一、前情提示

上篇文章：??《選Redis做MQ的人，是腦子里缺根弦兒嗎？》??，我們分析了RabbitMQ開啟手動ack機制保證消費端數(shù)據(jù)不丟失的時候，prefetch機制對消費者的吞吐量以及內(nèi)存消耗的影響。

?通過分析，我們知道了prefetch過大容易導(dǎo)致內(nèi)存溢出，prefetch過小又會導(dǎo)致消費吞吐量過低，所以在實際項目中需要慎重測試和設(shè)置。

這篇文章，我們轉(zhuǎn)移到消息中間件的生產(chǎn)端，一起來看看如何保證投遞到MQ的數(shù)據(jù)不丟失。

如果投遞出去的消息在網(wǎng)絡(luò)傳輸過程中丟失，或者在RabbitMQ的內(nèi)存中還沒寫入磁盤的時候宕機，都會導(dǎo)致生產(chǎn)端投遞到MQ的數(shù)據(jù)丟失。

而且丟失之后，生產(chǎn)端自己還感知不到，同時還沒辦法來補救。?

下面的圖就展示了這個問題。

所以本文呢，我們就來逐步分析一下。

二、保證投遞消息不丟失的confirm機制

其實要解決這個問題，相信大家看過之前的消費端ack機制之后，也都猜到了。

很簡單，就是生產(chǎn)端（比如上圖的訂單服務(wù)）首先需要開啟一個confirm模式，接著投遞到MQ的消息，如果MQ一旦將消息持久化到磁盤之后，必須也要回傳一個confirm消息給生產(chǎn)端。

這樣的話，如果生產(chǎn)端的服務(wù)接收到了這個confirm消息，就知道是已經(jīng)持久化到磁盤了。

否則如果沒有接收到confirm消息，那么就說明這條消息半路可能丟失了，此時你就可以重新投遞消息到MQ去，確保消息不要丟失。

而且一旦你開啟了confirm模式之后，每次消息投遞也同樣是有一個delivery tag的，也是起到唯一標(biāo)識一次消息投遞的作用。

這樣，MQ回傳ack給生產(chǎn)端的時候，會帶上這個delivery tag。你就知道具體對應(yīng)著哪一次消息投遞了，可以刪除這條消息。

此外，如果RabbitMQ接收到一條消息之后，結(jié)果內(nèi)部出錯發(fā)現(xiàn)無法處理這條消息，那么他會回傳一個nack消息給生產(chǎn)端。此時你就會感知到這條消息可能處理有問題，你可以選擇重新再次投遞這條消息到MQ去。

或者另一種情況，如果某條消息很長時間都沒給你回傳ack/nack，那可能是極端意外情況發(fā)生了，數(shù)據(jù)也丟了，你也可以自己重新投遞消息到MQ去。

通過這套confirm機制，就可以實現(xiàn)生產(chǎn)端投遞消息不會丟失的效果。大家來看看下面的圖，一起來感受一下。

三、confirm機制的代碼實現(xiàn)

下面，我們再來看看confirm機制的代碼實現(xiàn)：

四、confirm機制投遞消息的高延遲性

這里有一個很關(guān)鍵的點，就是一旦啟用了confirm機制投遞消息到MQ之后，MQ是不保證什么時候會給你一個ack或者nack的。

因為RabbitMQ自己內(nèi)部將消息持久化到磁盤，本身就是通過異步批量的方式來進行的。

正常情況下，你投遞到RabbitMQ的消息都會先駐留在內(nèi)存里，然后過了幾百毫秒的延遲時間之后，再一次性批量把多條消息持久化到磁盤里去。

這樣做，是為了兼顧高并發(fā)寫入的吞吐量和性能的，因為要是你來一條消息就寫一次磁盤，那么性能會很差，每次寫磁盤都是一次fsync強制刷入磁盤的操作，是很耗時的。

所以正是因為這個原因，你打開了confirm模式之后，很可能你投遞出去一條消息，要間隔幾百毫秒之后，MQ才會把消息寫入磁盤，接著你才會收到MQ回傳過來的ack消息，這個就是所謂confirm機制投遞消息的高延遲性。

大家看看下面的圖，一起來感受一下。

五、高并發(fā)下如何投遞消息才能不丟失

大家可以考慮一下，在生產(chǎn)端高并發(fā)寫入MQ的場景下，你會面臨兩個問題：

• 1、你每次寫一條消息到MQ，為了等待這條消息的ack，必須把消息保存到一個存儲里。

并且這個存儲不建議是內(nèi)存，因為高并發(fā)下消息是很多的，每秒可能都幾千甚至上萬的消息投遞出去，消息的ack要等幾百毫秒的話，放內(nèi)存可能有內(nèi)存溢出的風(fēng)險。

• 2、絕對不能以同步寫消息 + 等待ack的方式來投遞，那樣會導(dǎo)致每次投遞一個消息都同步阻塞等待幾百毫秒，會導(dǎo)致投遞性能和吞吐量大幅度下降。

?針對這兩個問題，相對應(yīng)的方案其實也呼之欲出了。

首先，用來臨時存放未ack消息的存儲需要承載高并發(fā)寫入，而且我們不需要什么復(fù)雜的運算操作，這種存儲首選絕對不是MySQL之類的數(shù)據(jù)庫，而建議采用kv存儲。kv存儲承載高并發(fā)能力極強，而且kv操作性能很高。

其次，投遞消息之后等待ack的過程必須是異步的，也就是類似上面那樣的代碼，已經(jīng)給出了一個初步的異步回調(diào)的方式。

消息投遞出去之后，這個投遞的線程其實就可以返回了，至于每個消息的異步回調(diào)，是通過在channel注冊一個confirm監(jiān)聽器實現(xiàn)的。

收到一個消息ack之后，就從kv存儲中刪除這條臨時消息；收到一個消息nack之后，就從kv存儲提取這條消息然后重新投遞一次即可；也可以自己對kv存儲里的消息做監(jiān)控，如果超過一定時長沒收到ack，就主動重發(fā)消息。

大家看看下面的圖，一起來體會一下：?

六、消息中間件全鏈路100%數(shù)據(jù)不丟失能做到嗎？

到此為止，我們已經(jīng)把生產(chǎn)端和消費端如何保證消息不丟失的相關(guān)技術(shù)方案結(jié)合RabbitMQ這種中間件都給大家分析過了。

其實，架構(gòu)思想是通用的， 無論你用的是哪一種MQ中間件，他們提供的功能是不太一樣的，但是你都需要考慮如下幾點：

0. 生產(chǎn)端如何保證投遞出去的消息不丟失：消息在半路丟失，或者在MQ內(nèi)存中宕機導(dǎo)致丟失，此時你如何基于MQ的功能保證消息不要丟失？
1. MQ自身如何保證消息不丟失：起碼需要讓MQ對消息是有持久化到磁盤這個機制。
2. 消費端如何保證消費到的消息不丟失：如果你處理到一半消費端宕機，導(dǎo)致消息丟失，此時怎么辦？

目前來說，我們初步的借著RabbitMQ舉例，已經(jīng)把從前到后一整套技術(shù)方案的原理、設(shè)計和實現(xiàn)都給大家分析了一遍了。

但是此時真的能做到100%數(shù)據(jù)不丟失嗎？恐怕未必，大家再考慮一下個特殊的場景。

生產(chǎn)端投遞了消息到MQ，而且持久化到磁盤并且回傳ack給生產(chǎn)端了。

但是此時MQ還沒投遞消息給消費端，結(jié)果MQ部署的機器突然宕機，而且因為未知的原因磁盤損壞了，直接在物理層面導(dǎo)致MQ持久化到磁盤的數(shù)據(jù)找不回來了。

這個大家千萬別以為是開玩笑的，大家如果留意留意行業(yè)新聞，這種磁盤損壞導(dǎo)致數(shù)據(jù)丟失的是真的有的。

那么此時即使你把MQ重啟了，磁盤上的數(shù)據(jù)也丟失了，數(shù)據(jù)是不是還是丟失了？

你說，我可以用MQ的集群機制啊，給一個數(shù)據(jù)做多個副本，比如后面我們就會給大家分析RabbitMQ的鏡像集群機制，確實可以做到數(shù)據(jù)多副本。

但是即使數(shù)據(jù)多副本，一定可以做到100%數(shù)據(jù)不丟失？

比如說你的機房突然遇到地震，結(jié)果機房里的機器全部沒了，數(shù)據(jù)是不是還是全丟了？

說這個，并不是說要抬杠。而是告訴大家，技術(shù)這個東西，100%都是理論上的期望。

應(yīng)該說，我們凡事都朝著100%去做，但是理論上是不可能完全做到100%保證的，可能就是做到99.9999%的可能性數(shù)據(jù)不丟失，但是還是有千萬分之一的概率會丟失。

當(dāng)然，從實際的情況來說，能做到這種地步，其實基本上已經(jīng)基本數(shù)據(jù)不會丟失了。