消息队列面试题！

消息队列面试题！ 什么是消息队列（消息队列的适用场景）

• 解耦
  

上述的图是RPC的调用，但是有一个最大的问题就是耦合度太高。假如用户发送请求到订单系统，它会分别去调支付系统，库存系统，物流系统，假如其中的一台服务器突然不工作了，这时候整个订单系统就会出现异常，用户体验度就会差，所以耦合度太高了，那么就采用MQ的形式进行如下解耦：

详解：它是如何解耦的呢？用户请求到订单系统后，会把数据先封装然后传到MQ中，其它三个系统是一直监控着MQ的，它们发现MQ中有自己需要的信息后，就会去自行消费，但是如果出现了其中一台系统因故障而不能正常工作时，用户时无法感知到有故障的，因为用户把消息是传给了订单系统，而订单系统又把数据完整的传给了 MQ，这时订单系统会响应给用户信息的，接下来 *** 作的事就交给MQ和其它子系统了，所以就达到了解耦的效果。当服务系统又能正常工作时，该服务会继续消费之前还没有消费的数据。那么对于用户来说就是为无感的。

• 异步

以上为同步的图，简单说一下吧。数据的请求和响应是要花费一定的时间的。当我们的业务需要很多子系统时，那么响应给用户的时间就会随之增加，这显然是用户无法忍受的，所以就会直接造成该网站的访问量极低，这也是公司最不想看到的，所以针对同步出现的问题可以用MQ的异步来解决。

相比于同步的策略而言，异步不必以排队的形式去等待，而是分别去发送消息给对应的子系统，但是这种形式适合任何场景吗？重点：异步的方式不能适用于响应给用户的数据跟MQ的子系统有关的情况。如果这种情况使用了MQ的异步，那么会适得其反，消耗的时间会比同步的要更多，用户的体验度更差。

• 流量削峰

上图是直接应对当某一个时刻有大量的数据进行访问时的系统，那么这时肯定会造成服务压力巨大甚至导致服务崩溃，用户体验度降低。针对这一种情况可以用MQ来解决：

某一时刻有大量的请求过来，假如每秒有5000个请求，这时候会先放到MQ种进行存储，MQ会响应给用户消息，用户体验度增加。子系统去消费数据时可以制定一个策略，让它每秒从MQ种拉取2000个请求进行消费即可，这时服务器的压力机会减小。

流量削峰还有其经济考量

QPS：指每秒的请求数。

几种MQ如何选择

消息队列的优点和缺点

优点上面已经说了。说说缺点：

系统可用性降低

如何保证消息队列的高可用

适用集群即可：在这里只讲了两种中间件的集群策略：

1. RabbitMQ高可用-镜像集群
   

2. KafKa集群：
   是以副本的形式来保证高可用的。他会把数据平均分到不同的机器上，假如某一台集群挂了，其它机器还是会有信息的，消费者只会消费主机，而从机就只是作为从机来备份数据的，当请求发送给MQ后，从机会自动拉取数据，知道每一个从机都同步完成后，就会手动发送ACK这个动作，告知主机，主机收到后，消费者可以去主机上消费了。

3. RocketMQ高可用-双主双从

系统复杂度提高

消息丢失了怎么办

1. 消息为什么会丢

2. 如何保证消息不丢失

如何避免消息不被重复消费

1. 为什么会出现消息重复

2. 为什么会出现消息被重复消费

3. 如何解决

一致性问题

使用分布式事务：保证不同数据库的数据一致性：要么成功，要么失败。

消息的顺序性消费

场景：我要保证先消费M1在消费M2。

这种情况很显然是不一定保证顺序性消费的。假如由于网络原因导致M2先到达MQ，而M1后到达，那么从源头就没能保证消息的顺序到达。

优化的方案：

可以保证消息的顺序到达，但是可以保证消费方一定能顺序消费吗，由于网络原因导致M2先到达，M1后到达，那么这样就不能保证顺序消费了。

在优化：生产者：MQ Server：消费者=1：1：1

M1先到达，M2后到达，根据队列的特性：先进先出，这样就保证了顺序到达，然后M1被消费者消费，然后告知MQ我已消费完了，MQ会把该条记录删除，然后消费M2，消费完后告知MQ我已消费完了。但是有一个极大的缺点，就是这种点对点模式会使整个系统的处理速度很低。这种方式也叫全局顺序消费：就是一次只能处理一个用户的请求，在没有处理结束后其他的请求是不能被处理的。所以吞吐量和容错性大大降低。

现在我们保证的是不仅仅要顺序消费还要并行处理多个请求。

于是引出局部顺序性消费

详解：一个用户要发M1和M2两个信息，顺序是M1先，M2后，这时它俩被定义为一组，同时这组被赋予全局唯一性id，然后把这组消息发到一个队列中，然后多个消费者去消费这组 数据，由于队列为先进先出的，所以M1肯定是先被执行的，当消费者拿到M1后，那么就会把这个MQ上锁，其它消费者是不能在拿数据的，但是这时候其它MQ并没有被上锁，所以可以实现并行处理多个请求的效果，这个锁也被称为分段锁。