diff --git a/README.md b/README.md index 069f5a5..50c3817 100755 --- a/README.md +++ b/README.md @@ -26,6 +26,7 @@ - [RocketMQ事务原理](./docs/mq/rocketmq4/10RocketMQ4_transaction.md) - [RocketMQ消息轨迹](./docs/mq/rocketmq4/11RocketMQ4_messagetrack.md) - [RocketMQ订阅关系保证一致](./docs/mq/rocketmq4/13RocketMQ4_subscribe_consistent.md) +- [RocketMQ 消费幂等](./docs/mq/rocketmq4/14RocketMQ4_mideng.md) ## 技术人生 diff --git a/docs/.vuepress/sidebar/index.ts b/docs/.vuepress/sidebar/index.ts index 9fe2357..8fe1d97 100644 --- a/docs/.vuepress/sidebar/index.ts +++ b/docs/.vuepress/sidebar/index.ts @@ -43,7 +43,8 @@ export default sidebar({ "08RocketMQ4_masterslave", "10RocketMQ4_transaction", "11RocketMQ4_messagetrack", - "13RocketMQ4_subscribe_consistent" + "13RocketMQ4_subscribe_consistent", + "14RocketMQ4_mideng" ], } ] diff --git a/docs/home.md b/docs/home.md index d8fc66f..6f876b1 100644 --- a/docs/home.md +++ b/docs/home.md @@ -29,6 +29,7 @@ title: 阅读目录 - [RocketMQ事务原理](./mq/rocketmq4/10RocketMQ4_transaction.md) - [RocketMQ消息轨迹](./mq/rocketmq4/11RocketMQ4_messagetrack.md) - [RocketMQ订阅关系保证一致](./mq/rocketmq4/13RocketMQ4_subscribe_consistent.md) +- [RocketMQ 消费幂等](./mq/rocketmq4/14RocketMQ4_mideng.md) ## 技术人生 diff --git a/docs/mq/rocketmq4/14RocketMQ4_mideng.md b/docs/mq/rocketmq4/14RocketMQ4_mideng.md new file mode 100644 index 0000000..01e7321 --- /dev/null +++ b/docs/mq/rocketmq4/14RocketMQ4_mideng.md @@ -0,0 +1,365 @@ +--- +title: RocketMQ 消费幂等 +category: RocketMQ +tag: + - RocketMQ + - 消息队列 +head: + - - meta + - name: keywords + content: RocketMQ,消息队列,设计,精要,消费幂等,幂等 + - - meta + - name: description + content: 我们聊聊消息队列中非常重要的最佳实践之一：消费幂等！ +--- +这篇文章，我们聊聊消息队列中非常重要的最佳实践之一：**消费幂等**。 + +![](https://javayong.cn/pics/rocketmq/midengcategory.png?ab=1) + +## 1 基础概念 + +消费幂等是指：当出现 RocketMQ 消费者对某条消息重复消费的情况时，重复消费的结果与消费一次的结果是相同的，并且多次消费并未对业务系统产生任何负面影响。 + +例如，在支付场景下，消费者消费扣款消息，对一笔订单执行扣款操作，扣款金额为100元。 + +如果因网络不稳定等原因导致扣款消息重复投递，消费者重复消费了该扣款消息，但最终的业务结果是只扣款一次，扣费100元，且用户的扣款记录中对应的订单只有一条扣款流水，不会多次扣除费用。那么这次扣款操作是符合要求的，整个消费过程实现了消费幂等。 + +## 2 适用场景 + +RocketMQ 消息重复的场景如下： + +- **发送时消息重复** + + 当一条消息已被成功发送到服务端并完成持久化，此时出现了网络闪断或者客户端宕机，导致服务端对客户端应答失败。 + + 如果此时生产者意识到消息发送失败并尝试再次发送消息，消费者后续会收到两条内容相同但 Message ID 不同的消息。 + +- **投递时消息重复** + + 消息消费的场景下，消息已投递到消费者并完成业务处理，当客户端给服务端反馈应答的时候网络闪断。为了保证消息至少被消费一次，Broker 服务端将在网络恢复后再次尝试投递之前已被处理过的消息，消费者后续会收到两条内容相同并且 Message ID 也相同的消息。 + +- **负载均衡时消息重复**（包括但不限于网络抖动、Broker 重启以及消费者应用重启） + + Broker 端或客户端重启、扩容或缩容时，会触发 Rebalance ，此时消费者可能会收到少量重复消息。 + +## 3 业务唯一标识 + +因为不同的 Message ID 对应的消息内容可能相同，有可能出现冲突（重复）的情况，所以真正安全的幂等处理，不建议以 Message ID 作为处理依据。 + +最好的方式是**以业务唯一标识作为幂等处理的关键依据，消息必须携带业务唯一标识**。 + +消息携带业务唯一标识一般来讲有两种方式： + +1. **消息 Key 存放业务唯一标识** + +```java +Message msg = new Message(TOPIC /* Topic */, + TAG /* Tag */, + ("Hello RocketMQ " + i).getBytes(RemotingHelper.DEFAULT_CHARSET) /* Message body */ + ); +message.setKey("ORDERID_100"); // 订单编号 +SendResult sendResult = producer.send(message); +``` + +2. **消息 body 存放业务唯一标识** + +```java +Message msg = new Message(TOPIC /* Topic */, + TAG /* Tag */, + (JSON.toJSONString(orderDTO)).getBytes(RemotingHelper.DEFAULT_CHARSET) /* Message body */ + ); +message.setKey("ORDERID_100"); // 订单编号 +SendResult sendResult = producer.send(message); +``` + +消费者收到消息时，从消息中获取订单号来实现消息幂等 ： + +```java +consumer.registerMessageListener(new MessageListenerConcurrently() { + @Override + public ConsumeConcurrentlyStatus consumeMessage(List msgs, ConsumeConcurrentlyContext context) { + for (MessageExt message : msgs) { + // 方法1: 根据业务唯一标识的Key做幂等处理 + String orderId = message.getKeys(); + // 方法2: 从消息body体重解析出订单号 + String orderJSON = new String(messageExt.getBody(), "UTF-8"); + OrderPO orderPO = JSON.parseObject(orderJSON, OrderPO.class); + String orderId = orderPO.getId(); + // TODO 业务处理逻辑 + } + return ConsumeConcurrentlyStatus.CONSUME_SUCCESS; + } +}); +``` + +## 4 幂等策略 + +### 1 业务状态机判断 + +为了保证幂等，一定要做**业务逻辑判断**，笔者认为这是保证幂等的**首要条件**。 + +笔者曾经服务于神州专车，乘客在用户端点击**立即叫车**，订单服务创建订单，首先保存到数据库后，然后将订单信息同步保存到缓存中。 + +在订单的载客生命周期里，订单的修改操作先修改缓存，然后发送消息到 MetaQ ，订单落盘服务消费消息，并判断订单信息是否正常（比如有无乱序)，若订单数据无误，则存储到数据库中。 + +订单状态机按顺序分别是：**创建**、**已分配司机**、**司机已出发**、**司机已到达**、**司机已接到乘客**、**已到达**。 + +![](https://oscimg.oschina.net/oscnet/up-75c28e0ff83ef982e800f71ee021d29b755.png) + + + +这种设计是为了快速提升系统性能，由于网络问题有非常小的概率，消费者会收到乱序的消息。 + +当订单状态是**司机已到达**时，消费者可能会收到**司机已出发**的消息，也就是先发的消息因为网络原因被延迟消费了。 + +此时，消费者需要判断当前的专车订单状态机，保存最合理的订单数据，就可以忽略旧的消息，打印相关日志即可。 + +### 2 全局处理标识 + +##### 1 数据库去重表 + + 数据库去重表有两个要点 ： + +1. 操作之前先从去重表中通过唯一业务标识查询记录是否存在，若不存在，则进行后续消费流程 ； +2. 为了避免并发场景，去重表需要包含业务唯一键 uniqueKey , 这样就算并发插入也不可能插入多条，插入失败后，抛异常。 + +举一个电商场景的例子：用户购物车结算时，系统会创建支付订单。用户支付成功后支付订单的状态会由未支付修改为支付成功，然后系统给用户增加积分。 + +我们可以使用 RocketMQ 事务消息的方案，该方案能够发挥 MQ 的优势：**异步**和**解耦**，以及事务的最终一致性的特性。 + +在消费监听器逻辑里，`幂等非常重要` 。积分表 SQL 如下： + +```sql +CREATE TABLE `t_points` ( + `id` bigint(20) NOT NULL COMMENT '主键', + `user_id` bigint(20) NOT NULL COMMENT '用户id', + `order_id` bigint(20) NOT NULL COMMENT '订单编号', + `points` int(4) NOT NULL COMMENT '积分', + `remarks` varchar(128) COLLATE utf8mb4_bin NOT NULL COMMENT '备注', + `create_time` datetime NOT NULL, + PRIMARY KEY (`id`), + UNIQUE KEY `unique_order_Id` (`order_id`) USING BTREE COMMENT '订单唯一' +) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin; +``` + +当收到订单信息后，首先判断该订单是否有积分记录，若没有记录，才插入积分记录。 + +就算出现极端并发场景下，订单编号也是唯一键，数据库中也必然不会存在相同订单的多条积分记录。 + +```java +public ConsumeConcurrentlyStatus consumeMessage(List msgs, ConsumeConcurrentlyContext context) { + try { + for (MessageExt messageExt : msgs) { + String orderJSON = new String(messageExt.getBody(), "UTF-8"); + logger.info("orderJSON:" + orderJSON); + OrderPO orderPO = JSON.parseObject(orderJSON, OrderPO.class); + // 首先查询是否处理完成 + PointsPO pointsPO = pointsMapper.getByOrderId(orderPO.getId()); + if (pointsPO == null) { + Long id = SnowFlakeIdGenerator.getUniqueId(1023, 0); + pointsPO = new PointsPO(); + pointsPO.setId(id); + pointsPO.setOrderId(orderPO.getId()); + pointsPO.setUserId(orderPO.getUserId()); + // 添加积分数 30 + pointsPO.setPoints(30); + pointsPO.setCreateTime(new Date()); + pointsPO.setRemarks("添加积分数 30"); + pointsMapper.insert(pointsPO); + } + } + return ConsumeConcurrentlyStatus.CONSUME_SUCCESS; + } catch (Exception e) { + logger.error("consumeMessage error: ", e); + return ConsumeConcurrentlyStatus.RECONSUME_LATER; + } +} +``` + +##### 2 Redis处理标志位 + +在消费者接收到消息后，首先判断 Redis 中是否存在该业务主键的标志位，若存在标志位，则认为消费成功，否则，则执行业务逻辑，执行完成后，在缓存中添加标志位。 + +```java +public ConsumeConcurrentlyStatus consumeMessage(List msgs, ConsumeConcurrentlyContext context) { + try { + for (MessageExt messageExt : msgs) { + String bizKey = messageExt.getKeys(); // 唯一业务主键 + //1. 判断是否存在标志 + if(redisTemplate.hasKey(RedisKeyConstants.WAITING_SEND_LOCK + bizKey)) { + continue; + } + //2. 执行业务逻辑 + //TODO do business + //3. 设置标志位 + redisTemplate.opsForValue().set(RedisKeyConstants.WAITING_SEND_LOCK + bizKey, "1", 72, TimeUnit.HOURS); + } + return ConsumeConcurrentlyStatus.CONSUME_SUCCESS; + } catch (Exception e) { + logger.error("consumeMessage error: ", e); + return ConsumeConcurrentlyStatus.RECONSUME_LATER; + } +} +``` + +### 3 分布式锁 + +仅仅有业务逻辑判断是不够的，为了应对并发场景，我们可以使用**分布式锁**。 + +分布式锁一般有三种方案： + +- 数据库乐观锁 +- 数据库悲观锁 +- Redis 锁 + +##### 1 数据库乐观锁 + +数据乐观锁假设认为数据一般情况下不会造成冲突，所以在数据进行提交更新的时候，才会正式对数据的冲突与否进行检测，如果发现冲突了，则让返回用户错误的信息，让用户决定如何去做。 + +由于乐观锁没有了锁等待，提高了吞吐量，所以乐观锁适合**读多写少**的场景。 + +实现乐观锁：一般是在数据表中加上一个数据版本号 `version` 字段，表示数据被修改的次数，当数据被修改时，version 值会加一。 + +当线程 A 要更新数据值时，在读取数据的同时也会读取`version`值，在提交更新时，若刚才读取到的 `version` 值为当前数据库中的 `version` 值相等时才更新，否则重试更新操作，直到更新成功。 + +**步骤 1 ： 查询出条目数据** + +```text +select version from my_table where id = #{id} +``` + +**步骤 2 ：修改条目数据，传递版本参数** + +```sql +update my_table set n = n + 1, version = version + 1 where id=#{id} and version = #{version}; +``` + +从乐观锁的实现角度来讲，乐观锁非常容易实现，但它有两个缺点： + +- 对业务的侵入性，添加版本字段； +- 高并发场景下，**只有一个线程可以修改成功，那么就会存在大量的失败** 。 + +消费端演示代码如下： + +```java +public ConsumeConcurrentlyStatus consumeMessage(List msgs, ConsumeConcurrentlyContext context) { + try { + for (MessageExt messageExt : msgs) { + String orderJSON = new String(messageExt.getBody(), "UTF-8"); + OrderPO orderPO = JSON.parseObject(orderJSON, OrderPO.class); + Long version = orderMapper.selectVersionByOrderId(orderPO.getId()); //版本 + orderPO.setVersion(version); + // 对应 SQL：update t_order t set version = version + 1 , status = #{status} where id = #{id} + // and version = #{version} + int affectedCount = orderMapper.updateOrder(orderPO); + if(affectedCount == 0) { + return ConsumeConcurrentlyStatus.RECONSUME_LATER; + } + } + return ConsumeConcurrentlyStatus.CONSUME_SUCCESS; + } catch (Exception e) { + logger.error("consumeMessage error: ", e); + return ConsumeConcurrentlyStatus.RECONSUME_LATER; + } +} +``` + +##### 2 数据库悲观锁 + +当我们要对一个数据库中的一条数据进行修改的时候，为了避免同时被其他人修改，最好的办法就是直接对该数据进行加锁以防止并发。 + +这种借助数据库锁机制在修改数据之前先锁定，再修改的方式被称之为悲观并发控制（又名“悲观锁”，Pessimistic Concurrency Control，缩写“PCC”）。 + +**之所以叫做悲观锁，是因为这是一种对数据的修改抱有悲观态度的并发控制方式。我们一般认为数据被并发修改的概率比较大，所以需要在修改之前先加锁。** + +悲观并发控制实际上是**“先取锁再访问”的保守策略**，**为数据处理的安全提供了保证**。 + +MySQL 悲观锁的使用方法如下： + +```sql +begin; + +-- 读取数据并加锁 +select ... for update; + +-- 修改数据 +update ...; + +commit; +``` + +例如，以下代码将读取 `t_order` 表中 `id` 为 1 的记录，并将该记录的 `status` 字段修改为 `3`： + +```sql +begin; + +select * from t_order where id = 1 for update; + +update t_order set status = '3' where id = 1; + +commit; + +``` + +如果 `t_order` 表中 `id` 为 1 的记录正在被其他事务修改，则上述代码会等待该记录被释放锁后才能继续执行。 + +消费端演示代码如下： + +```java +public ConsumeConcurrentlyStatus consumeMessage(List msgs, ConsumeConcurrentlyContext context) { + try { + for (MessageExt messageExt : msgs) { + String orderJSON = new String(messageExt.getBody(), "UTF-8"); + OrderPO orderPO = JSON.parseObject(orderJSON, OrderPO.class); + Long orderId = orderPo.getId(); + //调用service的修改订单信息，该方法事务加锁, 当修改订单记录时，该其他线程会等待该记录被释放才能继续执行 + orderService.updateOrderForUpdate(orderId ,orderPO); + } + return ConsumeConcurrentlyStatus.CONSUME_SUCCESS; + } catch (Exception e) { + logger.error("consumeMessage error: ", e); + return ConsumeConcurrentlyStatus.RECONSUME_LATER; + } +} +``` + +##### 3 Redis锁 + +使用数据库锁是非常重的一个操作，我们可以使用**更轻量级**的 Redis 锁来替换，因为 Redis 性能高，同时有非常丰富的生态（类库）支持不同类型的分布式锁。 + +我们选择 Redisson 框架提供的分布式锁功能，简化的示例代码如下： + +```java +public ConsumeConcurrentlyStatus consumeMessage(List msgs, ConsumeConcurrentlyContext context) { + try { + for (MessageExt messageExt : msgs) { + String orderJSON = new String(messageExt.getBody(), "UTF-8"); + OrderPO orderPO = JSON.parseObject(orderJSON, OrderPO.class); + Long orderId = orderPo.getId(); + RLock lock = redissonClient.getLock("order-lock-" + orderId); + rLock.lock(10, TimeUnit.SECONDS); + // TODO 业务逻辑 + rLock.unlock(); + } + return ConsumeConcurrentlyStatus.CONSUME_SUCCESS; + } catch (Exception e) { + logger.error("consumeMessage error: ", e); + return ConsumeConcurrentlyStatus.RECONSUME_LATER; + } +} +``` + +## 5 总结 + +这篇文章，我们详细剖析了如何实现 RocketMQ 消费幂等。 + +**1、消费幂等**：当出现 RocketMQ 消费者对某条消息重复消费的情况时，重复消费的结果与消费一次的结果是相同的，并且多次消费并未对业务系统产生任何负面影响。 + +**2、适用场景**：发送时消息重复、投递时消息重复、负载均衡时消息重复 + +**3、业务唯一标识**：以业务唯一标识作为幂等处理的关键依据，消息必须携带业务唯一标识。 + +**4、幂等策略**：业务逻辑代码中需要判断业务状态机，同时根据实际条件选择**全局处理标识**和**分布式锁**两种方式处理。 + +![](https://javayong.cn/pics/rocketmq/midengcelue.png) +