解决RabbitMQ消息丢失与重复消费问题

1. 背景

最近用户反馈提交的SQL查询一直处于长时间等待状态，经过排查观察，发现部分查询请求丢失，导致用户提交的查询未被正常接收，继而长时间无响应。

现象：即使SQL控制台提交10个简单SQL查询 -> 消息发送方：发送10条消息至消息队列 -> 消息消费方：只消费了7条消息

2. 现状

2.1. 当前SQL查询的整体流程

这里写图片描述

生产者：PHP：
- 将用户的SQL查询记录在DB表，标识查询任务状态(f_status)为运行中；
- 将DB表中的任务id、提交人等信息发送到RabbitMQ；
消息队列：RabbitMQ：
- PHP消息提交到了交换机；
- 交换机再把消息分发给指定的消息队列；
消费者：Python：
- 主进程监听消息队列，一旦有消息就不停拉取；
- 拉取一条消息，就从进程池调起一个空闲进程来处理消息；
- 随后反馈ACK给消息队列，将消息从消息队列中移除；

2.2. 消息发送方：Web端

结论：消息发送正常
排查步骤：查看log

2.3. 消息队列

结论：消息数量正常
诊断步骤：
执行机安装rabbitmq-dump-queue插件，用于dump队列的消息；
1. 执行机：停止服务；
2. 用户：提交10个SQL查询：
3. 发送方：查看Web服务端的输出日志，确定10个消息已经往消息队列写；
4. 执行机：通过rabbitmq-dump-queue查看队列的消息，确认是正常10个消息写入；

watch -n 1 '$GOPATH/src/rabbitmq-dump-queue/rabbitmq-dump-queue -uri="amqp://guest:guest@xxxxx:5672" -queue ph_open_task'

5. 执行机：启动服务，消息队列中的消息全部被接收；

2.4. 消息接收方

代码逻辑：

try:
    pool = Pool(processes=40)

    def callback(ch, method, properties, body):
        try:
            doSomething...
            pool.apply_async(process)
        except Exception as e:
            print traceback.format_exc()
            logger_msg.info(traceback.format_exc())
        finally:
            // 这里会有问题，即使消息未被处理也会反馈ACK给RabbitMQ
            ch.basic_ack(delivery_tag=method.delivery_tag)

    while True:
        try:
            connection = pika.BlockingConnection(
                pika.ConnectionParameters(host='xxxxxxxx'))
            channel = connection.channel()
            channel.queue_declare(queue=queue_name, durable=True)
            channel.basic_qos(prefetch_count=1)
            channel.basic_consume(callback, queue=queue_name, no_ack=False)
            channel.start_consuming()
        except pika.exceptions.ConnectionClosed as e:
            continue
except Exception as e:
    logger_msg.info(traceback.format_exc())
finally:
    channel.basic_ack(delivery_tag=method.delivery_tag)

    pool.close()
    pool.join()

结论：本例中消费者主进程将持续监听MQ，一旦MQ有消息将会拉取，随后从进程池中启动子进程来处理消息，但是从进程池启动子进程的过程并不一定成功（若当前进程池没有空闲子进程），而主进程不管任何情况下都给MQ发送ACK状态码，从而MQ将未处理的消息移除掉，导致消息丢失

3. 方案

问题是在消费者环节产生，因此对消费者做改动，需要调整消费者的架构：

原来逻辑：使用进程池技术，主进程负责监听、接收MQ的消息，子进程负责执行MQ的消息，缺点是单一的主进程无法简单处理ACK状态码，不易维护；
现有逻辑：使用RabbitMQ自身特性（work_queue），消费者不再维护进程池，是单进程，负责监听、接收、处理MQ的消息，处理完了以后再反馈ACK状态码，进程与进程之间互不干扰，易维护，并发量大时可随时增加消费者进程；

目前方案的问题以及解决方案：

问题1：消息重复消费
描述：用户在页面停止查询时，会导致消费者进程被杀死，因此ACK状态码未反馈至MQ，从而消息一直存留在MQ中，当新的消费者启动时会重新消费；
解决方案：消费者每次执行查询前，首先在DB上查询任务的执行状态，若处于「取消/失败/成功」则表示已经由其它消费者消费过，那么直接返回ACK状态码给MQ，将消息从MQ中移除；
问题2：进程池如何维护？
描述：用户在页面停止查询时，会导致消费者进程被杀死，导致消费者数量减少；
解决方案：维护一个监控脚本，每分钟轮询消费者进程数，若少于40个进程，则新启动一个消费者，直到数量足够；

这里写图片描述