消息队列rabbitMQ、kafka

消息队列交流学习

一、概述

消息队列是分布式系统中重要的中间件，在高性能、高可用、低耦合等系统架构中扮演着重要作用。分布式系统可以借助消息队列的能力，轻松实现以下功能：

• 解耦，将一个流程的上游和下游拆开，上游专注生产消息，下游专注处理消息。
• 广播，一个上游生产的消息轻松被多个下游服务处理。
• 缓冲，应对流量突然上涨，消息队列可以扮演一个缓冲器的作用，保护下游服务使其可以根据实际的消费能力处理消息。
• 异步，上游发送消息后可以马上返回，下游可以异步处理消息。
• 冗余，保留历史消息，处理失败或当出现异常时可以进行重试或者回溯防止丢失。

下图便是消息队列的基本模型，向消息队列中存放数据的叫做生产者，从消息队列中获取数据的叫做消费者。

上图为整体架构，会涉及三类角色：

1）Producer 消息生产者：负责产生和发送消息到 Broker；

2）Broker 消息处理中心：负责消息存储、确认、重试等，一般其中会包含多个 queue；

3）Consumer 消息消费者：负责从 Broker 中获取消息，并进行相应处理；

二、产品介绍与安装

	RabbitMQ	ActiveMQ	RocketMQ	Kafka
公司/社区	Rabbit	Apache	阿里	Apache
开发语言	Erlang	Java	Java	scala&Java
协议支持	AMQP,XMPP,SMTP,STOMP	OpenWire,STOMP,REST,XMPP,AMQP	自定义协议	自定义协议
可用性	高	一般	高	高
单机吞吐量	一般	差	高	非常高
消息延迟	微秒级	毫秒级	毫秒级	毫秒以内
消息可靠性	高	一般	高	一般

1. rabbitMQ

rabbitMQ官方网站

RabbitMQ是使用Erlang语言开发的开源消息队列系统，基于AMQP协议来实现。AMQP的主要特征是面向消息、队列、路由(包括点对点和发布/订阅)、可靠性、 安全。AMQP协议更多用在企业系统内，对数据一致性、稳定性和可靠性要求很高的场景，对性能和吞吐量的要求还在其次。

安装参考地址为dockerhub

1.1 安装

rabbitmq在Windows下docker安装：

docker run -d --hostname my-rabbit --name my-rabbit -e RABBITMQ_DEFAULT_USER=admin -e RABBITMQ_DEFAULT_PASS=123456 -p 5672:5672 -p 15672:15672 rabbitmq:3-management

rabbitMQ参数说明：

• hostname：配置主机名，集群的时候用到，单机版不配置也可
• RABBITMQ_DEFAULT_USER：创建用户
• RABBITMQ_DEFAULT_PASS：创建用户密码

docker参数说明：

• d：后台运行
• name：镜像生成的容器名
• p：映射宿主机端口

访问地址

rabbitMQ管理界面

1.2 功能

rabbitMQ中的几个概念：

• channel：操作MQ的工具
• exchange：路由消息到队列中
• queue：缓存消息
• virtual host：虚拟主机，是对queue、exchange等资源的逻辑分组

常见的消息模型：

一、不使用exchange（一条消息只能被一个消费者消费）

• 基本消息队列（BasicQueue）

  

• 工作消息队列（WorkQueue）

  

二、使用exchange

• 发布订阅（Publish\Subscribe），又根据交换机类型不同分为三种：

  • Fanout Exchange：广播

    

  • Direct Exchange：路由

    

  • Topic Exchange：主题

    

1.3 常见问题

• 消息可靠性（如何确保发送的消息至少被消费一次）
• 延迟消息问题（如何实现消息的延迟传递）
• 消息堆积问题（如何解决数百万消息堆积，无法及时消费的问题）
• 高可用问题（如何避免单点的MQ故障而导致的不可用的问题）

1.3.1 消息可靠性

消息从生产者发送到exchange，再到queue，再到消费者，导致消息丢失的可能性：

• 发送时丢失：
  • 生产者发送的消息未送达exchange
  • 消息到达exchange后未到达queue
• MQ宕机，queue将消息丢失
• consumer接收到消息后未消费就宕机

解决方案：

1. 生产者确认机制

​ rabbitMQ提供了publisher confirm机制来避免消息发送到MQ过程中丢失。消息发送到MQ以后，会返回一个结果给发送者，表示消息是否处理成功。结果有两种请求：

• publisher-confirm，发送者确认
  • 消息成功投递到交换机，返回ack（acknowledge）
  • 消息未投递到交换机，返回nack
• publisher-return，发送者回执
  • 消息投递到交换机了，但是没有路由到队列，返回ack，及路由失败原因

确认机制发送消息时，需要给每个消息设置一个全局唯一id，以区分不同消息，避免ack冲突

2）消息持久化

在rabbitmq客户端创建交换机、队列中如果不设置Durability为Durable的情况都不是持久化，而消息需要设置Delivery mode:persistent，否则也不是持久化，在mq重启之后，交换机、队列、消息都会消失。

3）消费者消息确认

rabbitMQ支持消费者确认机制，即：消费者处理消息后可以向MQ发送ack回执，MQ收到ack回执后才会删除该消息。而SpringAMQP则允许配置三种确认模式：

• manual：手动ack，需要在业务代码结束后，调用api发送ack
• auto：自动ack，由spring监测listener代码是否出现异常，没有异常则返回ack；抛出异常则返回nack
• none：关闭ack，MQ假定消费者获取消息后会成功处理，因此消息传递后立即被删除

4）失败重试机制

当消费者出现异常时，消息会不断requeue（重新入列）到队列，再重新发送给消费者，然后再次异常，再次requeue，无限循环，导致mq的消息处理飙升，带来不必要的压力

1.3.2 死信交换机

当一个队列中的消息满足下列情况之一时，可以成为死信（dead letter）：

• 消费者使用basic.reject或basic.nack声明为消费失败，并且消息的requeue参数设置为false
• 消息是一个过期消息，超时无人消费
• 要投递的队列消息堆积满了，最早的消息可能成为死信

如果该队列配置了dead-letter-exchange属性，指定了一个交换机，那么队列中的死信就会投递到这个交换机中，而这个交换机称为死信交换机（Dead Letter Exchange，简称DLX）。

如何给队列绑定死信交换机

• 给队列设置dead-letter-exchange属性，指定一个交换机
• 给队列设置dead-letter-routing-key属性，设置死信交换机与死信队列的routingkey

TTL，也就是Time-To-Live。如果一个队列中的消息TTL结束仍为消费，则会变为死信，ttl超时分为两种情况：

• 消息所在的队列设置了存活时间
• 消息本身设置了存活时间

1.3.3 惰性队列

• 消息堆积问题

  当生产者发送消息的速度超过了消费者处理消息的速度，就会导致嘟列中的消息堆积，直到队列存储消息达到上限。最早接收到的消息，可能就会成为死信，会被丢弃，这就是消息堆积问题。

  解决消息堆积问题有三种思路：

  • 增加更多消费者，提高消费速度
  • 在消费者内开启线程池加快消息处理速度
  • 扩大队列容积，提高堆积上线

• 惰性队列

  从rabbitMQ的3.6.0版本开始，就增加了Lazy Queues的概念，也就是惰性队列。

  惰性队列的特征如下：

  • 接收到消息后直接存入磁盘而非内存
  • 消费者要消费消息时才会从磁盘中读取并加载到内存
  • 支持数百万条的消息存储

1.3.4 MQ集群

• **普通集群：**是一种分布式集群，将队列分散到集群的各个节点，从而提高整个集群的并发能力。
  • 会在集群的各个节点间共享部分数据，包括：交换机、队列元信息。不包含队列中的消息
  • 当访问集群某节点时，如果队列不在该节点，会从数据所在节点传递到当前节点并返回
  • 队列所在节点宕机，队列中的消息就会丢失
• **镜像集群：**是一种主从集群，普通集群的基础上，添加了主从备份功能，提高集群的数据可用性。
  • 交换机、队列、队列中的消息会在各个mq的镜像节点之间同步备份。
  • 创建队列的节点被称为该队列的主节点，备份到的其他节点叫做该队列的镜像节点。
  • 一个队列的主节点可能是另一个队列的镜像节点
  • 所有的操作都是主节点完成，然后同步给镜像节点
  • 主宕机后，镜像节点会替代成新的主

镜像集群虽然支持中从，但主从同步并不是强一致的，某些情况下可能有数据丢失的风险。因此在rabbitMQ的3.8版本以后，退出了新的功能：仲裁队列来代替镜像集群，底层采用Raft协议确保主从的数据一致性。

2.kafka

kafka中文文档

Kafka是最初由Linkedin公司开发，是一个分布式、支持分区的（partition）、多副本的（replica），基于zookeeper协调的分布式消息系统，它的最大的特性就是可以实时的处理大量数据以满足各种需求场景：比如基于hadoop的批处理系统、低延迟的实时系统、storm/Spark流式处理引擎，web/nginx日志、访问日志，消息服务等等，用scala语言编写，Linkedin于2010年贡献给了Apache基金会并成为顶级开源 项目。

2.1 产生背景

kafka的诞生是为了解决linkedin的数据管道问题，起初linkedin采用了ActiveMQ来进行数据交换，大约是在2010年前后，那是的ActiveMQ还远远无法满足linkedin对数据传递系统的要求，经常由于各种缺陷而导致消息阻塞或者服务无法正常访问，为了能够解决这个问题，linkedin决定研发自己的消息传递系统，当时linkedin的首席架构师Jay kreps便开始组织团队进行消息传递系统的研发。

2.2 Kafka的特性

• 高吞吐量、低延迟：kafka每秒可以处理几十万条消息，它的延迟最低只有几毫秒
• 可扩展性：kafka集群支持热扩展
• 持久性、可靠性：消息被持久化到本地磁盘，并且支持数据备份防止数据丢失
• 容错性：允许集群中节点失败（若副本数量为n,则允许n-1个节点失败）
• 高并发：支持数千个客户端同时读写

2.3 Kafka场景应用

• 日志收集：一个公司可以用Kafka可以收集各种服务的log，通过kafka以统一接口服务的方式开放给各种consumer，例如hadoop、Hbase、Solr等。
• 消息系统：解耦和生产者和消费者、缓存消息等。
• 用户活动跟踪：Kafka经常被用来记录web用户或者app用户的各种活动，如浏览网页、搜索、点击等活动，这些活动信息被各个服务器发布到kafka的topic中，然后订阅者通过订阅这些topic来做实时的监控分析，或者装载到hadoop、数据仓库中做离线分析和挖掘。
• 运营指标：Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告。
• 流式处理：比如spark streaming和storm
• 事件源

2.4 安装

安装zookeeper

docker pull zookeeper
docker run --name zoo -p 2181:2181 -d zookeeper

安装kafka（方法一）

docker pull bitnami/kafka
docker run --name kafka -p 9092:9092  -e KAFKA_ZOOKEEPER_CONNECT=10.30.1.13:2181 -e ALLOW_PLAINTEXT_LISTENER=yes -e KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://localhost:9092 -e KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092 -d  bitnami/kafka

docker容器部署必须指定以下环境变量：

• **KAFKA_ZOOKEEPER_CONNECT **指定 zookeeper 的地址：端口。
• ALLOW_PLAINTEXT_LISTENER 允许使用PLAINTEXT侦听器。
• KAFKA_ADVERTISED_LISTENERS 是指向Kafka代理的可用地址列表。 Kafka将在初次连接时将它们发送给客户。格式为PLAINTEXT://host:port，此处已将容器9092端口映射到宿主机9092端口，所以host指定为localhost，便可在宿主机执行测试程序连接 kafka。
• KAFKA_LISTENERS是 Kafka 代理将侦听传入连接的地址列表。格式为PLAINTEXT://host:port， 0.0.0.0代表接受所有地址。设置了上个变量就要设置此变量。

使用docker-compose集群部署（方法二）

docker-compose.yml

version: '2'

services:
  zoo1:
    image: zookeeper
    container_name: zoo
    ports:
      - 2181:2181

  kafka1:
    image: 'bitnami/kafka:latest'
    ports:
      - '9092:9092'
    container_name: kafka1
    environment:
      - KAFKA_ZOOKEEPER_CONNECT=zoo1:2181
      - KAFKA_BROKER_ID=1
      - ALLOW_PLAINTEXT_LISTENER=yes
      - KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092
      - KAFKA_ADVERTISED_LISTENERS=PLAINTEXT:///127.0.0.1:9092
    depends_on:
      - zoo1

  kafka2:
    image: 'bitnami/kafka:latest'
    ports:
      - '9093:9092'
    container_name: kafka2
    environment:
      - KAFKA_ZOOKEEPER_CONNECT=zoo1:2181
      - KAFKA_BROKER_ID=2
      - ALLOW_PLAINTEXT_LISTENER=yes
      - KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092
      - KAFKA_ADVERTISED_LISTENERS=PLAINTEXT:///127.0.0.1:9093
    depends_on:
      - zoo1

  kafka3:
    image: 'bitnami/kafka:latest'
    ports:
      - '9094:9092'
    container_name: kafka3
    environment:
      - KAFKA_ZOOKEEPER_CONNECT=zoo1:2181
      - KAFKA_BROKER_ID=3
      - ALLOW_PLAINTEXT_LISTENER=yes
      - KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092
      - KAFKA_ADVERTISED_LISTENERS=PLAINTEXT:///127.0.0.1:9094
    depends_on:
      - zoo1

kafka tool安装

安装地址

安装完成后添加kafka信息，如下图操作界面

添加完成后如下图所示：

2.5 功能

2.5.1 kafka中的几个概念

• broker

  • 一个kafka的集群有多个broker组成，这样才能实现负载均衡以及容错
  • broker是无状态的，他们是通过zookeeper来维护集群状态
  • 一个kafka的broker每秒可以处理数十万次读写，每个broker都可以处理TB消息而不影响性能。

• zookeeper

  • zookeeper用来管理和协调broker，并且存储了kafka的元数据（例如：有多少topic、partition）
  • zookeeper服务主要用于通知生产者和消费者kafka集群中有新的broker加入、或者kafka集群中出现故障的broker

• producer（生产者）

  • 生产者负责将数据推送给broker的topic

• consumer（消费者）

  • 消费者负责从broker的topic中拉取数据，并自己进行处理

• consumer group （消费者组）

• consumer group 是kafka提供的可扩展且具有容错性的消费者机制
• 一个消费者组可以包含多个消费者
• 一个消费者组有一个唯一的ID（group Id）
• 组内的消费者一起消费主题的所有分区数据

个人理解总结：

通常来讲，消息模型可以分为两种， 队列和发布-订阅式。 队列的处理方式是 一组消费者从服务器读取消息，一条消息只有其中的一个消费者来处理。在发布-订阅模型中，消息被广播给所有的消费者，接收到消息的消费者都可以处理此消息。Kafka为这两种模型提供了单一的消费者抽象模型： 消费者组 （consumer group）。 消费者用一个消费者组名标记自己。 一个发布在Topic上消息被分发给此消费者组中的一个消费者。 假如所有的消费者都在一个组中，那么这就变成了queue模型。 假如所有的消费者都在不同的组中，那么就完全变成了发布-订阅模型。

• 分区（Partitions）

一个分区只能同时被一个消费者消费

• replication（副本）

  • 副本可以确保某个服务出现故障时，确保数据依然可用

• topic（主题）

  • 主题是一个逻辑概念，用于生产者发布数据，消费者拉取数据
  • kafka中的主题必须要有标识符，而且是唯一的，kafka中可以有任意数量的主题，没有数量上的限制
  • 在主题中的消息是有结构的，一般一个主题包含 某一类消息
  • 一旦生产者发送消息到主题中，这些消息就不能被更新（更改）

• offset（偏移量）

  • offset记录着下一条将要发送个consumer的消息的序号
  • 默认kafka将offset存储在zookeeper中
  • 在一个分区中，消息是有顺序的方式存储者着，每个分区的消费都是一个递增的id，这个就是偏移量offset
  • 偏移量在分区中才是有意义的，在分区之间是没有任何意义的

2.5.2 Kafka四个核心API

• Producer API（生产者API）允许应用程序发布记录流至一个或多个kafka的topics（主题）。
• Consumer API（消费者API）允许应用程序订阅一个或多个topics（主题），并处理所产生的对他们记录的数据流。
• **Streams API（流API）**允许应用程序充当流处理器，从一个或多个topics（主题）消耗的输入流，并产生一个输出流至一个或多个输出的topics（主题），有效地变换所述输入流，以输出流。
• Connector API（连接器API）允许构建和运行kafka topics（主题）连接到现有的应用程序或数据系统中重用生产者或消费者。例如，关系数据库的连接器可能捕获对表的每个更改。

2.5.3 kafka生产者幂等性

• 幂等性
  • 拿http举例来说，一次或多次请求，得到的响应是一致的，换句话来说，就是执行多次操作与执行一次操作的影响是一样的
• kafka生产者幂等性
  • 在生产者生产消息时，如果出现retry时，有可能会一条消息被发送了多次，如果kafka不具备幂等性的，就有可能会在分区中多保存一条一模一样的消息

为了实现生产者的幂等性，kafka一如了Producer ID（PID）和Sequence Number的概念。

• PID：每个Producer在初始化时，都会分配一个唯一的PId，这个PID对用户来说是透明的
• Sequence Number：针对每个生产者（对应PID）发送到指定主题分区的消息都应对应一个从0开始递增的Sequence Number

当kafka的生产者生产消息时，会增加一个pid和sequence number，发送消息会将pid和sn一块发送，kafka接收到消息会将消息和pid、sn一并保存下来，如果ack响应失败，生产者重试，再次发送消息时，kafka会根据pid/sn是否需要在保存一条消息（判断条件：生产者发送过来的sn是否小于等于partition中消息对应的sn）

2.5.4 生产者分区写入策略

生产者写入消息到topic，kafka依据每个不同的策略将数据分配到不同的分区

• 轮询分区策略
  • 默认的策略，也是使用最多的策略，可以最大限度保证所有消息平均分配到一个分区
  • 如果在生产消息时，key为null，则使用轮询算法均衡地分配分区
• 随机分区策略
  • 每次都随机的将消息分配到每个分区，在较早的版本，默认的分区策略时随机策略，也是为了将消息均衡的写入到每个分区，但后续轮询策略表现更佳，所以基本上很少使用随机策略
• 按key分区分配策略
  • 按key分配策略有可能会出现数据倾斜，例如：某个key包含了大量的数据，因为key值一样，所以所有的数据都将分配到一个分区中，造成该分区的消息数量远大于其他的分区
• 自定义分区策略

乱序问题

轮询策略，随机策略都会导致一个问题，生产到kafka中的数据都是乱序存储的，而按key分区可以 一定程度上实现数据有序存储也就是局部有序，但这又可能会导致数据倾斜，所以在实际生产环境中要结合实际情况来做取舍。

2.5.5 消费者rebalance机制

kafka中的rebalance称之为再均衡，是kafka中确保consumer group下所有的consumer如何达成一致，分配订阅的topic的每个分区的机制。

rebalance触发的时机有：

• 消费者组中consumer的个数发生变化。例如：有新的的consumer加入到消费者组，或是某个 consumer停止了。

rebalance的不良影响：

• 发生rebalance时，consumer group下的所有consumer都会协调在一起共同参与，kafka使用分配策略尽可能达到最公平的分配
• rebalance过程会对consumer group产生非常严重的影响，rebalance的过程中所有的消费者即将停止工作，直到rebalance完成

2.5.6 消费者的分区分配策略

• range范围分配策略
  • range范围分配策略时kafka默认的分配策略，它可以确保每个消费者消费的分区数量时均衡的，注意：range范围分配策略是针对每个topic的。（分配规则：分区数/消费者数量，除不尽加入5/3则分配的是前两个消费者消费两个消息（即1.2消息被1消费者消费，3.4消息被2消费者消费），第三个消费者只消费一条消息）
• RoundRobin轮询策略
  • 轮询策略是将消费组内所有消费者以及消费者所订阅的所有partition按照字典排序（topic和分区的hashcode进行排序），然后通过轮询方式逐个将分区以此分配给每个消费者
• sticky粘性分配策略
  • 分区分配尽可能均匀
  • 在发生rebalance的时候，分区的分配尽可能与上一次分配保持相同，在没有发生rebalance时，sticky粘性分配策略和roundRobin分配策略类似

三、使用

1. rabbitMQ

1.1 基本消息队列

1.1.1 官方api使用

public class Recv {
    
    

  private final static String QUEUE_NAME = "hello";

  public static void main(String[] argv) throws Exception {
    
    
    ConnectionFactory factory = new ConnectionFactory();
    factory.setHost("localhost");
    // 建立连接 对应图中的Connetcions模块
    Connection connection = factory.newConnection();
    // 创建通道 对应图中的Channels
    Channel channel = connection.createChannel();
	// 创建队列名 对应图中的Queues
    channel.queueDeclare(QUEUE_NAME, false, false, false, null);
    System.out.println(" [*] Waiting for messages. To exit press CTRL+C");

  }
}

1.1.2 SpringAMQP使用

• AMQP

  是用于在应用程序或之间传递业务消息的标准。该协议与语言和平台无关，更符合微服务中独立性的要求。

• Spring AMQP

  基于AMQP协议定义的一套API规范，提供了模板来发送和接收消息。包含两部分，其中spring-amqp是基础抽象，spring-rabbit是底层的默认实现。

使用maven导入相关依赖：

<dependency>
	<groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-amqp</artifactId>
</dependency>

配置文件编写rabbitMQ连接信息：

spring:
  rabbitmq:
    host: 127.0.0.1 # 主机
    port: 5672 # 端口
    virtual-host: / # 虚拟空间
    username: admin # 用户名
    password: 123456 # 密码

发送消息到队列中：

@Service
public class RabbitMQServiceImpl implements IrabbitMQService {
    
    


    @Autowired
    private RabbitTemplate rabbitTemplate;

    @Override
    public void sendMsg(String msg) {
    
    
        rabbitTemplate.convertAndSend("testQueue",msg);
    }
}

1.2 工作消息队列

作用：提高消息处理速度，避免消息堆积。（一个消息对应多个消费者，谁的能力强谁把消息消费掉）

生产者：

  @Override
    public void sengMsg2WorkQueue(String msg) {
    
    
        for (int i = 0; i < 10 ; i++) {
    
    
            System.out.println("工作消息队列，生产者发送消息："+msg+i);
            rabbitTemplate.convertAndSend("workQueue",msg+i);
        }
    }

消费者：

    /**
     * 模拟两个消费者去消费工作队列中的数据
     * @param msg
     */
    @RabbitListener(queues = "workQueue")
    public void listenWorkQueue(String msg) throws InterruptedException {
    
    
        System.out.println("工作消息队列，消费者1接收消息："+msg);
        Thread.sleep(200);
    }

    @RabbitListener(queues = "workQueue")
    public void listenWorkQueue2(String msg) throws InterruptedException {
    
    
        System.out.println("工作消息队列，消费者2接收消息："+msg);
        Thread.sleep(20);
    }

结论：

消息平均分配到每一个消费者，在特定的环境下是不满足生产需求，理应谁的消费能力强谁消费更多的消息。

推进：

在配置文件里加入如下配置信息方可解决以上问题

listener:
      simple:
        prefetch: 1 # 表示每次只能占用消费一条消息

1.3 Fanout

• 声明fanoutExchange和队列并绑定要广播的队列交给spring容器

  package com.gdc.springboottest.config;
  
  import org.springframework.amqp.core.Binding;
  import org.springframework.amqp.core.BindingBuilder;
  import org.springframework.amqp.core.FanoutExchange;
  import org.springframework.amqp.core.Queue;
  import org.springframework.context.annotation.Bean;
  import org.springframework.context.annotation.Configuration;
  
  @Configuration
  public class FanoutConfig {
        
        
  
      // 1.声明交换机
      @Bean
      public FanoutExchange fanoutExchange () {
        
        
          return  new FanoutExchange("fanoutExchange");
      }
      // 2.声明队列
      @Bean
      public Queue queue1 () {
        
        
          return  new Queue("fanoutQueue1");
      }
      // 3.绑定
      @Bean
      public Binding binding1 (FanoutExchange fanoutExchange,Queue queue1) {
        
        
          return BindingBuilder.bind(queue1).to(fanoutExchange);
      }
  
      // 2.声明队列2
      @Bean
      public Queue queue2 () {
        
        
          return  new Queue("fanoutQueue2");
      }
      // 3.绑定
      @Bean
      public Binding binding2 (FanoutExchange fanoutExchange,Queue queue2) {
        
        
          return BindingBuilder.bind(queue2).to(fanoutExchange);
      }
  }
  
  

• 发布消息（生产者）

   @Override
      public void sengMsg2FanoutExchange(String msg) {
        
        
          rabbitTemplate.convertAndSend("fanoutExchange","",msg);
      }
  

• 订阅消息（消费者）

  /**
       *  监听fanoutExchange
       * @param msg
       */
      @RabbitListener(queues = "fanoutQueue1")
      public void listenFanoutQueue1(String msg) {
        
        
          System.out.println("fanoutQueue1消息队列，消费者接收消息："+msg);
      }
      @RabbitListener(queues = "fanoutQueue2")
      public void listenFanoutQueue2(String msg) {
        
        
          System.out.println("fanoutQueue2消息队列，消费者接收消息："+msg);
      }
  

1.4 Direct

• 发布消息（生产者）

      @Override
      public void sengMsg2DirectExchange(String msg, String routingKey) {
        
        
          rabbitTemplate.convertAndSend("directExchange",routingKey,msg);
      }
  

• 订阅消息（消费者）

      /**
       * 监听directExchange
       * @param msg
       */
      @RabbitListener(bindings = @QueueBinding(
              value = @Queue(name = "directQueue1"),
              exchange = @Exchange(name = "directExchange",type = "direct"),
              key = {
        
        "red","orange"}
      ))
      public void listenDirectQueue1(String msg) {
        
        
          System.out.println("directQueue1消息队列，消费者接收消息："+msg);
      }
  
      @RabbitListener(bindings = @QueueBinding(
              value = @Queue(name = "directQueue2"),
              exchange = @Exchange(name = "directExchange",type = "direct"),
              key = {
        
        "red","yellow"}
      ))
      public void listenDirectQueue2(String msg) {
        
        
          System.out.println("directQueue2消息队列，消费者接收消息："+msg);
      }
  

1.5 Topic

TopicExchange与DirectExchange类似，区别在于routingKey必须是多个单词的列表，并且以.分割。

Queue与Exchange指定Bindingkey时可以使用通配符：

#：代指0个或多个单词

*：代指一个单词

• 发布消息（生产者）

      @Override
      public void sengMsg2TopicExchange(String msg, String routingKey) {
        
        
          rabbitTemplate.convertAndSend("topicExchange",routingKey,msg);
      }
  

• 订阅消息（消费者）

      /**
       * topic
       * @param msg
       */
      @RabbitListener(bindings = @QueueBinding(
              value = @Queue(name = "topicQueue1"),
              exchange = @Exchange(name = "topicExchange",type = ExchangeTypes.TOPIC),
              key = "shanghai.#"
      ))
      public void listenTopictQueue1(String msg) {
        
        
          System.out.println("topicQueue1消息队列，消费者接收消息："+msg);
      }
  
      @RabbitListener(bindings = @QueueBinding(
              value = @Queue(name = "topicQueue2"),
              exchange = @Exchange(name = "topicExchange",type = ExchangeTypes.TOPIC),
              key = "#.songjiang"
      ))
      public void listenTopictQueue2(String msg) {
        
        
          System.out.println("topicQueue2消息队列，消费者接收消息："+msg);
      }
  

1.6 常见问题解决

1.6.1 消息可靠性

• 1.SpringAMQP实现生产者确认

  • 在application.yml中添加配置

  spring:
    rabbitmq:
      publisher-confirm-type: correlated
      publisher-returns: true
      template:
        mandatory: true
  

  配置说明：

  publish-confirm-type：开启publisher-confirm，这里支持两种类型：

  1）simple：同步等待confirm结果，直到超时

  2）correlated：异步回调，定义ConfirmCallback,MQ返回结果时会回调这个ConfirmCallback

  publish-returns：开启publish-return功能，同样是基于callback机制，不过是定义ReturnCallback

  template.mandatory:定义消息路由失败时的策略。true，则调用ReturnCallback，false：则直接丢弃消息。

  • 每个RabbitTemplate只能配置一个ReturnCallback，因此需要在项目启动过程中配置：

  @Configuration
  public class CommonConfig implements ApplicationContextAware {
        
        
      @Override
      public void setApplicationContext(ApplicationContext applicationContext) throws BeansException {
        
        
          // 从容器中获取rabbitTemplate
          RabbitTemplate rabbitTemplate = applicationContext.getBean(RabbitTemplate.class);
          /*rabbitTemplate.setReturnCallback(new RabbitTemplate.ReturnCallback() {
              @Override
              public void returnedMessage(Message message, int i, String s, String s1, String s2) {
  
              }
          });*/
          // 设置ReturCallback
          rabbitTemplate.setReturnCallback((message, replyCode, replyText, exchange, routingKey) -> {
        
        
              System.out.println(message.toString());
              System.out.println(replyCode);
              System.out.println(replyText);
              System.out.println(exchange);
              System.out.println(routingKey);
          });
      }
  }
  

  • 生产者代码

  // 消息id，唯一
          CorrelationData correlationData = new CorrelationData(UUID.randomUUID().toString());
          // 添加callback
          correlationData.getFuture().addCallback(new SuccessCallback<CorrelationData.Confirm>() {
        
        
              @Override
              public void onSuccess(CorrelationData.Confirm confirm) {
        
        
                 if (confirm.isAck()) {
        
        
                     System.out.println("生产者发送消息成功");
                 }else {
        
        
                     System.out.println("nack");
                     System.out.println("消息发送失败");
                     System.out.println("原因："+confirm.getReason());
                 }
              }
          }, new FailureCallback() {
        
        
              @Override
              public void onFailure(Throwable throwable) {
        
        
                  System.out.println("消息发送异常"+throwable.getMessage());
              }
          });
          rabbitTemplate.convertAndSend(DIRECT_EXCHANGE,"red","hello red",correlationData);
  

  • 消费者

      @RabbitListener(bindings = @QueueBinding(
              value = @Queue(name = "directQueue1"),
              exchange = @Exchange(name = "directExchange",type = ExchangeTypes.DIRECT),
              key = {
        
        "red","orange"}
      ))
      public void directMsg1(String msg) {
        
        
          System.out.println("消费者接收消息："+msg);
      }
      @RabbitListener(bindings = @QueueBinding(
              value = @Queue(name = "directQueue2"),
              exchange = @Exchange(name = "directExchange",type = ExchangeTypes.DIRECT),
              key = {
        
        "red","yellow"}
      ))
      public void directMsg2(String msg) {
        
        
          System.out.println("消费者接收消息："+msg);
      }
  

• 消息持久化

  • 在spring—amqp默认交换机、消息队列、消息都是持久化的

• 消费者消息确认

  • 在配置文件中加入（auto、none、manual）

  listener:
        simple:
          acknowledge-mode: auto
  

• 消费失败重试机制

  • 配置文件

  listener:
        simple:
          prefetch: 1
          acknowledge-mode: auto
          retry:
            enabled: true # 开启消费者失败重试
            initial-interval: 1000 # 初始的失败等待时长为1秒
            multiplier: 1 # 下次失败的等待时长倍数，下次等待时长=multipler * last-interval
            max-attempts: 3 #最大重试次数
            stateless: true #true无状态，false有状态。如果业务中包含事务，这里改为false
  

  • 在开启重试模式后，重试次数耗尽，如果消息依然失败，则需要有MessageRecoverer接口来处理，它包含三种不同的实现：

    • RejectAndDontRequeueRecoverer：重试耗尽后，直接reject，丢弃消息。默认就是这种方式

    • ImmediateRequeueMessageRecoverer：重试耗尽后，返回nack，消息重入队列

    • RepublishMessageRecoverer：重试耗尽后，将失败消息投递到指定的交换机

      • 代码实现如下：

      @Component
      public class RabbitConfig {
                
                
      
          /**
           * 定义错误信息交换机
           * @return
           */
          @Bean
          public DirectExchange errMsgExchange() {
                
                
              return  new DirectExchange("errorExchange");
          }
      
          /**
           * 定义错误信息队列
           * @return
           */
          @Bean
          public Queue errQueue() {
                
                
              return new Queue("errQueue");
          }
      
          /**
           * 将队列与交换机相互绑定
           * @return
           */
          @Bean
          public Binding errorBind() {
                
                
              return BindingBuilder.bind(errQueue()).to(errMsgExchange()).with("error");
          }
      
          /**
           * 定义republishMessageRecoverer
           *
           */
          @Bean
          public MessageRecoverer republishMessageRecoverer (RabbitTemplate rabbitTemplate) {
                
                
              return new RepublishMessageRecoverer(rabbitTemplate,"errorExchange","error");
          }
      }
      

2. kafka

导入kafka依赖

<dependency>
            <groupId>org.springframework.kafka</groupId>
            <artifactId>spring-kafka</artifactId>
        </dependency>

配置文件

spring:
  kafka:
    bootstrap-servers: 127.0.0.1:9092 # kafka集群信息
    producer: # 生产者配置
      retries: 3 # 设置大于0的值，则客户端会将发送失败的记录重新发送
      batch-size: 16384 #16K
      buffer-memory: 33554432 #32M
      acks: 1
      # 指定消息key和消息体的编解码方式
      key-serializer: org.apache.kafka.common.serialization.StringSerializer
      value-serializer: org.apache.kafka.common.serialization.StringSerializer
  consumer:
      group-id: testGroup # 消费者组
      enable-auto-commit: true # 自动提交
      auto-offset-reset: earliest # 当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，从头开始消费
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer

生产者

kafkaTemplate.send("testTopic",  "key", msg);

消费者

package com.gdc.springboottest.config;

import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.springframework.kafka.annotation.KafkaListener;
import org.springframework.stereotype.Component;

@Component
public class KafkaListeners {
    
    

    //kafka的监听器，topic为"testTopic"，消费者组为"testGroup"
    @KafkaListener(topics = "testTopic", groupId = "testGroup")
    public void listenKafkaMsg(ConsumerRecord<String, String> record) {
    
    
        String value = record.value();
        System.out.println(value);
        System.out.println(record);
    }
}