RabbitMQ，RocketMQ，Kafka 事務(wù)性，消息丟失，消息順序性和消息重復(fù)發(fā)送的處理策略 消息隊列常見問題處理分布式事務(wù)什么是分布式事務(wù)常見的分布式事務(wù)解決方案基于 MQ 實現(xiàn)的分布式事務(wù)本地消息表-最終一致性MQ事務(wù)-最終一致性RocketMQ中如何處理事務(wù)Kafka中如何處理事務(wù)RabbitMQ中的事務(wù)消息防丟失生產(chǎn)階段防止消息丟失RabbitMQ 中的防丟失措施Kafka 中的防丟失措施RocketMQ 中的防丟失措施存儲階段RabbitMQ 中的防丟失措施Kafka 中的防丟失措施RocketMQ 中的防丟失措施消費階段消息重復(fù)發(fā)送消息的順序性參考

消息隊列常見問題處理

分布式事務(wù)

什么是分布式事務(wù)

我們的服務(wù)器從單機發(fā)展到擁有多臺機器的分布式系統(tǒng)，各個系統(tǒng)之前需要借助于網(wǎng)絡(luò)進行通信，原有單機中相對可靠的方法調(diào)用以及進程間通信方式已經(jīng)沒有辦法使用，同時網(wǎng)絡(luò)環(huán)境也是不穩(wěn)定的，造成了我們多個機器之間的數(shù)據(jù)同步問題，這就是典型的分布式事務(wù)問題。

在分布式事務(wù)中事務(wù)的參與者、支持事務(wù)的服務(wù)器、資源服務(wù)器以及事務(wù)管理器分別位于不同的分布式系統(tǒng)的不同節(jié)點之上。分布式事務(wù)就是要保證不同節(jié)點之間的數(shù)據(jù)一致性。

常見的分布式事務(wù)解決方案

1、2PC(二階段提交)方案 - 強一致性

2、3PC(三階段提交)方案

3、TCC （Try-Confirm-Cancel）事務(wù) - 最終一致性

4、Saga事務(wù) - 最終一致性

5、本地消息表 - 最終一致性

6、MQ事務(wù) - 最終一致性

這里重點關(guān)注下使用消息隊列實現(xiàn)分布式的一致性，上面幾種的分布式設(shè)計方案的具體細節(jié)可參見文章最后的引用鏈接

基于 MQ 實現(xiàn)的分布式事務(wù)

本地消息表-最終一致性

消息的生產(chǎn)方，除了維護自己的業(yè)務(wù)邏輯之外，同時需要維護一個消息表。這個消息表里面記錄的就是需要同步到別的服務(wù)的信息，當(dāng)然這個消息表，每個消息都有一個狀態(tài)值，來標(biāo)識這個消息有沒有被成功處理。

發(fā)送放的業(yè)務(wù)邏輯以及消息表中數(shù)據(jù)的插入將在一個事務(wù)中完成，這樣避免了業(yè)務(wù)處理成功 + 事務(wù)消息發(fā)送失敗，或業(yè)務(wù)處理失敗 + 事務(wù)消息發(fā)送成功，這個問題。

舉個栗子：

我們假定目前有兩個服務(wù)，訂單服務(wù)，購物車服務(wù)，用戶在購物車中對幾個商品進行合并下單，之后需要清空購物車中剛剛已經(jīng)下單的商品信息。

1、消息的生產(chǎn)方也就是訂單服務(wù)，完成了自己的邏輯(對商品進行下單操作)然后把這個消息通過 mq 發(fā)送到需要進行數(shù)據(jù)同步的其他服務(wù)中，也就是我們栗子中的購物車服務(wù)。

2、其他服務(wù)(購物車服務(wù))會監(jiān)聽這個隊列；

1、如果收到這個消息，并且數(shù)據(jù)同步執(zhí)行成功了，當(dāng)然這也是一個本地事務(wù)，就通過 mq 回復(fù)消息的生產(chǎn)方(訂單服務(wù))消息已經(jīng)處理了，然后生產(chǎn)方就能標(biāo)識本次事務(wù)已經(jīng)結(jié)束。如果是一個業(yè)務(wù)上的錯誤,就回復(fù)消息的生產(chǎn)方，需要進行數(shù)據(jù)回滾了。

2、很久沒收到這個消息，這種情況是不會發(fā)生的，消息的發(fā)送方會有一個定時的任務(wù)，會定時重試發(fā)送消息表中還沒有處理的消息；

3、消息的生產(chǎn)方(訂單服務(wù))如果收到消息回執(zhí)；

1、成功的話就修改本次消息已經(jīng)處理完，也就是本次分布式事務(wù)的同步已經(jīng)完成；

2、如果消息的結(jié)果是執(zhí)行失敗，同時在本地回滾本次事務(wù)，標(biāo)識消息已經(jīng)處理完成；

3、如果消息丟失，也就是回執(zhí)消息沒有收到，這種情況也不太會發(fā)生，消息的發(fā)送方(訂單服務(wù))會有一個定時的任務(wù)，定時重試發(fā)送消息表中還沒有處理的消息，下游的服務(wù)需要做冪等，可能會收到多次重復(fù)的消息，如果一個回復(fù)消息生產(chǎn)方中的某個回執(zhí)信息丟失了，后面持續(xù)收到生產(chǎn)方的 mq 消息，然后再次回復(fù)消息的生產(chǎn)方回執(zhí)信息，這樣總能保證發(fā)送者能成功收到回執(zhí)，消息的生產(chǎn)方在接收回執(zhí)消息的時候也要做到冪等性。

這里有兩個很重要的操作：

1、服務(wù)器處理消息需要是冪等的，消息的生產(chǎn)方和接收方都需要做到冪等性；

2、發(fā)送放需要添加一個定時器來遍歷重推未處理的消息，避免消息丟失，造成的事務(wù)執(zhí)行斷裂。

該方案的優(yōu)缺點

優(yōu)點：

1、在設(shè)計層面上實現(xiàn)了消息數(shù)據(jù)的可靠性，不依賴消息中間件，弱化了對 mq 特性的依賴。

2、簡單，易于實現(xiàn)。

缺點：

主要是需要和業(yè)務(wù)數(shù)據(jù)綁定到一起，耦合性比較高，使用相同的數(shù)據(jù)庫，會占用業(yè)務(wù)數(shù)據(jù)庫的一些資源。

MQ事務(wù)-最終一致性

下面分析下幾種消息隊列對事務(wù)的支持

RocketMQ中如何處理事務(wù)

RocketMQ 中的事務(wù)，它解決的問題是，確保執(zhí)行本地事務(wù)和發(fā)消息這兩個操作，要么都成功，要么都失敗。并且，RocketMQ 增加了一個事務(wù)反查的機制，來盡量提高事務(wù)執(zhí)行的成功率和數(shù)據(jù)一致性。

主要是兩個方面，正常的事務(wù)提交和事務(wù)消息補償

正常的事務(wù)提交

1、發(fā)送消息（half消息），這個 half 消息和普通消息的區(qū)別，在事務(wù)提交 之前，對于消費者來說，這個消息是不可見的。

2、MQ SERVER寫入信息，并且返回響應(yīng)的結(jié)果；

3、根據(jù)MQ SERVER響應(yīng)的結(jié)果，決定是否執(zhí)行本地事務(wù),如果MQ SERVER寫入信息成功執(zhí)行本地事務(wù)，否則不執(zhí)行；

4、根據(jù)本地事務(wù)執(zhí)行的狀態(tài)，決定是否對事務(wù)進行 Commit 或者 Rollback。MQ SERVER收到 Commit，之后就會投遞該消息到下游的訂閱服務(wù)，下游的訂閱服務(wù)就能進行數(shù)據(jù)同步，如果是 Rollback 則該消息就會被丟失；

如果MQ SERVER沒有收到 Commit 或者 Rollback 的消息，這種情況就需要進行補償流程了

補償流程

1、MQ SERVER如果沒有收到來自消息發(fā)送方的 Commit 或者 Rollback 消息，就會向消息發(fā)送端也就是我們的服務(wù)器發(fā)起一次查詢，查詢當(dāng)前消息的狀態(tài)；

2、消息發(fā)送方收到對應(yīng)的查詢請求，查詢事務(wù)的狀態(tài)，然后把狀態(tài)重新推送給MQ SERVER，MQ SERVER就能之后后續(xù)的流程了。

相比于本地消息表來處理分布式事務(wù)，MQ 事務(wù)是把原本應(yīng)該在本地消息表中處理的邏輯放到了 MQ 中來完成。

Kafka中如何處理事務(wù)

Kafka 中的事務(wù)解決問題，確保在一個事務(wù)中發(fā)送的多條信息，要么都成功，要么都失敗。也就是保證對多個分區(qū)寫入操作的原子性。

通過配合 Kafka 的冪等機制來實現(xiàn) Kafka 的 Exactly Once，滿足了讀取-處理-寫入這種模式的應(yīng)用程序。當(dāng)然 Kafka 中的事務(wù)主要也是來處理這種模式的。

什么是讀取-處理-寫入模式呢？

栗如：在流計算中，用 Kafka 作為數(shù)據(jù)源，并且將計算結(jié)果保存到 Kafka 這種場景下，數(shù)據(jù)從 Kafka 的某個主題中消費，在計算集群中計算，再把計算結(jié)果保存在 Kafka 的其他主題中。這個過程中，要保證每條消息只被處理一次，這樣才能保證最終結(jié)果的成功。Kafka 事務(wù)的原子性就保證了，讀取和寫入的原子性，兩者要不一起成功，要不就一起失敗回滾。

這里來分析下 Kafka 的事務(wù)是如何實現(xiàn)的

它的實現(xiàn)原理和 RocketMQ 的事務(wù)是差不多的，都是基于兩階段提交來實現(xiàn)的，在實現(xiàn)上可能更麻煩

先來介紹下事務(wù)協(xié)調(diào)者，為了解決分布式事務(wù)問題，Kafka 引入了事務(wù)協(xié)調(diào)者這個角色，負責(zé)在服務(wù)端協(xié)調(diào)整個事務(wù)。這個協(xié)調(diào)者并不是一個獨立的進程，而是 Broker 進程的一部分，協(xié)調(diào)者和分區(qū)一樣通過選舉來保證自身的可用性。

Kafka 集群中也有一個特殊的用于記錄事務(wù)日志的主題，里面記錄的都是事務(wù)的日志。同時會有多個協(xié)調(diào)者的存在，每個協(xié)調(diào)者負責(zé)管理和使用事務(wù)日志中的幾個分區(qū)。這樣能夠并行的執(zhí)行事務(wù)，提高性能。

下面看下具體的流程

1、首先在開啟事務(wù)的時候，生產(chǎn)者會給協(xié)調(diào)者發(fā)送一個開啟事務(wù)的請求，協(xié)調(diào)者在事務(wù)日志中記錄下事務(wù)ID;

2、然后生產(chǎn)者開始發(fā)送事務(wù)消息給協(xié)調(diào)者，不過需要先發(fā)送消息告知協(xié)調(diào)者在哪個主題和分區(qū)，之后就正常的發(fā)送事務(wù)消息，這些事務(wù)消息不像 RocketMQ 會保存在特殊的隊列中，Kafka 未提交的事務(wù)消息和普通的消息一樣，只是在消費的時候依賴客戶端進行過濾。

3、消息發(fā)送完成，生產(chǎn)者根據(jù)自己的執(zhí)行的狀態(tài)對協(xié)調(diào)者進行事務(wù)的提交或者回滾；

事務(wù)的提交

1、協(xié)調(diào)者設(shè)置事務(wù)的狀態(tài)為PrepareCommit，寫入到事務(wù)日志中；

2、協(xié)調(diào)者在每個分區(qū)中寫入事務(wù)結(jié)束的標(biāo)識，然后客戶端就能把之前過濾的未提交的事務(wù)消息放行給消費端進行消費了；

事務(wù)的回滾

1、協(xié)調(diào)者設(shè)置事務(wù)的狀態(tài)為PrepareAbort，寫入到事務(wù)日志中；

2、協(xié)調(diào)者在每個分區(qū)中寫入事務(wù)回滾的標(biāo)識，然后之前未提交的事務(wù)消息就能被丟棄了；

這里引用一下【消息隊列高手課中的圖片】

RabbitMQ中的事務(wù)

RabbitMQ 中事務(wù)解決的問題是確保生產(chǎn)者的消息到達MQ SERVER，這和其他 MQ 事務(wù)還是有點差別的，這里也不展開討論了。

消息防丟失

先來分析下一條消息在 MQ 中流轉(zhuǎn)所經(jīng)歷的階段。

生產(chǎn)階段：生產(chǎn)者產(chǎn)生消息，通過網(wǎng)絡(luò)發(fā)送到 Broker 端。

存儲階段：Broker 拿到消息，需要進行落盤，如果是集群版的 MQ 還需要同步數(shù)據(jù)到其他節(jié)點。

消費階段：消費者在 Broker 端拉數(shù)據(jù)，通過網(wǎng)絡(luò)傳輸?shù)竭_消費者端。

生產(chǎn)階段防止消息丟失

發(fā)生網(wǎng)絡(luò)丟包、網(wǎng)絡(luò)故障等這些會導(dǎo)致消息的丟失

RabbitMQ 中的防丟失措施

1、對于可以感知的錯誤，我們捕獲錯誤，然后重新投遞；

2、通過 RabbitMQ 中的事務(wù)解決，RabbitMQ 中的事務(wù)解決的就是生產(chǎn)階段消息丟失的問題；

在生產(chǎn)者發(fā)送消息之前，通過channel.txSelect開啟一個事務(wù)，接著發(fā)送消息， 如果消息投遞 server 失敗，進行事務(wù)回滾channel.txRollback，然后重新發(fā)送， 如果 server 收到消息，就提交事務(wù)channel.txCommit

不過使用事務(wù)性能不好，這是同步操作，一條消息發(fā)送之后會使發(fā)送端阻塞，以等待RabbitMQ Server的回應(yīng)，之后才能繼續(xù)發(fā)送下一條消息，生產(chǎn)者生產(chǎn)消息的吞吐量和性能都會大大降低。

3、使用發(fā)送確認機制。

使用確認機制，生產(chǎn)者將信道設(shè)置成 confirm 確認模式，一旦信道進入 confirm 模式，所有在該信道上面發(fā)布的消息都會被指派一個唯一的ID（從1開始），一旦消息被投遞到所有匹配的隊列之后，RabbitMQ 就會發(fā)送一個確認（Basic.Ack）給生產(chǎn)者（包含消息的唯一 deliveryTag 和 multiple 參數(shù)），這就使得生產(chǎn)者知曉消息已經(jīng)正確到達了目的地了。

multiple 為 true 表示的是批量的消息確認，為 true 的時候，表示小于等于返回的 deliveryTag 的消息 id 都已經(jīng)確認了，為 false 表示的是消息 id 為返回的 deliveryTag 的消息，已經(jīng)確認了。

確認機制有三種類型

1、同步確認

2、批量確認

3、異步確認

同步模式的效率很低，因為每一條消息度都需要等待確認好之后，才能處理下一條；

批量確認模式相比同步模式效率是很高，不過有個致命的缺陷，一旦回復(fù)確認失敗，當(dāng)前確認批次的消息會全部重新發(fā)送，導(dǎo)致消息重復(fù)發(fā)送；

異步模式就是個很好的選擇了，不會有同步模式的阻塞問題，同時效率也很高，是個不錯的選擇。

Kafka 中的防丟失措施

Kafaka 中引入了一個 broker。 broker 會對生產(chǎn)者和消費者進行消息的確認，生產(chǎn)者發(fā)送消息到 broker，如果沒有收到 broker 的確認就可以選擇繼續(xù)發(fā)送。

只要 Producer 收到了 Broker 的確認響應(yīng)，就可以保證消息在生產(chǎn)階段不會丟失。有些消息隊列在長時間沒收到發(fā)送確認響應(yīng)后，會自動重試，如果重試再失敗，就會以返回值或者異常的方式告知用戶。

只要正確處理 Broker 的確認響應(yīng)，就可以避免消息的丟失。

RocketMQ 中的防丟失措施使用 SYNC 的發(fā)送消息方式，等待 broker 處理結(jié)果

RocketMQ 提供了3種發(fā)送消息方式，分別是：

同步發(fā)送：Producer 向 broker 發(fā)送消息，阻塞當(dāng)前線程等待 broker 響應(yīng) 發(fā)送結(jié)果。

異步發(fā)送：Producer 首先構(gòu)建一個向 broker 發(fā)送消息的任務(wù)，把該任務(wù)提交給線程池，等執(zhí)行完該任務(wù)時，回調(diào)用戶自定義的回調(diào)函數(shù)，執(zhí)行處理結(jié)果。

Oneway發(fā)送：Oneway 方式只負責(zé)發(fā)送請求，不等待應(yīng)答，Producer 只負責(zé)把請求發(fā)出去，而不處理響應(yīng)結(jié)果。

使用事務(wù)，RocketMQ 中的事務(wù)，它解決的問題是，確保執(zhí)行本地事務(wù)和發(fā)消息這兩個操作，要么都成功，要么都失敗。

存儲階段

在存儲階段正常情況下，只要 Broker 在正常運行，就不會出現(xiàn)丟失消息的問題，但是如果 Broker 出現(xiàn)了故障，比如進程死掉了或者服務(wù)器宕機了，還是可能會丟失消息的。

RabbitMQ 中的防丟失措施

防止在存儲階段消息額丟失，可以做持久化，防止異常情況(重啟，關(guān)閉，宕機)。。。

RabbitMQ 持久化中有三部分：

交換器的持久化

交換器的持久化，是通過在聲明隊列時將 durable 參數(shù)置為 true 實現(xiàn)的，不設(shè)置持久化的話，交換器的信息將會丟失。

隊列持久化

隊列的持久化，是通過在聲明隊列時將 durable 參數(shù)置為 true 實現(xiàn)的，隊列的持久化能保證其本身的元數(shù)據(jù)不會因異常情況而丟失，但是并不能保證內(nèi)部所存儲的消息不會丟失。

消息的持久化

消息的持久化，在投遞時指定 delivery_mode=2（1是非持久化），消息的持久化，需要配合隊列的持久，只設(shè)置消息的持久化，重啟之后隊列消失，繼而消息也會丟失。所以如果只設(shè)置消息持久化而不設(shè)置隊列的持久化意義不大。

對于持久化，如果所有的消息都設(shè)置持久化，會影響寫入的性能，所以可以選擇對可靠性要求比較高的消息進行持久化處理。

不過消息持久化并不能百分之百避免消息的丟失

比如數(shù)據(jù)在落盤的過程中宕機了，消息還沒及時同步到內(nèi)存中，這也是會丟數(shù)據(jù)的，這種問題可以通過引入鏡像隊列來解決。

鏡像隊列的作用：引入鏡像隊列，可已將隊列鏡像到集群中的其他 Broker 節(jié)點之上，如果集群中的一個節(jié)點失效了，隊列能夠自動切換到鏡像中的另一個節(jié)點上來保證服務(wù)的可用性。(更細節(jié)的這里不展開討論了)

Kafka 中的防丟失措施

操作系統(tǒng)本身有一層緩存，叫做 Page Cache，當(dāng)往磁盤文件寫入的時候，系統(tǒng)會先將數(shù)據(jù)流寫入緩存中。

Kafka 收到消息后也會先存儲在也緩存中(Page Cache)中，之后由操作系統(tǒng)根據(jù)自己的策略進行刷盤或者通過 fsync 命令強制刷盤。如果系統(tǒng)掛掉，在 PageCache 中的數(shù)據(jù)就會丟失。也就是對應(yīng)的 Broker 中的數(shù)據(jù)就會丟失了。

處理思路

1、控制競選分區(qū) leader 的 Broker。如果一個 Broker 落后原先的 Leader 太多，那么它一旦成為新的 Leader，必然會造成消息的丟失。

2、控制消息能夠被寫入到多個副本中才能提交，這樣避免上面的問題1。

RocketMQ 中的防丟失措施

1、將刷盤方式改成同步刷盤；

2、對于多個節(jié)點的 Broker，需要將 Broker 集群配置成：至少將消息發(fā)送到 2 個以上的節(jié)點，再給客戶端回復(fù)發(fā)送確認響應(yīng)。這樣當(dāng)某個 Broker 宕機時，其他的 Broker 可以替代宕機的 Broker，也不會發(fā)生消息丟失。

消費階段

消費階段就很簡單了，如果在網(wǎng)絡(luò)傳輸中丟失，這個消息之后還會持續(xù)的推送給消費者，在消費階段我們只需要控制在業(yè)務(wù)邏輯處理完成之后再去進行消費確認就行了。

總結(jié)：對于消息的丟失，也可以借助于本地消息表的思路，消息產(chǎn)生的時候進行消息的落盤，長時間未處理的消息，使用定時重推到隊列中。

消息重復(fù)發(fā)送

消息在 MQ 中的傳遞，大致可以歸類為下面三種：

1、At most once: 至多一次。消息在傳遞時，最多會被送達一次。是不安全的，可能會丟數(shù)據(jù)。

2、At least once: 至少一次。消息在傳遞時，至少會被送達一次。也就是說，不允許丟消息，但是允許有少量重復(fù)消息出現(xiàn)。

3、Exactly once：恰好一次。消息在傳遞時，只會被送達一次，不允許丟失也不允許重復(fù)，這個是最高的等級。

大部分消息隊列滿足的都是At least once，也就是可以允許重復(fù)的消息出現(xiàn)。

我們消費者需要滿足冪等性,通常有下面幾種處理方案

1、利用數(shù)據(jù)庫的唯一性

根據(jù)業(yè)務(wù)情況，選定業(yè)務(wù)中能夠判定唯一的值作為數(shù)據(jù)庫的唯一鍵，新建一個流水表，然后執(zhí)行業(yè)務(wù)操作和流水表數(shù)據(jù)的插入放在同一事務(wù)中，如果流水表數(shù)據(jù)已經(jīng)存在，那么就執(zhí)行失敗，借此保證冪等性。也可先查詢流水表的數(shù)據(jù)，沒有數(shù)據(jù)然后執(zhí)行業(yè)務(wù)，插入流水表數(shù)據(jù)。不過需要注意，數(shù)據(jù)庫讀寫延遲的情況。

2、數(shù)據(jù)庫的更新增加前置條件

3、給消息帶上唯一ID

每條消息加上唯一ID,利用方法1中通過增加流水表，借助數(shù)據(jù)庫的唯一性來處理重復(fù)消息的消費。

消息的順序性

保證消息隊列的順序性，處理思路就是生產(chǎn)者保證入隊有序，消費者保證出隊之后的消息消費的順序性。

生產(chǎn)者

因為同一個消息隊列中的消息是有序的，所以生產(chǎn)者可以借助于算法，把需要進行有序消費的數(shù)據(jù)并且有相同的數(shù)據(jù)特性的數(shù)據(jù)(比如:同一個訂單的消息)放入到同一個消息隊列中，這樣消費者去接收數(shù)據(jù)就能順序性的取出數(shù)據(jù)。

使用那種算法呢，哈希就是一個不過的選擇，如果處理的是訂單業(yè)務(wù)，可以對訂單號進行哈希操作，保證同一個訂單總能落入到同一個隊列中，這樣就在生產(chǎn)端保證了隊列中的消息是有序的。

當(dāng)然上文講的消息隊列是個統(tǒng)稱：

RabbitMQ 就是保證有相同數(shù)據(jù)特性的數(shù)據(jù)落入到同一個 queue 中，同一個 queue 中的數(shù)據(jù)是有序的；

Kafka 中就是保證有相同數(shù)據(jù)特性的數(shù)據(jù)落入到同一個 partition 中，同一個 partition 的消息是有序的；

RocketMQ 中就是保證有相同數(shù)據(jù)特性的數(shù)據(jù)落入同一個 MessageQueue 中，同一個 MessageQueue 中的消息是有序的。

三者消息模型的區(qū)別可參見RabbitMQ，RocketMQ，Kafka 消息模型對比分析

消費者

如果單個消息者，并且消費者只有一個線程來處理消息，那么順序性是可以得到保證的，因為隊列中的消息已經(jīng)是有序的了。

不過吞吐量大了，單個消費者性能跟不上了如何處理

1、我們可以增加隊列的數(shù)量，一個隊列對應(yīng)一個消費者，隊列的數(shù)量多了也就意味著消費者的數(shù)量增加了；

2、增加單個消費者的線程數(shù)量，因為增加了線程的數(shù)量，每個線程的消費速度是不同的，所以這里還需要通過算法，把有相同的數(shù)據(jù)特性的數(shù)據(jù)放入到固定的線程中消費。

不過針對消費者的處理，可能要根據(jù)實際場景來進行判斷了，如果沒有一個可進行區(qū)分的特性數(shù)據(jù)，那就只能通過單消費者，單線程來進行消費了。同時生產(chǎn)者也只能推送消息到同一個消息隊列中。

參考

【消息隊列高手課】https://time.geekbang.org/column/intro/100032301
【消息隊列設(shè)計精要】https://tech.meituan.com/2016/07/01/mq-design.html
【RabbitMQ實戰(zhàn)指南】https://book.douban.com/subject/27591386/
【分布式事務(wù)最經(jīng)典的七種解決方案】https://segmentfault.com/a/1190000040321750
【分布式事務(wù)的實現(xiàn)原理】https://draveness.me/distributed-transaction-principle/
【理解分布式事務(wù)】https://juejin.cn/post/6844903734753886216
【設(shè)計(design)】https://github.com/apache/rocketmq/blob/master/docs/cn/design.md
【Kafka 是如何實現(xiàn)事務(wù)的？】https://zhuanlan.zhihu.com/p/163683403
【MQ - RabbitMQ Cluster】https://www.cnblogs.com/Neeo/articles/13915836.html
【如何避免消息丟失?】https://www.lixueduan.com/post/kafka/09-avoid-msg-lost/
【RabbitMQ，RocketMQ，Kafka 事務(wù)性，消息丟失和消息重復(fù)發(fā)送的處理策略】https://boilingfrog.github.io/2021/12/30/消息隊列中事務(wù)性消息丟失重復(fù)發(fā)送的處理/#rocketmq-中的防丟失措施

到此這篇關(guān)于RabbitMQ,RocketMQ,Kafka 事務(wù)性,消息丟失,消息順序性和消息重復(fù)發(fā)送的處理策略的文章就介紹到這了,更多相關(guān)RabbitMQ,RocketMQ,Kafka事務(wù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論