目录
1、幂等性
什么是幂等性？用户对于同一操作发起的一次请求或者多次请求的结果是一致的，不会因为多次点击而产生了副作用。
拿支付来说，用户购买商品后支付，支付扣款成功，但是返回结果的时候网络异常，此时钱已经扣了，用户再次点击按钮，此时会进行第二次扣款，返回结果成功，用户查询余额发现多扣钱了，流水记录也变成了两条【显然这是有问题的】。
在以前的单应用系统中，我们只需要把数据操作放入事务中即可，发生错误立即回滚。
1.1 消息重复消费
消费者在消费 MQ 中的消息时，MQ 已把消息发送给消费者，消费者在给 MQ 返回 ack 时网络中断， 故 MQ 未收到确认信息，该条消息会重新发给其他的消费者，或者在网络重连后再次发送给该消费者，但实际上该消费者已成功消费了该条消息，造成消费者消费了重复的消息。
解决思路：
MQ 消费者的幂等性的解决一般使用全局 ID 或者写个唯一标识比如时间戳 或者 UUID 或者可按自己的规则生成一个全局唯一 id，每次消费消息时用该 id 先判断该消息是否已消费过。
也可以理解为验证码，只能输入一次，再次重新输入会刷新验证码，原来的验证码失效。
1.2 消费端的幂等性保障
在海量订单生成的业务高峰期，生产端有可能就会重复发送了消息，这时候消费端就要实现幂等性，这就意味着我们的消息永远不会被消费多次，即使我们收到了一样的消息。
业界主流的幂等性有两种操作：
- 唯一 ID+ 指纹码机制,利用数据库主键去重
指纹码：我们的一些规则或者时间戳加别的服务给到的唯一信息码,它并不一定是我们系统生成的，基本都是由我们的业务规则拼接而来，但是一定要保证唯一性，然后就利用查询语句进行判断这个 id 是否存在数据库中，优势就是实现简单就一个拼接，然后查询判断是否重复；劣势就是在高并发时，如果是单个数据库就会有写入性能瓶颈，当然也可以采用分库分表提升性能，不过并不推荐使用这种方式。
- Redis 的原子性（推荐）
利用 redis 执行 setnx 命令，天然具有幂等性。从而实现不重复消费。
2、优先级队列
2.1 使用场景
举个例子，客户在某宝下的订单，某宝会及时将订单推送给我们，如果在用户设定的时间内未付款那么就会给用户推送一条短信提醒。
但是，对于某宝来说，肯定是要分大客户和小客户的，比如像苹果，小米这样大商家一年能创造很大的利润；所以理应当然的，他们的订单必须得到优先处理。所以订单量大了后采用 RabbitMQ 进行改造和优化，如果发现是大客户的订单就赋予一个相对比较高的优先级， 否则就是默认优先级。
2.2 设置优先级队列（在web页面添加）
设置队列的最大优先级 最大可以设置到 255，官网推荐 1-10，如果设置太高比较吃内存和 CPU。
2.3 设置优先级队列（声明队列的时候添加优先级）
设置队列的最大优先级 最大可以设置到 255，官网推荐 1-10，如果设置太高比较吃内存和 CPU。
Map<String, Object> params = new HashMap();
// 优先级为 10
params.put("x-max-priority", 10);
channel.queueDeclare("hello", true, false, false, params);
注意事项：
（1）队列需要设置为优先级队列，消息需要设置消息的优先级，只有这两个都设置了才能进行优先级排序。
（2）**消费者需要等待消息已经发送到队列中才去消费，**因为这样才有机会对消息进行排序。
2.4 实例代码
生产者发送10个消息，如果消息为 info5，则优先级是最高的，当消费者从队列获取消息的时候，优先获取 info5 消息。
1、生产者代码
public class PriorityProducer {
private static final String QUEUE_NAME = "priority_queue";
public static void main(String[] args) throws Exception {
Channel channel = RabbitMQUtils.getChannel();
//给消息赋予一个priority属性
AMQP.BasicProperties properties =
new AMQP.BasicProperties().builder().priority(5).build();
//设置队列的最大优先级 最大可以设置到255 官网推荐1-10 如果设置太高比较吃内存和CPU
Map<String, Object> params = new HashMap<>();
params.put("x-max-priority",10);
channel.queueDeclare(QUEUE_NAME,true,false,false,params);
for (int i = 1; i < 11; i++) {
String message = "info"+i;
if(i==5){
channel.basicPublish("",QUEUE_NAME,properties,message.getBytes());
}else {
channel.basicPublish("",QUEUE_NAME,null,message.getBytes());
}
System.out.println("消息发送完成："+message);
}
}
}
2、消费者代码
public class PriorityConsumer {
private final static String QUEUE_NAME = "priority_queue";
public static void main(String[] args) throws Exception {
Channel channel = RabbitMQUtils.getChannel();
//推送消息如何进行消费的接口回调
DeliverCallback deliverCallback = (consumerTag, delivery) ->{
String message = new String(delivery.getBody());
System.out.println("消费的消息: "+message);
};
//取消消费的一个回调接口 如在消费的时候队列被删除掉了
CancelCallback cancelCallback = (consumerTag) ->{
System.out.println("消息消费被中断");
};
channel.basicConsume(QUEUE_NAME,true,deliverCallback,cancelCallback);
}
}
3、效果演示
info 5 的优先级为 5，优先级最高。消费者消费信息效果如图：
3、惰性队列
3.1 使用场景
RabbitMQ 从 3.6.0 版本开始引入了惰性队列的概念。惰性队列会尽可能的将消息存入磁盘中，而在消费者消费到相应的消息时才会被加载到内存中，它的一个重要的设计目标是能够支持更长的队列，即支持更多的消息存储。当消费者由于各种各样的原因(比如消费者下线、宕机亦或者是由于维护而关闭等)而致使长时间内不能消费消息造成堆积时，惰性队列就很有必要了。
默认情况下，当生产者将消息发送到 RabbitMQ 的时候，队列中的消息会尽可能的存储在内存之中，这样可以更加快速的将消息发送给消费者。即使是持久化的消息，在被写入磁盘的同时也会在内存中驻留一份备份。当 RabbitMQ 需要释放内存的时候，会将内存中的消息换页至磁盘中，这个操作会耗费较长的时间，也会阻塞队列的操作，进而无法接收新的消息。虽然 RabbitMQ 的开发者们一直在升级相关的算法， 但是效果始终不太理想，尤其是在消息量特别大的时候。
3.2 队列的两种模式
队列具备两种模式：**default 和 lazy。**默认的为 default 模式，在 3.6.0 之前的版本无需做任何变更。lazy 模式即为惰性队列的模式，可以通过调用 channel.queueDeclare 方法的时候在参数中设置，也可以通过 Policy 的方式设置，如果一个队列同时使用这两种方式设置的话，那么 Policy 的方式具备更高的优先级。如果要通过声明的方式改变已有队列的模式的话，那么只能先删除队列，然后再重新声明一个新的。
3.3 声明方式
在队列声明的时候可以通过 x-queue-mode 参数来设置队列的模式，取值为 default 和 lazy。下面示例中演示了一个惰性队列的声明细节：
Map<String, Object> args = new HashMap<String, Object>();
args.put("x-queue-mode", "lazy");
channel.queueDeclare("myqueue", false, false, false, args);
也可以在 Web 页面添加队列时，选择 Lazy mode：
3.4 内存开销对比
在发送 1 百万条消息，每条消息大概占 1KB 的情况下，普通队列占用内存是 1.2GB，而惰性队列仅仅占用 1.5MB。
两种模式各有优缺点，适合的才是最好的，真正应用时要根据业务场景进行选择。
原文链接: https://blog.csdn.net/friggly/article/details/127734070