种是印象集群, 也就是集群里面每个节点都会存储 q 的数据副本,意味着每次生产消息的时候都需要把消息内容同步给集群中的其他节点。这种方式能够保证 q 的高可优信,但是集群副本之间的同步会带来性能的损耗。 另外,由于每个节点都保存了副本,所以我们还可以通过 ha roxy 实现负债均衡。以上就是我的理解, 大家知道该怎么回答了吗?如果你喜欢我的作品,记得点赞、收藏加关注,我是麦克,咱们下期再见!

rabbit mpu 面试题分享如何保证 rabbit mpu 的高可用性? rabbit mpu 有三种部署模式,单机模式, demo 级别的。一般就是学习的时候使用,少有在生产上面使用。 普通集群模式。在多台服务器上启动多个 rabbit mpu 实力,每个机器启动一个创建的队列。 q 只会放在一个 rabbit mpu 实力上,但是每个实力都同步 pu 的人数据。 原数据可以理解为是 q 的一些配置信息,通过原数据可以找到 q 所在的实力。消费的时候如果连接到了另外一个实力,那么那个实力会从 q 所在的实力上拉取数据过来。 这种方案主要是为了提高吞吐量,让鸡群中多个节点服务某个 q 的读写操作。镜像鸡群模式根 跟普通集群模式不一样的是,在镜像集群模式下创建的 q, 无论是原数据还是 q 里的消息都会存在于多个实力上。意思就是每个 rapid mq 节点都有这个 q 的一个完整镜像,包含 q 的全部数据。 每次写消息的时候都会自动把消息同步到多个实力的 q 上。相对来说,使用第三种方式可以真正的实现 rapid mq 的高可用。今天的分享到此结束,感谢大家的观看。

rep q 如何保证消息不丢失?我们首先来看一下 rep q 它的一个发送流程图啊,作为一个生产者,首先要把这个消息发送给 rep q 里面的一个叫做 exchange 的东东,所以这是它的第一步。然后第二步的话呢,这个消息它会被分发到对应的对应的里面,这是第二步。 然后呢,第三步的话呢,这个消息会被投递到对应的消费者,所以这是 rapling 他的一个工作流程。那么如何确保消息不丢失呢?其实要站在四个点,首先第一个点,我们要确保第一个消息要到 mq, 也就是说你进行发送的时候,至少这条消息要到 mq 里面来。 好,这是第一点。第二点的话呢,我们要确保消息能够路由到正确的队列,因为这个交换器啊,他就是类似于路由器的功能,他负责消息的路由。所以呢,在第二步里面,你要确保这个消息能够路由到正确的队列啊,如果, 如果说没有队列可以入游,这条消息有可能丢失。好,这是第二个。第三个的话呢,就是这个消息要在队列中间进行正确的存储,因为你作为 rapinq, 他有可能发生荡击或者发生重启, 所以呢,一般情况下面我们要把这个消息啊做一定的持久化,所以这是第三步啊。第四步的话呢,就是我们要把确保这个消息啊能够正确的投递到消费者。那么作为 rapinq, 他一般来说默认情况下面就是消息你发送给消费者 consome, 那么我就会把对应的这个消息从消费者里面进行删除, 但是有一种可能性就是消费者在消费消息的时候,他可能抛出了异常,那他一旦抛出异常的时候对不对?这个消息是没有被成功的消费的,但是呢,这个消息却从 reptile 里面进行了删除啊,所以呢,一般来说我们要去控制下异常,以及呢可能要进行一些重发机制。好, 现在我们来进行依次的讲解。首先第一个的话呢,如果你要确保消息到 m q, 你要使用一种发送的模式,叫做发送方确认的模式,那么发送方确认的模式怎么玩呢?我们来看代码, 好,这个呢就是我写的一段 rubbing q 的一个发送的代码啊,你可以看到我写了一个 rust ctrl 呢, 一个专门英语可以在浏览器里面直接访问到的一个 ctrl 呢,一个请求类啊。然后这个时候呢,我们对应一个路径叫做 derek, 如果说你发送 direct 的消息,他会响应在这里,然后我使用 spend boot 里面叫做 rep and q tablet 点 covent and send 这个方法向 rep 进行发送消息啊,发送到一个 direct exchange 交换器,然后对应有对应的建值,有对应的发送消息的本体。这个时候为了确保我相信能够到 q, 应该怎么做呢?那么我们来看一下 replica 的配置。 replica 的配置情况下面大家可以看到,首先的话呢, replica 它会使用连接,在连接的时候我们要设置一个这样的开关啊,这个连接里面叫做 connection factory, 要设置 publish come from 这个开关,把它设置为 two, 也就是意思我们的消息发送确认开关要打开好,这是第一个点,然后第二个点的话呢,在我们发送的这个 template 里面,我们要设置一个消息发送的回调函数,也就是我们要设置一下 come from call back 的回调函数,那么它具体的回调函数是怎么写的呢?来看一下啊。这个地方,当然我是用的一个艾特病,你也可以单独写个累啊。这个呢是 rubbing cutember 里面提供的一个 come from callback 的回调函数,在这个回调函数里面呢,它有一个 come from 的方法。在这个 come from 的方法里面呢,我们拿到对应的 a、 c、 k, 也就是说如果消息已经成功的发送给 mq 了,这个 sk 肯定会等于处,那么这个时候我们可以不处理,或者是稍微打印一下,其实这个消息呢,已经发送给 mq 成功了。 另外的话,如果这个 ack 他不等于处,那么我们就需要去考虑重发。所以呢,这个地方可以进行对应的异常处理,或者是专门写断代码,专门处理来那些发送失败的消息,所以这是我们刚才讲的怎么确保消息到 mq。 好的,我们再来看一下怎么确保我们的消息能够成功的路由到对应的对列,因为你要知道,就算你消息都来 mq, 他只是说消息首先到了这个交换器,但是到了这个交换器之后, 这个消息要路由段对应的对列,如果说你发生了路由失败,一般情况下面啊我们的消息会丢,所以 这个地方我们要开启一个通知,叫做路由失败通知。那么具体怎么处理呢?我们再来看待吗? 好在这个代码中当中我们发到啊,我们点到这个 raptin q 的 template, 这个呢就是消息发送的一个 tempt 类啊,在这个类里面,前面我们已经讲了,这个类里面呢,如果说我们要去设置一个发送失败通知,首先我们要把发送失败通知的开关打开,叫做 set, 叫做 metadare 啊,叫做 set metatory 啊,这个东西我要把它设置为 true, 这个东西设置为 true 呢?是什么意思呢?这个东西叫做开启 失败通知,好,这是第一个,那么设置为 two 之后,紧接着你还要做个事情,因为所有的 m q 里面这种消息的确认啊,他都是走的回调,所以我们还需要去设置 一个回调的函数,叫做 set return call back, 也就是说如果一旦发生了消息的回调失败,这个时候呢,我们可以给他给个方法叫做 return call back 的方法。好,那这个地方就意味着 叫做消息陆游失败,这个时候我们要通知,通知到哪里呢?通知到这个 return call bike 的这一个并里面来, 也就是我定义的一个病的类啊,在这个类里面呢,注意了,有一个方法叫做 return message, 方法,就是一旦发送发生了这种消息路由失败,他就会通知这个方法,在这个方法里面呢,有 message, 有失败的代码对不对?有我们的对应的交换器,有路由键等等之类的啊,所以这里面我我们可以进行一个打印,比如说你如果方法站在这里,那说明他是无法录 路由的消息,这个时候我要考虑重新处理了啊,如果说不考虑处理的话,这个消息他肯定已经丢了,所以呢,这就是如果发生了路由失败,你应该怎么处理的?代码, 好的,我们再回来啊,其实我们还要处理第三个点,就是确保消息能够在消息堆里面进行正确的存储啊,一般来说你要确保消息万无一失, 作为交换器 exchange, 作为对列, ok, 还有了作为对列里面的这个消息,这三者他都需要进行持久化,也就是这三者他都需要保存到磁盘当中,才能确保你 mq, 如果万一发生了 重启发生的荡机,对不对?这个时候我们的消息还可以在 m q 里面进行正确的存储,所以呢,这是第三步,好最后 一步。第四步要确保消息从对列当中进行正确的投递。这个时候一般来说,我们就不让我们的 rap q 走自动提交了,要走一个手动确认,也就是说这个确认呢,要交给消费者来确认,那么具体怎么做呢?我们再来看代码, 首先在这段代码当中,在我的 rapping two 里面的对应的配置里面啊,我定义了一个并,这个并是什么呢?它是一个专门用来手动消费的一个消费者。所以呢,首先 啊,我们这个里面,从这个叫做 simple message listened container 里面,我们拿到一个对应的容器,通过连接工厂拿到对应的容器,一个监听容器, 然后这个监听容器里面呢,我们专门去绑定一个队列,比如说像 q 一好,绑定这个队列之后,我们要设置这个容器,它不是自动提交,所以呢,我们 set acknowledge mode 设置成 menu, 就是一个手动的方式, ok, 然后的话呢,手动方式是不是要交给我们的消费者确认?那给谁确认呢?于是在我们的这个容器里面,我们要设置一个 set message listener, 设置我们具体消费的方法,比如说我这里面定义了一个 resire 的并啊 啊 receiver 的病,在这个 receiver 的病里面,大家可以看到它是实现了一个叫做 china available message listener 的接口,它就是一个专门进行手动消费的一个监听,然后里面有一个方法叫做 on message 方法,就是一旦你监听的这个对着里面有消息,他就会去触发这个 on message 方法进行消费。 在这个 on message 方法里面,大家注意了啊,首先的话呢,我们会拿到对应的 message 消息,还有呢,我们去进行消息通讯的,它对应的信道 china 好,如果这个地方你发生了业务的异常,比如说我们抛出了 exception 怎么办? 那这个时候我们就需要去对这个对应的 channel, 把它设置一个 n a c k, 通过这一个 channel 点 based n a c k 方法设置什么设置我们这个消息了没有消费成功 啊?因为进行消费成功的话是 a c k, 所以说如果正常进行的话呢,我们这个地方甚至 china based a c k 啊,甚至这个消息了已经消费成功了,所以呢,这就是通过手动的方式啊,在你的消费者业务代码里面发生异常的情况,下面我们可以通过手动的方式让 m q 里面进行一个重新派送 啊,当然呢,除了重新派送之外,如果你重新派送失败多次怎么办呢?这个时候一般来说啊, 在 rapinq 里面他也有一个死性消息,就是他会进入一个死性对列里面来进行对列的处理。好,这就是我们刚才所讲的,作为 rapinq 怎么去确保消息做到万无一失不丢失。

因为八年工资阶段的小伙伴面试被问到这一个问题,说如何来保证拉比那么快的一个高可用?关于这个问题呢,这位小伙伴倒是有实操经验, 不知道如何组织语言,所以呢,导致当时的面试结果不大理想。那今天呢,我给大家来分享一下我的理解。另外呢,我花了一个多星期准备了一份十万字的面试题解析,拍照完档,想后续的小伙伴可以在我的个人主页简介中找到。 所谓高可用呢,是指分布置系统中,如果出现某些节点不可用的情况下,要保证客户端依旧还能够连接到其他的节点,还不至于影响业务的执行。那我主要从以下两个方面来实现高可用,一个是集群部署,一个是负载均衡。 那么 rap 两门扣呢,是用二浪语言来编写的,而二浪呢,天生是具备分布式的特性的,所以呢,我们不需要再引入类似于 dk 的这样的一个 中间键来实现服务协调。那么他是使用欧浪点 coke 来验证身份的,他通过二五六七二端口来实现集群,那这个 coke 呢,就像一个暗号一样,只要你喊出金属名牌,刷个六就知道是他们的粉丝。 另外呢, rabbitomiko, 它的集群的节点有两种,一种是磁盘节点,一种是内存节点。那么在 rabidomiko 的集成环境中,至少需要一个磁盘节点来十九号原数据, 否则的话,当全部的内存节点崩溃的时候,就无法同步原数据了。下面呢,我来分享一下 rapidnameq 极权的模式,那么分别是普通的极权模式和镜像极权模式, 那么在普通的集权模式下,不同的集权之间呢,会相互同步原数据,而不会同步消息的内容。那么如图所示,对列 a 的消息呢,只存在 a 级别上, b 级的和 c 级别呢,同步了对列的 a 的原数据,但是呢,没 没有同步对列中的具体内容。那假如生产者连接的节点呢,是 c 节点,我们要将消息通过交换期 a 漏油到对列 a, 最终呢,消息就会转发到 a 级别上来存储,因为对列 a 呢,存储在 a 级别上。 同理呢,如果消费者连接的节点是 b 节点,那同样也要从对内 a 上拉出消息,那么消息呢,就会从 a 节点转化到 b 节点,那么其他节点呢,只能起到一个漏油的作用。 赞助的好处呢,是可以去节约成熟和同步数据的网络的开销,但如果需要保证对立的高可用,那这个时候呢,我们就需要用到镜像进行模式。 下面来看镜像解决模式,如图所示,其实呢,也非常好理解,在镜像对内模式下,消息内容会在所有的节点中进行同步,可用性能更高。不过呢,也有一定的副作用,因为系统性能会降低,尤其是在节点过度的情况下,会导 导致同步数据的代价也会增大。那么在极均环境搭建成功以后呢,要保证高可用,还需要一个负责均衡组建,由负责均衡组建来实现路由。那么对于生产者或者消费者一样呢,我们需要有一个连接到负责均衡组建的虚联 ip 地址就可以了。 那么这个负载均衡组件呢,需要满足以下几个条件,第一个呢,它本身要有负载功能,它可以去监控集群中的节点的状态,那如果某个节点出现异常或者是发生故障,我们要能够把它剔除掉。第二个呢,为了提供可用性,我们能够支持部署多个服务,能够自主的完成 master 的选举。 第三个呢,我们 max 的节点呢,需要对外开放一个虚拟的 ip, 那么客户端呢,只需要连接的这个数据点, ip 就可以自动完成对真实 ip 的漏油。下面呢,我以哈布洛克斯加上 kobeline 五的一个组合来实现 rebelabeco 的一个高 用,具体架构呢,如图所示。当然呢,我们实现高可用的方案还有很多,比如说我们可以使用 lvs, 使用 nj 的死等等来实现负责均衡。关于 rabymaker 的高可用方案,我就分享这么多,那么我分享的这个方案不仅仅只适用于 rabblemaker, 其实还可以应用于大部分的分布书的高可用场景。 小伙伴们,如果你还有其他更牛逼的方案,可以在评论区告诉我,相互学习一下,我是被变成耽误的王一汤,如果的分享对你有帮助,请你动动手指,一键三年,分享给更多的人,关注我,面试不再难!

rabbit mpu 面试题分享,如何确保消息接收方消费了消息? a、 发送方确认模式,将信道设置成 confirm 模式。发送方确认模式,则所有在该信道上发布的消息都会被指派一个唯一的 id。 一旦消息被投递到目的队列后,或者消息被写入磁盘后,信道会发送一个确认给生产者,包含消息唯一 id。 如果 rabbit mq 发生内部错误,从而导致消息丢失,则会发送一条 neck 为确认的消息。 发送方确认模式是异部的,生产者应用程序在等待确认的同时可以继续发送消息。当确认消息到达生产者应用程序,生产者应用程序的回调方法就会被触发来处理确认消息。 b、 接收方确认机制 消费者接收每一条消息后都必须进行确认。注意,消息接收和消息确认是两个不同的操作,只有消费者确认了消息, rapid mq 才能安全的把消息从队列中删除。 rabbit mq 通过 consumer 的连接来确认是否需要重新发送消息。只要连接不中断, rabbit mq 给了足够长的时间来处理消息,保证数据的最终一致性。 几种特殊情况需要特殊处理,一、如果消费者接收到消息,在确认之前断开了连接或者取消订阅, rabbit mpu 会认为消息没有被分发, 然后重新分发给下一个订阅的消费者,可能存在消息重复消费的问题,需要做去重处理。二、 如果消费者接收到消息,却没有确认消息,连接也未断开,则 rapid mq 认为该消费者繁忙,将不会给该消费者分发更多的消息,今天的分享到此结束,感谢大家的观看。


哎,张老师, m q 基本上成为分布式系统中的一个必不可少的中间键了,你能够给我们讲一讲如何才能去保证线上 m q 的一个消息不丢失吗?好的,首先呢,我们要对 m q 的消息传递过程达成一个共识,比如说以 rapid mac 为例,我们要把消息传递的过程呢,一般分为三个环节, 那么第一个环节呢,就是生产者投递消息到 rapid mac 服务器。第二个环节呢就是 rapid mac 要存储传递过来的消息。 第三个环节呢就是消费者去消费消息,那么这三个环节呢,也是所有的消息中间键通用的消息处理模型, 那要保证 mq 的消息百分之百不丢失的话,我们只需要去保证这个消息传递的每个环节的一个可靠性就可以了。那托马斯能具体讲一讲每个环节具体的实时方案吗?可以的,比如说 第一个环节呢,从生产者投递消息开始,我们就可能会出现消息丢失的情况,那如何来保证生产者投递的消息的可靠性呢?第一步呢,我们就是要开启消息的一个确认机制, 比如说你的消息投递出去之后,你以为你发了,但是呢 m q 服务器呢,这个时候可能登机了,或者服务挂了,或者呢由于网络抖动之类的原因, 那么 m q 呢,并没有实际的收到消息,这个时候呢,如果我们不管的话,就意味着这条消息呢就丢失了,所以呢就需要一个消息的确认机制来保证消息不丢失, 也就是说我们生产者呢需要收到一条消息确认的通知,否则呢就会重复投递消息。邻居毕生所学,给大家研制了一份佳娃程序员的一个求职突击手册,包含简历模板,电视突击压题,一周的一个技术提升,以及佳娃提升的一个完整学习路线。领取方式呢,在 我视频主页一色在手,保你高薪无忧。那具体如何实现呢?那对于 rapid me q 的一个 a p r 来说,我们首先呢可以通过 china 的一个叫做 conference lake 的方法来开启发送消息的一个确认模式。 然后呢再就用一个 china 的一个爱的 confuring listen 的方法去添加一个监听器,它有两个方法去实现,一个是 handle i ck, 还有一个是 handle neck 方法。那么通过这两个方法呢,来进行不同的一个实现和处理, 比如说消息 ack 就可以去做一些后续的逻辑处理,那如果消息耐克呢,我们就一般都会去做一些重复机制。那么消息重试呢,最简单的方式就是重新发送,比如说一条消息重发三次还没有成功,那我们就认为他失败了,那如果这条消息非常非常重要,这个时候都是重试以后还是发送失败 怎么办?那如果是一些非常非常重要的信息的话,我们是不能让他丢失的,比如说电商系统中的一个订单信息,那如果丢了的话,就会导致非常多的问题。 这个时候呢我们就需要做第二步的处理,我们要将这些消息呢要落到咱们的一个数据库里面进行持久化。然后呢给每条消息呢设置一个状态标识, 比如说一开始的话我们可以设置为零,然后呢如果服务端一旦接收之后就会做化肥料,那这个时候呢,我们就把这些消息的状态设置为一,我们为了去确保所有的消息都能够投递出去,我们还需要一个消息补偿机制, 那么一般的实践方式呢,就是写一个定时器,然后呢去轮旋这个数据库中的状态为零的消息,那么针对这类消息呢,我们进行重新投递,当然呢也要设置一个最大的一个重试次数,就防止一条消息可能会出现不断的重试,从而导致消耗类 存资源或者是数据库的性能,这样不是就会增大数据库的一个压力吗?对的,不断的人群数据库呢,确实会存在一个弊端,因为他会增大数据库的一个交互压力,因为你每次投递的一条消息都要和数据库进行交互的话,还要去更新消息的一个状态。那么针对这种情况呢,我可以给两个优化建议。 第一个呢就是可以去创建一个专门的数据库来存储这些投递失败的消息,这样的话呢就不会影响到正常的业务数据库。第二个呢就是可以去利用 redis 的一个缓存来更新消息的状态,这样呢就能够去减少数据库的一个轮行压力,这样就能够去保证生产者投递的消息呢永远不丢失了。 好的,明白了,生产者投递消息的可靠性保证呢?那第二个环节, rap mq 的一个服务器去存储消息,他又是如何去保证消息不丢失的呢?那当消息到达 mq 服务器之后呢,一般情况下消息呢只存在内 程中,并没有持久化,也就是说一旦消息服务器挂了或者说重启了,那么在内存中如果还存在没有消费的消息的话,这个时候呢,这个时候呢,这个消息就可能直接丢失了,所以呢,为了去保证消息不丢失的话,我们必须要开启持久化机制。 那么 rapin 的扣呢,它的一个实际化机制主要是基于我们的这个 red 刷盘来实现的,刷盘呢有两种方式是 red 零和 red 一,那么 red 零呢,就是指我们的磁盘的集成,它可以将我们多换磁盘变成一块来使用,这种方式呢可以去提高磁盘的一个存储量, 而 red 呢,它就是我们的磁盘倾向,它会将磁盘分割成两半,然后呢同样的数据会分别存在这两块中去存储,每一个区域呢都会存储一份,可以去理解成是一种复制。那这样呢,我们莱美扣呢,存储消息的过程中呢,就不必去考虑,比如说我们存在哪块磁盘,或者是它坏了呀, 去导致我们消息丢失的情况,那么一般呢,我们都是两种方式来结合使用的,所以呢是采用多实盘多分块,那消息直角化机制在我们的这个代码中又是如何来操作,如何实现的呢?好,我们在代码里面呢,需要在 mq 的这个千的通道和交换机, 包括消息发布的时候呢,都要通过这个欠的对象呢去设置来改变直觉化机制,比如说下面这一段单把片段, 那么第一行代码呢,是用来去定义交换机,那么它的第三个参数设置为 to, 就是表示来开启直角化。第二行代码呢,是用来定一个对列。 它的第二个参数呢,设置为 two, 也是表示来开启直角化。那第三个代码呢,是发布消息其中的 message properties 的一个 processed text plan 这个参数呢,它也是用来去开启直角化的。那么只有这三个参数都开启的时候呢,才能去保 保证的消息是完全持久化的。嗯,明白了,那最后一个环节,消费者消费消息,他又是如何去保证消息不丢失的呢?对于消费者来说,导致消息丢失的原因有三个,第一个呢,就是在处理消息的过程中出现异常了, m 哥服务器呢,并不知道你泡了一场,从而导致消息的丢失。第二个呢,就是消费者因为网络中断或者是网络抖动的一个之类的一个原因,而导致没有接收到消息。第三个呢,就是一种非常极端的情况了,也就是说消费者刚收到消息的时候呢,服务器因为各种原因淡季了, 从而导致后续的操作呢中断,那么这个时候呢,消息呢,就直接丢了,那怎么办呢?解决方案呢?和我们前面说的一样,就是开启消息的确认机制就可以了,那么 m q 服务器呢,给消费者提供了一种手动 a c k 的机制,也就是说 我们只需要在消费者接收到消息以后,然后呢手动确认,那当我们的 mq 服务器没有收到消息确认,或者是等待消息确认超时了,他就会触发从事机制,包括从事次数啊,从事时间间隔啊,我们都可以去进行设置的, 所以呢,我们在消费者消费消息的时候呢,一定要保证密等也是由此而来的。以上呢,就是我的 mq 保证消息不丢失的一个整体解决方案,各位同行们,如果你们还有其他要补充的话,可以在评论区讨论一下。

今天给大家分享一下这个让 mq 批量消费的一个代码演示啊。首先说一下为什么要去批量消费呢?其实批量消费的话,可以,呃,提高我们的一个消费速度, 然后我们来看一下如何去使用啊,看一下消费者这边我们的一个写法啊。首先说这个注解和普通的一个消费会有所不同,这里我们是指定了他的一个啊,腾腾的 factory 啊,这是我们自己配置的,在这边。 嗯,我们这一配置的这个 factory, 它其实是具备一个批量的一个功能啊,在这边我们要去开启它的一个批量功能,然后并且设置它的相关批量参数 啊,大概的意思就是说我们这边会设置一批是十个消息啊,然后第二个参数是等待的最长的一个时间啊,比如说我这个对列当中只有九个消息,那他不会一直等待,比如说这里设置十秒,那十秒钟之后的话,就算是九个消息,他也会去当成一批来消费。呃,这个参数的一个设置呢,还是要依据于我们的一个业务来进行 一个调整好,然后我们继续看消费者这里,呃,除了这个肯定的 factory 的不同之外,这个进行最终的一个消息消费的时候,这里的一个入餐也变成了一个类似的的一种形式啊,因为是一批消息嘛,然后普通的话可能只是传入一个对象就可以,这个是我们的一个业务对象啊,自己定义的。 呃,然后这里我会去做了相关的一个打印啊,重点是这个消息个数的一个打印,一会测试会用到。嗯,然后这边生产者这里就是普通的借助于这个 rabbit 的一个 temper 里头去进行的一个发送好,然后我们这边看一下测试, 这个单测试这边其实我们啊想的是用呃十五个消息去进行测试啊,首先是啊,十个消息的时候,我们去进行一个日志打印,看他的一个消费情况啊,每个消息发送的时候会去啊,间隔一秒钟,然后我们这边来执行一下, 我们这边测试用力跑完了,我们来看一下他的一个输出啊。首先说我们看这个第一行输出啊,是在五十三秒的时候进行了一个输出发送十个就是这里的输出。那 五十三秒输出完了,发送十个之后呢,这里紧接着就开始了一个消费,然后消费的消费个数是十个啊,这里说明其实他是等待着呃队列当中有十个消息之后,他才会去进行一个消费,对吧? 嗯,那后面的第三行输出是在第五十八秒的时候输出的发送成功啊,这里是因为我们有十五条的一个消息啊,就等待了五秒把剩下的五条发完了。但是呢,他没有紧接着去进行一个消费,而是在零八秒的时候去进行一个消费,等待了一个十秒,因为这里的话他是不满足于我们配置的一个十个一批的规则,而只能等待了十秒钟之后再去进行一个消费, 消费的一个个数啊,是五个。好,那这就是关于这个批量消费的一个分享啊,有需要代码的小伙伴可以去主页找一下啊,今天的分享就到这里,我们下期再见。

好,我们再来看一下消息对联有哪些作用和用场景。我们先看第一种情况,在我们传统模式下,那我订单系统下单成功了,是不是调用我们库存系统去扣减他的库存? 那假设现在我随着公司业务的发展,将我们的物流系统也要接入进来,那像这种情况下,那我订单系统是不是要增加代码去调用我们的物流系统生成物流信息,那我们再看引入我们 mq 之后,那我们将下单成功的消息写入 mq, 那我们的库存系统是不是接收这条消息去扣选他的库存? 那假设我物流系统这时候也要进入进来,那这种情况下他是也是接受这条消息去生成他的一个物流信息,这帮我们实现一个应用的结偶。那我们再看,假设我们库存系统服务挂掉了,这时候我下单成功了,他去调用我们的库存系统,这时候返回 一个异常,因为我们服务挂掉了,这种情况下导致我们整个系统下单失败。 ok, 我们再看我们引入 mq 之后,那么我们订单系统下单成功,将我们下单成功消息写入 mq, 再返回给我们用户一个下单成功的消息,那等我们库存系统恢复好之后,再去消费这条消息去扣选他的库存,这样就提高了我们的一个系统的一个容错。好,我们再看第二种情况, 假设我们用户注册成功之后,将我们的注册信息是不是写入我们的数据库,它耗时是一百毫秒, 接着我们进行一个邮件的通知,因为这里我们调用第三方服务,所以说他可能耗时比较长,用了五百毫秒,在我们邮件发送成功之后,是为我们进行短信通知,那么短信通知也调用我们第三方服务,假设他花了三百二十毫秒, 当我们短信通知成功之后,是返回给我们用户注册成功的消息,这整个过程花了我们九百二十毫秒,他对用户一个体验是不是非常的差?那我们再看引入我们 mq 之后,那么我们用户注册,将我们的注册信息写入我们的数据库,就是我们耗时一百毫秒, 紧接着将我们注册成功的消息写入我们的对列,我们再看这里,他的一个耗时比较短,只用了五毫秒,接着我们返回给我们用户一个注册成功的消息, 我们再去义部的进行邮件通知和我们的短信通知,这整个过程是不是只花费了一百零五毫秒,对我们的一个用户体验是不是有一个极大的提升?好,我们再看第三种情况, 在我们秒杀场景下,那么我们每秒一个请求可能非常的高,但是对于我订单一个服务,他可能出每秒出 有请求是有限的,那假设我每秒有一万条请求,但是我订单服务每秒只能处理一千条请求,那像这种情况下,那我订单服务是不是很有可能马上崩溃掉? 好,我们再看引入我们的 mq 之后,那我用户每秒一万的请求,那么这时候他在我们的对列里面进行排队,那我订单服务每秒处理一千条请求,那我每一次是会拉取一千条请求信息,这时候慢慢的去处理, 那这种关系是保证我们的服务不会崩溃,用我们的时间去保证我们服务的一个稳定性, 那我们像在看传统模式情况下,他一秒钟可能他的一个请求达到了一个巅峰值,但是我们引入 mq 之后呢?他可能在一个时间段就比较平稳的去消费这些消息,让他消费完。那当然像这种秒杀场 一下,我们不光可以去引入我们的 mq, 那么还可以在我们去增加我们的服务,增加我们的机器去解决。 ok, 那么我们消息对列有这么多好处,那么我们消息对列还有什么缺点吗?好,我们来看一下我们消息对列的一个缺点, 那像这里我们降低我们系统一个可用性,因为我们系统引入的外部依赖越多,他就越容易出问题。那第二个我们系统复杂度提高了, 因为我们使用 mq 之后呢,他要保证我们消息没有被重复消费,并且要保证我们消息不丢失,还要保证我们消息的一个顺序性等等问题。那第三个我们一致性问题,那假设我们 abcd 四个系统都要去处理这个消息,那这时候我 a 系统处理成功了,那我 b 系统和 d 系统也处理成功了,但是我 c 系统却处理失败了,是不可能造成我们的数据不一致。那么我们下面还有如何保证我们消息对立的顺序性?如何保证我们消息不被重复消费?如何保证我们消息不丢失的一些笔记,那么大家想要笔记的话,可以看我们的评论区置顶, 下面还有我们消息对列的面试题。 ok, 大家想要笔记的可以在我们评论区留言。

今天给大家分享一下这个顺序消费的一个问题啊,利用这个 raptampq 给大家演示一下,本期视频的一个关键词呢,就是顺序消费啊,消费者带货模式,以及说按 消息键,宝旭的一个思想,如果你都知道的话,就可以不用看了。那这里呢,我们首先来介绍一下什么是顺序消费啊?我们一般的一个消费,比如说订单超时关闭啊,这样的事情,对吧?我们不需要关注他的一个顺序,所以说针对于顺序消费,很多小伙伴可能比较懵啊,这里我举一个例子, 比如说有三条消息要发送啊,这三条消息呢,分别是针对于啊,同一个数据的一个新增、修改和删除啊,那这里就有顺序的要求,你比如说我还没有新增,你就去进行了修改和删除,肯定会出现业务异常的,对吧?这里的顺序指的就是啊这个意思,那如何去保证这个顺序呢? 一般我们会从这三个方面来考虑啊。首先说你发送消息的一个顺序,嗯,发送消息的一个顺序呢,大多数情况下是不做什么要求的,你如果说一定要保证的话,那就是 啊,去进行一个枷锁的一个操作啊,这里好,那第二个呢,就是对列中消息的一个顺序,就是我们将消息发给 mq, 在 mq 中他能够保证一个顺序吗?这个是由 mq 提供的,确实是可以保证顺序啊,因为对列本身就是可以顺序的。然后 最重要的一点就是消费者的一个顺序啊,这里是要由我们的程序来保证的,因为我们的消息啊,往往在进行消费的时候,大家的程序都是多个副本,我们同时去进行消息的一个消费, 那每个副本呢,他消费消息的速度都或多或少有点不同啊,就会导致我们的消费消息的一个顺序产生了一个问题啊,那如何去解决呢? 其实我们只要保证一个对立啊,只有一个消费者,这样的消息就可以一个一个的被顺序消费了啊。但是这样也有一个很明显的一个缺点啊,就是他的一个并发能力下降了啊,当然这个问题呢,就可以用这个消息键保序的一个思想,呃,举个例子啊,嗯,比如说我们 只有一个对列的前提之下,我们要做这种呃操作,那我们就只能发送到一个对列中去,对吧?但是如果我们有很多个这种对列,然后我们呢根据业务组建的一个 id 啊,去进行一个曲模运算啊,把得到的不同的结果呢,扔到不同的那个对列中去, 这个样子呢,就可以多个队列同时消费,而处理的却是同一批啊,同一类业务数据,这个样子就可以提升他的一个啊消费速度。可能啊,光那么说有点难以理解,我们来看一下代码啊,首先我们这里来看一下配置啊,配置这边呢,我们其实是创建了四个队列啊, 然后这四个对列在创建的时候呢,都是用了这样的一种方式去创建的,我们会给到他的一个参数啊,这个参数呢,其实就是单货模式啊,防止他多个副本同时去进行消息的一个消费啊。然后呢,我们这里的四个对列,然后我们在投递的时候,生产者他会根据消息的主见去进行一个什么运算, 然后啊根据得到的一个结果,我们来指定它的一个路由 k 啊,这样子这个消息就会投递到不同的一个对列中去啊,最终我们在消费的时候, 我们同时去消费了四个对列,这里相当于是写了四个方法去进行一个消费啊,啊,只是比较偷懒,就这么写了啊,这里消费的时候,我们就可以啊,直接拿到了四个对列里面的数据去进行一个消费啊,实际消费方法呢,并没有太大的一个出入啊,这里只是一个模拟延时的一个操作啊。 嗯,那我们这边测试测试,怎么测试呢?呃,比如说我这里呢,其实是进行了两层循环啊,首先第一层循环呢,它代表的是我们有序的消息个数啊,零到一个消息, 我们要求这个消息是能够被一个一个的消费。然后第二层循环,其实我们是把它来当做这个消息编号的,就是我们会根据这个编号来给他投递到不同的这个对列中去啊,就是 按消息逐渐保序的一个思想,我们的逐渐指的就是它啊发送的时候根据这个 id 来进行一个保序的一个操作啊。然后呢这里的一个默克方法呢,其实它就是模拟多个副本啊,因为我这里启动了,而没有去执行其他操作,那我们这个消费者是一直活着的, 所以在这个生产者生产的时候,他自身的消费者和啊这个测试启动的消费者都会形成一个竞争关系,然后我们来看一下他的一个情况, 先启动这个木盒方法,然后再启动我们这个的一个测试, 这里我们的单测试已经跑完了,首先可以看到啊,我们的这个发送方法的这个消费者,他没有任何的一个输出,而我们之前跑了这个幕后方法,他却进行了一个消息的消费,对吧?然后我们来看一下效果,嗯,首先说我, 我们是根据这个编号啊,将消息投递到不同的对列中去,然后我们这里只看编号零的,然后过滤一下,嗯,好,这里呢我们可以看到他的消息啊,是按照顺序的去给我们进行了一个消费,对吧?然后我们再看一下其他的,比如说编号三的, 也是按消息也是按顺序的去进行了一个消费,对吧?而我们不同的对列之间啊,他的消费顺序却是不一样的,对吧?那这里其实也是说,我们就是能够通过这种方式去保证了一个顺序,并且通过按消息鉴宝序的一个思想提高了他的一个消费速度。 而我们的一个单薄模式呢,其实啊,在管理后台这边啊,如果说你在这个 m q 的管理后台这边,你会看到啊,当你有多个消费者同时注册上来的时候,只有一个消费者会去消费,而其他的消费者会进入到 一个等待的一种模式啊,这就是单活模式的一个应用。好,那今天的分享就到这里,有需要代码的小伙伴可以到主页上去拿一下,我们下期再见。

在商城开发中,订单创建完五分钟之后,如果说未支付的话,修改成已取消状态,如何实现呢?我们来通过拉比特 m q 来演示一下这一实现。 这里插件侠提供一款属于 rapid m q 中的延时插件,它可以帮助我们实现倒计时。首先你得到 rapid m q 中去启用这个延时插件,请用好之后,你会到我们的交换机,这里会多出一个延时消息的一个交换机队形。 接下来你就可以到加号代码中去进行相关的一个编线代码了。在这里你可以去配置一个延迟交换机,然后以及延迟对列,再将交换机和延迟对列进行相关的绑定。 接下来我们就可以去发送消息了,比如说我这里可以去指定延时时间为三秒,也就是说在发送消息三秒之后,然后我们消费者才能去接收到消息,然后进行业务处理。这里是我配置的消费者去简单输出的一个打印语句, 然后我们打开浏览器,这里有个测试接口,我们来发传请求,然后回到我们的加号程序中,在这里可以看到我们相关的一个日志, 这里我们可以看到生产者发送消息的时间是零一分五十五秒,然后我们消费者接收到的时间是零一分五十八秒,也就是说当我们生产者发送消息三秒钟之后,我们的消费者才成功接收到消息,进行业务处理。 通过这个颜色插件,我们就可以快速实现颜色消费了,当然你得注意这个颜色时间最多不能超过五十天,他有一个时间限制比较简单,你学会了吗?加油写,加我代码,程序号码。

接下来我们讲一下 rapid m q 的工作原理。我们先看这张图,这中间最大的是 breaker, 它是我们 rapid m q 的一个实体,也是接收和分发消息的一个应用。 那往下是我们的 v horse 的,我们 v horse, 它是一个虚拟主题的概念,那我们一个 breaker, 它可以有多个 v horse 的 v house。 往下是我们的 exchange 交换机和我们的 q, 我们的对列。我们的 exchange 交换机和 q 对列形成一个绑定关系,那在一个 v house 下,它可以有多个交换机, 每个交换机可以和多个对列进行绑定。那每个 rehouse 啊,它都有一套自己的交换机和对列。那同一个 rehouse 中,我们的交换机和对列不能重名。那不 同的 v house 中,让我们的交换机和队列他的名字可以一样。那这样我们不同的用户在访问同一个 rap m q 的 broker 时,他可以创建自己单独的 v house 的,然后在自己的 v house 中,他去创建交换机和我们的队列, 这样可以做到我们不同用户之间他一个相互隔离。好,我们再看到最左边是我们的 producer, 是我们的生产者,我们最右边是我们的消费者 consumer。 那这形成我们之前说的一个 rapid m q 的四大核心。我们看一下 我们 rap m q 四大核心是我们的生产者 producer, 我们的消费者 consumer, 还有我们对列 q 以及交换机 exchange。 好,我们再回到这张图, 我们可以看到我们的生产者和我们 broker 之间,他们通过我们的 connect 型链接产生一个 t c p 链接。那每个 connect 型下它有多个圈呢?那圈呢?是我们发送消息一个管道, 那我们每发送一次消息,它占用一个圈呢?也就是说我经过一次 connect 链接,那我可以发送多次消息。 好,我们看一下,下面有一些名词解释,比如说我们的 breaker, 它是我们接收和分发消息的一个应用, 也叫做我们的消息实体。再看我们的 rehost, 我们 rehose, 它是一个虚拟主句的概念,它可以做到我们不同用户之间相互隔离。再看我们的 connect 型,它是我们生产者、消费者和 broker 之间的一个 tcp 链接。再看我们的 china, 它是发送消息的管道,因为每次产生一个 condex 型的话,它的一个开销比较巨大。那么我们产生一次 condex 型,我们可以发送多次消息,我们每次消息占用一个 china。 来看我们的一个亲子交换机,他是我们消息到达 brok 的第一站。那么我们交换机类型有几种?我们后面会对我们每一个交换机类型做出一个分析。 下面我们的 q 是对列,它是用来存放消息的对列班底,它是我们 exchange 和 q 之间的虚拟链接,它中间可以包含我们的路由 k。 下面还有我们消息对列的面试题。 ok, 大家想要笔记的可以在我们评论区留言。