MQ (message queue)，从字面意思上看，本质是个队列，FIFO 先入先出，只不过队列中存放的内容是 message 而已，还是一种跨进程的通信机制，用于上下游传递消息。在互联网架构中，MQ 是一种非常常见的上下游 “逻辑解耦 + 物理解耦” 的消息通信服务。使用了 MQ 之后，消息发送上游只需要依赖 MQ，不用依赖其他服务，由MQ将消息发送给下游消费者。
举个例子，如果订单系统最多能处理一万次订单，这个处理能力应付正常时段的下单时绰绰有余，正常时段我们下单一秒后就能返回结果。但是在高峰期，如果有两万次下单操作系统是处理不了的，只能限制订单超过一万后不允许用户下单。使用消息队列做缓冲，我们可以取消这个限制，把一秒内下的订单分散成一段时间来处理，这时有些用户可能在下单十几秒后才能收到下单成功的操作，但是比不能下单的体验要好。
以电商应用为例，应用中有订单系统、库存系统、物流系统、支付系统。用户创建订单后，如果耦合调用库存系统、物流系统、支付系统，任何一个子系统出了故障，都会造成下单操作异常。当转变成基于消息队列的方式后，系统间调用的问题会减少很多，比如物流系统因为发生故障，需要几分钟来修复。在 这几分钟的时间里，物流系统要处理的内存被缓存在消息队列中，用户的下单操作可以正常完成。当物流系统恢复后，继续处理订单信息即可，中单用户感受不到物流系统的故障，提升系统的可用性。
有些服务间调用是异步的，例如 A 调用 B，B 需要花费很长时间执行，但是 A 需要知道 B 什么时候可以执行完。
以前一般有两种方式，A 过一段时间去调用 B 的查询 api 查询。或者 A 提供一个 callback api，B 执行完之后调用 api 通知 A 服务。这两种方式都不是很优雅。
使用消息总线 ，可以很方便解决这个问题， A 调用 B 服务后，只需要监听 B 处理完成的消息，当 B 处理完成后，会发送一条消息给 MQ，MQ 会将此消息转发给 A 服务。这样 A 服务既不用循环调用 B 的查询 api，也不用提供 callback api。同样 B 服务也不用做这些操作，A 服务还能及时的得到异步处理成功的消息。
JMS （Java Message Service）JAVA 消息服务 ：基于 JVM 消息代理的规范。ActiveMQ、HornetMQ 是 JMS 实现。JMS 只支持 Java 语言，无法做到跨语言和跨平台AMQP （Advanced Message Queuing Protocol）高级消息队列协议 ，也是一个消息代理的规范，兼容 JMS，比其更加高级。RabbitMQ 是 AMQP 的实现。AMQP 可以支持多种语言，可以做到跨语言和跨平台
二者的区别：
优点：单机吞吐量万级，时效性 ms 级，可用性高，基于主从架构实现高可用性，较低的概率丢失数据。
缺点：官方社区现在对 ActiveMQ 5.x 维护越来越少，高吞吐量场景较少使用。
大数据的杀手锏，谈到大数据领域内的消息传输，则绕不开 Kafka，这款为大数据 而生的消息中间件，以其百万级 TPS 的吞吐量名声大噪，迅速成为大数据领域的宠儿，在数据采集、传输、存储的过程中发挥着举足轻重的作用。目前已经被 LinkedIn，Uber, Twitter, Netflix 等大公司所采纳。
优点：性能卓越，单机写入 TPS 约在百万条 / 秒，最大的优点，就是吞吐量高 。时效性 ms 级，可用性非常高，kafka 是分布式的，一个数据多个副本，少数机器宕机，不会丢失数据，不会导致不可用，消费者采用 Pull 方式获取消息，消息有序，通过控制能够保证所有消息被消费且仅被消费一次；有优秀的第三方 Kafka Web 管理界面 Kafka-Manager；在日志领域比较成熟，被多家公司和多个开源项目使用；功能支持：功能较为简单，主要支持简单的 MQ 功能，在大数据领域的实时计算以及日志采集被大规模使用。
缺点：Kafka 单机超过 64 个队列 / 分区，Load 会发生明显的飙高现象，队列越多，load 越高，发送消息响应时间变长，使用短轮询方式，实时性取决于轮询间隔时间，消费失败不支持重试；支持消息顺序，但是一台代理宕机后，就会产生消息乱序，社区更新较慢 。
RocketMQ 出自阿里巴巴的开源产品，用 Java 语言实现，在设计时参考了 Kafka，并做出了自己的一 些改进。被阿里巴巴广泛应用在订单，交易，充值，流计算，消息推送，日志流式处理，binglog 分发等场景。
优点：单机吞吐量十万级 ，可用性非常高，分布式架构，消息可以做到 0 丢失，MQ 功能较为完善，还是分布式的，扩展性好，支持 10 亿级别的消息堆积，不会因为堆积导致性能下降。
缺点：支持的客户端语言不多，目前是 java 及 c++，其中 c++ 不成熟；社区活跃度一般，没有在 MQ 核心中去实现 JMS 等接口，有些系统要迁移需要修改大量代码。
2007 年发布，是一个在 AMQP （高级消息队列协议）基础上完成的，可复用的企业消息系统，是当前最主流的消息中间件之一 。
优点：由于 erlang 语言的高并发特性，性能较好；吞吐量到万级，MQ 功能比较完备，健壮、稳定、易用、跨平台、支持多种语言。如：Python、Ruby、.NET、Java、JMS、C、PHP、ActionScript、XMPP、STOMP 等，AJAX 文档齐全；开源提供的管理界面非常棒，用起来很好用，社区活跃度高；更新频率相当高。
缺点：商业版需要收费，学习成本较高。
Kafka 主要特点是基于 Pull 的模式来处理消息消费，追求高吞吐量 ，一开始的目的就是用于日志收集和传输，适合产生大量数据的互联网服务的数据收集业务。大型公司建议可以选用，如果有日志采集功能，肯定是首选 kafka 了。Kafka 是类似 JMS 特性，但在设计上具体应用于生产者消费者模式，唯一优势特点是高吞吐量 。
天生为金融互联网 领域而生，对于可靠性要求很高的场景，尤其是电商里面的订单扣款，以及业务削峰，在大量交易涌入时，后端可能无法及时处理的情况。RoketMQ 在稳定性上可能更值得信赖，这些业务场景在阿里双 11 已经经历了多次考验，如果你的业务有上述并发场景，建议可以选择 RocketMQ。
结合 erlang 语言本身的并发优势，性能好时效性微秒级，社区活跃度也比较高，管理界面用起来十分方便，如果你的数据量没有那么大 ，中小型公司优先选择功能比较完备的 RabbitMQ。
https://zhangc233.github.io/2021/07/23/RabbitMQ/
许多消息中间件底层就是用JUC包下的阻塞队列BlockingQueue 实现的。
https://zhangc233.github.io/2021/07/23/RabbitMQ/
RabbitMQ是一个异步消息 通信中间件，用erlang语言开发，实现了AMQP （Advanced Message Queue ）协议，是一个开源产品，官方网站：http://www.rabbitmq.com/
RabbitMQ 是一个消息中间件，它接受并转发 消息。你可以把它当做一个快递站点，当你要发送一个包裹时，你把你的包裹放到快递站，快递员最终会把你的快递送到收件人那里，按照这种逻辑 RabbitMQ 是 一个快递站，一个快递员帮你传递快件。
但RabbitMQ 与快递站的主要区别在于，它不处理快件，而是接收，存储和转发消息数据 。
生产者 ：产生数据发送消息的程序。交换机 ：是 RabbitMQ 非常重要的一个部件，一方面它接收来自生产者的消息，另一方面它将消息推送到队列中 。交换机必须确切知道如何处理它接收到的消息，是将这些消息推送到特定队列还是推送到多个队列，亦或者是把消息丢弃，这个得有交换机类型决定。队列 ：队列是 RabbitMQ 内部使用的一种数据结构，尽管消息流经 RabbitMQ 和应用程序，但它们只能存储在队列中。队列仅受主机的内存和磁盘限制的约束，本质上是一个大的消息缓冲区。许多生产者可以将消息发送到一个队列，许多消费者可以尝试从一个队列接收数据。消费者 ：大多时候是一个等待接收消息的程序。请注意生产者，消费者和消息中间件很多时候并不在同一机器上 。同一个应用程序既可以是生产者又是可以是消费者。
四者关系 ：
生产者只将消息发给交换机 ，至于该交换机将消息发送给了哪个队列其是不知道的（通常将绑定的工作放到 Spring 的 @Configuration 配置类里，从而与生产者解耦，生产者本身并不知道绑定信息）消费者只从队列获取消息 ，至于该消息来自哪个交换机其是不知道的交换机和队列是有对应的绑定关系的，通常在Spring的@Configuration配置类里进行配置，生产者和消费者对此并不知情，也无需知道
Broker ：接收 和分发 消息的应用，就是 RabbitMQ 服务器。Virtual host ：出于多用户和安全因素设计的，把 AMQP 的基本组件划分到一个虚拟的分组中，类似于网络中的 namespace 概念。当多个不同的用户使用同一个 RabbitMQ server 提供的服务时，可以划分出多个 vhost，每个用户在自己的 vhost 创建 exchange／queue 等。Connection ：publisher／consumer 和 broker 之间的 TCP 连接。Channel ：如果每一次访问 RabbitMQ 都建立一个 Connection，在消息量大的时候建立 TCP Connection 的开销将是巨大的，效率也较低。Channel 是在 connection 内部建立的逻辑连接，如果应用程序支持多线程，通常每个 thread 创建单独的 channel 进行通讯，AMQP method 包含了 channel id 帮助客户端和 message broker 识别 channel，所以 channel 之间是完全隔离的。Channel 作为轻量级的 Connection 极大减少了操作系统建立 TCP connection 的开销 。Exchange ：message 到达 broker 的第一站，根据分发规则，匹配查询表中的 routing key，分发消息到 queue 中去。常用的类型有：direct (point-to-point)，topic (publish-subscribe) and fanout (multicast)。Queue ：消息最终被送到这里等待 consumer 取走。Binding ：exchange 和 queue 之间的虚拟连接，binding 中可以包含 routing key，Binding 信息被保存到 exchange 中的查询表中，用于 message 的分发依据。
其中，交换机和队列存储在 RabbitMQ 服务器内，生产者和消费者在其他服务器，二者通过声明的方式在 RabbitMQ 服务器内创建相应的交换机和队列。
生产者工作流程 ：
生产者建立与 RabbitMQ 服务器的 Connection 连接并创建一个 Channel 与其通讯
生产者声明若干交换机与队列，声明后，RabbitMQ 服务器中将创建这些交换机与队列（queueDeclare()）
生产者绑定交换机与队列，即指定交换机与队列间的routing key与映射类型（queueBind()）
生产者向 RabbitMQ 服务器发送消息（basicPublish()）
生产者可以设置通道为发布确认 模式 （confirmSelect()），这样 RabbitMQ 服务器在收到生产者发送的数据后会回调通知生产者，生产者异步 地接收这些回调消息，从而得知当前消息是否被 RabbitMQ 服务器的交换机 所接收到。若 RabbitMQ 服务器宕机，生产者也可以即使得知，避免消息丢失
仅开启发布确认模式只能得知当前消息是否被 RabbitMQ 服务器的交换机所接收到，而不能得知该消息能否成功传递到队列 （若生产者发送了错误的 routing key 导致消息无法往下传递， RabbitMQ 服务器会将该消息删除而生产者并不知情），因此需要开启消息回退 功能，在当消息传递过程中不可达目的地时将消息返回给生产者，通知生产者消息发送失败，考虑重新发送。通常发布确认 和消息回退 一起使用（又被称为可靠投递），保证生产者发送的消息不能被顺利传递时能够被及时通知。
消费者工作流程 ：
消费者建立与 RabbitMQ 服务器的 Connection 连接并创建一个 Channel 与其通讯
消费者指定监听哪个队列（basicConsume()），并设置接收消息成功/失败的回调方法（Callback）
消费者接收到消息后进行消息应答 （basicAck()）：通知 RabbitMQ 服务器该消息已经成功接受，此时才将该消息从队列中删除
消费者可以设置预期值分发 （basicQos()），一次性从队列中获取多条消息进行异步消费
RabbitMQ 服务器工作流程 ：
与 RabbitMQ 客户端（生产者与消费者）建立TCP连接
创建生产者与消费者声明的交换机与队列，并根据routing key与映射类型将其进行绑定
当交换机收到生产者发来的消息时，将此消息按照routing key分发到对应的队列中
队列中的消息将逐个转发到对应的消费者。注意，一个消息只能被消费一次 。这个队列所对应的N个消费者将按照某种规则（例如轮询）消费该消息。例如该队列中共有4条消息，有两个消费者监听该队列，那么这两个消费者将分别消费2条消息
当 RabbitMQ 服务器接收到消费者传来的消息应答后，若消费者确认收到消息（basicAck ()），则将该消息从队列中删除；若消费者拒绝收到消息（basicReject ()），同样将其从队列中删除；若消费者长时间未回复消息应答，则将该消息重新入队
若 RabbitMQ 服务器判断得知某条消息成为死信（例如消息被拒绝、消息到期或队列达到最大长度），则将其路由到对应的死信队列 ，死信队列里的消息将由监听其的消费者消费
发送到延迟队列 里面的消息在阻塞一定时间后才会被放到死信队列里被相应的消费者消费（例如取消订单时先放到延迟队列里等待一定时间后如果还未被用户取消，则就进入死信队列）
Linux上安装过程见Linux 开发环境配置文档
15672：Web图形化管理界面端口 5672：AMQP协议的端口号
1 2 3 4 5 6 7 8 9 10 11 12 13 14 systemctl start rabbitmq-server systemctl status rabbitmq-server systemctl enable rabbitmq-server systemctl stop rabbitmq-server systemctl restart rabbitmq-server
安装：
1 rabbitmq-plugins enable rabbitmq_management
安装完毕以后，重启服务：
1 systemctl restart rabbitmq-server
访问 http://xxx.xxx.xxx.xxx:15672
1 2 3 4 5 6 7 8 9 rabbitmqctl add_user admin 123456 rabbitmqctl set_user_tags admin administrator rabbitmqctl set_permissions -p "/" admin ".*" ".*" ".*"
用户级别：
administrator ：可以登录控制台、查看所有信息、可以对 rabbitmq 进行管理。monitoring ：监控者 登录控制台，查看所有信息。policymaker ：策略制定者 登录控制台，指定策略。managment ：普通管理员 登录控制台。
关闭Web应用的命令为：rabbitmqctl stop_app
清除的命令为：rabbitmqctl reset
重新启动命令为：rabbitmqctl start_app
导入相关Maven依赖：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 <dependencies > <dependency > <groupId > com.rabbitmq</groupId > <artifactId > amqp-client</artifactId > <version > 5.8.0</version > </dependency > <dependency > <groupId > commons-io</groupId > <artifactId > commons-io</artifactId > <version > 2.6</version > </dependency > </dependencies >
生产者：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 package com.zhao;import com.rabbitmq.client.*;public class Producer private final static String QUEUE_NAME = "queue-01" ; private static final String EXCHANGE_NAME = "exchange-01" ; public static void main (String[] args) throws Exception ConnectionFactory factory = new ConnectionFactory(); factory.setHost("42.192.149.71" ); factory.setUsername("admin" ); factory.setPassword("123456" ); Connection connection = factory.newConnection(); Channel channel = connection.createChannel(); channel.exchangeDeclare(EXCHANGE_NAME, "direct" ); channel.queueDeclare(QUEUE_NAME, true , false , false , null ); channel.queueBind(QUEUE_NAME, EXCHANGE_NAME, "info" ); String message = "hello world" ; channel.basicPublish(EXCHANGE_NAME, "info" , null , message.getBytes()); System.out.println("消息发送完毕" ); } }
生产者声明了交换机和队列并进行绑定（设置routingKey为"info"），二者将由 RabbitMQ 服务器创建并维护。生产者将消息发往指定的交换机后，RabbitMQ 服务器将根据传入的routingKey找到对应的队列，将消息放入其中，等待消费者消费该队列中的消息。
消费者：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 package com.zhao;import com.rabbitmq.client.*;public class Consumer private final static String QUEUE_NAME = "queue-01" ; public static void main (String[] args) throws Exception ConnectionFactory factory = new ConnectionFactory(); factory.setHost("42.192.149.71" ); factory.setUsername("admin" ); factory.setPassword("123456" ); Connection connection = factory.newConnection(); Channel channel = connection.createChannel(); int prefetchCount = 6 ; channel.basicQos(prefetchCount); System.out.println("等待接收消息........." ); DeliverCallback deliverCallback = (consumerTag, delivery) -> { String message = new String(delivery.getBody()); System.out.println("接收到消息:" + message); channel.basicAck(delivery.getEnvelope().getDeliveryTag(), false ); }; CancelCallback cancelCallback = (consumerTag) -> { System.out.println("消息消费被中断" ); }; channel.basicConsume(QUEUE_NAME, false , deliverCallback, cancelCallback); } }
消费者将根据队列名从 RabbitMQ 服务器找到对应的队列，从中获取消息，设置了预取值分发则会同时异步地消费多条消息。
RabbitMQ 消息传递模型的核心思想是：生产者生产的消息从不会直接发送到队列。实际上，通常生产者甚至都不知道这些消息传递传递到了哪些队列中 。
生产者只将消息发给交换机，至于该交换机将消息发送给了哪个队列其是不知道的（通常将绑定的工作放到Spring的@Configuration配置类里，从而与生产者解耦，生产者本身并不知道绑定信息）
消费者只从队列获取消息，至于该消息来自哪个交换机其是不知道的
相反，生产者只能将消息发送到交换机 (exchange) ，交换机工作的内容非常简单，一方面它接收来自生产者的消息，另一方面将它们推入队列。交换机必须确切知道如何处理收到的消息，是应该把这些消息放到特定队列还是说把他们放到许多队列中还是说应该丢弃它们。这就由交换机的类型来决定。
Exchanges 的类型：
直接 (direct) ：消息只去到它绑定的 routingKey 队列中去（该消息要发往的routingKey 由生产者发送消息时指定）主题 (topic) ：发送到类型是 topic 交换机的消息的 routingKey 不能随意写，必须满足一定的要求，它必须是一个单词列表，以点号分隔开。这些单词可以是任意单词，比如说："stock.usd.nyse"。标题 (headers) ：扇出 (fanout) ：将接收到的所有消息广播 到它知道的所有队列中
发送到类型是 topic 交换机的消息的 routingKey 不能随意写，必须满足一定的要求，它必须是一个单词列表，以点号分隔开。这些单词可以是任意单词，比如说："stock.usd.nyse"。
在这个规则列表中，其中有两个替换符是需要注意的：
*(星号) 可以代替一个单词
#(井号) 可以替代零个或多个单词
上图对应关系：
Q1–> 绑定的是：
中间带 orange 带 3 个单词的字符串 (*.orange.*)
Q2–> 绑定的是：
最后一个单词是 rabbit 的 3 个单词 (*.*.rabbit)
第一个单词是 lazy 的多个单词 (lazy.#)
注意：
当一个队列绑定键是 #，那么这个队列将接收所有数据，就有点像 fanout 了
如果队列绑定键当中没有 #和 * 出现，那么该队列绑定类型就是 direct 了
一个消息只能被消费一次 。
默认情况下，消费者采用轮询 的方式进行消费：例如某队列中共有4条消息，有两个消费者监听该队列，那么这两个消费者将进行轮询消费，各自消费2条消息：
但是在某种场景下这种策略并不是很好，比方说有两个消费者在处理任务，其中有个消费者 1 处理任务的速度非常快，而另外一个消费者 2 处理速度却很慢，这个时候我们还是采用轮询分发的话，处理速度快的消费者很大一部分时间处于空闲状态（在等待另一个消费者消费完自己才能消费下一个消息），而处理慢的那个消费者一直在干活，此时轮询分配方式就不太好。
为了避免这种情况，在消费者中消费之前，可以为每个消费者设置预取值分发 ，即预先取出一部分数量的消息进行消费。设置方法为：
1 2 3 int prefetchCount = 6 ;channel.basicQos(prefetchCount);
通俗来讲，如果这个任务我还没有处理完或者我还没有应答你，你先别分配给我，我目前只能处理一个任务，然后 RabbitMQ 就会把该任务分配给没有那么忙的那个空闲消费者。这样就可以根据服务器性能的不同事先设置好prefetchCount的值。
当然如果所有的消费者都没有完成手上任务，队列还在不停的添加新任务，队列有可能就会遇到队列被撑满的情况，这个时候就只能添加新的 worker 或者改变其他存储任务的策略。
本身消息的发送就是异步 发送的，所以在任何时候，channel 上肯定不止只有一个消息，另外来自消费者的手动确认本质上也是异步的。因此这里就存在一个未确认的消息缓冲区，因此希望开发人员能限制此缓冲区的大小，以避免缓冲区里面无限制的未确认消息问题 。这个时候就可以通过使用 basic.qos 方法设置 “预取计数” 值来完成的。
该值定义通道上允许的未确认消息的最大数量。一旦数量达到配置的数量， RabbitMQ 将停止在通道上传递更多消息，除非至少有一个未处理的消息被确认，例如，假设在通道上有未确认的消息 5、6、7，8，并且通道的预取计数设置为 4，此时 RabbitMQ 将不会在该通道上再传递任何消息，除非至少有一个未应答的消息被 ack。比方说 tag=6 这个消息刚刚被确认 ACK，RabbitMQ 将会感知这个情况到并再发送一条消息。消息应答和 QoS 预取值对用户吞吐量有重大影响。
通常，增加预取值将提高向消费者传递消息的速度。虽然自动应答传输消息速率是最佳的，但是，在这种情况下已传递但尚未处理的消息的数量也会增加，从而增加了消费者的 RAM 消耗 。应该小心使用具有无限预处理的自动确认模式或手动确认模式，消费者消费了大量的消息如果没有确认的话，会导致消费者连接节点的内存消耗变大，所以找到合适的预取值是一个反复试验的过程，不同的负载该值取值也不同 100 到 300 范围内的值通常可提供最佳的吞吐量，并且不会给消费者带来太大的风险。
预取值为 1 是最保守的。当然这将使吞吐量变得很低，特别是消费者连接延迟很严重的情况下，特别是在消费者连接等待时间较长的环境 中。对于大多数应用来说，稍微高一点的值将是最佳的。
当 RabbitMQ 服务停掉以后，消息生产者发送过来的消息不丢失要如何保障？默认情况下 RabbitMQ 退出或由于某种原因崩溃时，它忽视队列和消息，除非告知它不要这样做。确保消息不会丢失需要做两件事：我们需要将队列和消息都标记为持久化。
之前创建的队列都是非持久化的，RabbitMQ 如果重启的话，该队列就会被删除掉，如果要队列实现持久化需要在声明队列的时候把 durable 参数设置为持久化。
1 2 3 4 boolean durable = true ;channel.queueDeclare(QUEUE_NAME, durable, false , false , null );
注意：如果之前声明的队列不是持久化的，需要把原先队列先删除，或者重新创建一个持久化的队列，不然就会出现错误。
消息实现持久化需要在消息生产者 修改代码，MessageProperties.PERSISTENT_TEXT_PLAIN 添加这个属性。
将消息标记为持久化并不能完全保证不会丢失消息。尽管它告诉 RabbitMQ 将消息保存到磁盘，但是这里依然存在当消息刚准备存储在磁盘的时候但是还没有存储完，消息还在缓存的一个间隔点。此时并没有真正写入磁盘。持久性保证并不强，但是对于我们的简单任务队列而言，这已经绰绰有余了。
为保证消息能够可靠到达不丢失，需要引入发布确认 机制与消息应答 机制：
生产者发布确认 confirmCallback：生产者消息成功到交换机 就异步回调 通知生产者消息发布成功
生产者消息回退 returnCallback：生产者消息如果未能从交换机投递到消息队列 就异步回调通知生产者消息投递失败
消费者消息应答 ack：消费者如果从消息队列收到消息并确认无误 后手动或自动通知 Broker 删除该消息
消费者的消息应答有两种类型：
自动 消息应答：在消费者收到消息后就被认为已经传送成功，并从队列中删除。这种方式容易造成消息丢失，因为消费者可能还没处理完该消息就宕机了，这时消息应该重新投递，如果被删掉了就造成消息丢失了手动 消息应答分为：
Channel.basicAck（肯定确认）：RabbitMQ 已知道该消息成功被处理，可以将其丢弃了。Channel.basicNack（否定确认）Channel.basicReject（否定确认）：与 Channel.basicNack 相比少一个参数，不处理该消息了，直接拒绝，可以将其丢弃了。消息一直没有调用 ack/nack 方法，brocker 认为此消息正在被处理，不会投递给其他人也不会删除该消息。如果这时客户端断开，该消息不会被 broker 移除，而是会再次投递到队列中等待其他人消费（原理可能是 broker 会检测到其与消费者间的连接中断了，就重新投递）
发布确认是为了确保生产者发送的消息能够被 RabbitMQ 服务器接收到，若 RabbitMQ 服务器宕机无法接收消息，则生产者能及时察觉到，从而重新发送消息，防止消息丢失时生产者无法察觉。
生产者将信道设置成 confirm 模式，一旦信道进入 confirm 模式，所有在该信道上面发布的消息都将会被指派一个唯一的 ID (从 1 开始)，一旦消息被投递到所有匹配的队列之后，broker 就会发送一个确认给生产者 (包含消息的唯一 ID)，这就使得生产者知道消息已经正确到达目的队列了，如果消息和队列是可持久化的，那么确认消息会在将消息写入磁盘之后发出，broker 回传给生产者的确认消息中 delivery-tag 域包含了确认消息的序列号，此外 broker 也可以设置 basic.ack 的 multiple 域，表示到这个序列号之前的所有消息都已经得到了处理。
confirm 模式最大的好处在于它是异步 的，一旦发布一条消息，生产者应用程序就可以在等信道返回确认的同时继续发送下一条消息 ，当消息最终得到确认之后，生产者应用便可以通过回调方法来处理该确认消息，如果 RabbitMQ 因为自身内部错误导致消息丢失，就会发送一条 nack 消息， 生产者应用程序同样可以在回调方法中处理该 nack 消息。
开启发布确认的方法：发布确认默认是没有开启的，如果要开启，需要调用方法 confirmSelect()：
1 2 channel.confirmSelect();
这是一种简单的确认方式，它是一种同步确认发布 的方式，也就是发布一个消息之后只有它被确认发布，后续的消息才能继续发布 ，waitForConfirmsOrDie(long) 这个方法只有在消息被确认的时候才返回，如果在指定时间范围内这个消息没有被确认那么它将抛出异常。
这种确认方式有一个最大的缺点就是：发布速度特别的慢 ，因为如果没有确认发布的消息就会阻塞所有后续消息的发布，这种方式最多提供每秒不超过数百条发布消息的吞吐量。当然对于某些应用程序来说这可能已经足够了。
此模式下，生产者将等待服务端返回确认消息程序才会继续执行，若服务端返回 false 或超时时间内未返回，则生产者可以消息重发。生产者端配置方式：
1 2 3 4 5 6 7 8 9 10 for (int i = 0 ; i < MESSAGE_COUNT; i++) { String message = i + "" ; channel.basicPublish("" , queueName, null , message.getBytes()); boolean flag = channel.waitForConfirms(); if (flag) { System.out.println("消息发送成功" ); } }
上面那种方式非常慢，与单个等待确认消息相比，先发布一批消息然后一起确认可以极大地提高吞吐量，当然这种方式的缺点就是：当发生故障导致发布出现问题时，不知道是哪个消息出问题了，我们必须将整个批处理保存在内存中，以记录重要的信息而后重新发布消息。当然这种方案仍然是同步的，也一样阻塞消息的发布。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 public static void publishMessageBatch () throws Exception Channel channel = RabbitMqUtils.getChannel(); String queueName = UUID.randomUUID().toString(); channel.queueDeclare(queueName, true , false , false , null ); channel.confirmSelect(); int batchSize = 100 ; int outstandingMessageCount = 0 ; long begin = System.currentTimeMillis(); for (int i = 0 ; i < MESSAGE_COUNT; i++) { String message = i + "" ; channel.basicPublish("" , queueName, null , message.getBytes()); outstandingMessageCount++; if (outstandingMessageCount == batchSize) { channel.waitForConfirms(); outstandingMessageCount = 0 ; } } if (outstandingMessageCount > 0 ) { channel.waitForConfirms(); } long end = System.currentTimeMillis(); System.out.println("发布" + MESSAGE_COUNT + "个批量确认消息,耗时" + (end - begin) + "ms" ); }
异步确认虽然编程逻辑比上两个要复杂，但是性价比最高，无论是可靠性还是效率都很高， 它是利用回调函数 来达到消息可靠性传递的，这个中间件也是通过函数回调来保证是否投递成功。
如何处理异步未确认消息？最好的解决方案就是把未确认的消息放到一个基于内存的能被发布线程访问的队列， 比如说用 ConcurrentLinkedQueue 这个队列在 confirm callbacks 与发布线程之间进行消息的传递。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 public static void publishMessageAsync () throws Exception try (Channel channel = RabbitMqUtils.getChannel()) { String queueName = UUID.randomUUID().toString(); channel.queueDeclare(queueName, false , false , false , null ); channel.confirmSelect(); ConcurrentSkipListMap<Long, String> outstandingConfirms = new ConcurrentSkipListMap<>(); ConfirmCallback ackCallback = (sequenceNumber, multiple) -> { if (multiple) { ConcurrentNavigableMap<Long, String> confirmed = outstandingConfirms.headMap(sequenceNumber, true ); confirmed.clear(); }else { outstandingConfirms.remove(sequenceNumber); } }; ConfirmCallback nackCallback = (sequenceNumber, multiple) -> { String message = outstandingConfirms.get(sequenceNumber); System.out.println("发布的消息" +message+"未被确认，序列号" +sequenceNumber); }; channel.addConfirmListener(ackCallback, null ); for (int i = 0 ; i < MESSAGE_COUNT; i++) { String message = "消息" + i; outstandingConfirms.put(channel.getNextPublishSeqNo(), message); channel.basicPublish("" , queueName, null , message.getBytes()); } } }
https://www.bilibili.com/video/BV1cb4y1o7zz?p=77
以上 3 种发布策略确认速度对比：
单独发布消息 ：同步等待确认，简单，但吞吐量非常有限批量发布消息 ：批量同步等待确认，简单，合理的吞吐量，一旦出现问题但很难推断出是哪条消息出现了问题异步处理 ：最佳性能和资源使用，在出现错误的情况下可以很好地控制，但是实现起来稍微难些
在生产环境中由于一些不明原因，导致 RabbitMQ 重启，在 RabbitMQ 重启期间生产者消息投递失败， 导致消息丢失，需要手动处理和恢复。于是，我们开始思考，如何才能进行 RabbitMQ 的消息可靠投递呢？
确认机制方案：
代码架构图：
在配置文件当中需要添加：
1 2 3 4 5 spring.rabbitmq.publisher-confirm-type =correlated spring.rabbitmq.publisher-returns =true
NONE 值是禁用发布确认模式，是默认值。CORRELATED 值是发布消息成功到交换器后会触发回调方法。SIMPLE 值经测试有两种效果，其一效果和 CORRELATED 值一样会触发回调方法，其二在发布消息成功后使用 rabbitTemplate 调用 waitForConfirms 或 waitForConfirmsOrDie 方法等待 broker 节点返回发送结果，根据返回结果来判定下一步的逻辑，要注意的点是 waitForConfirmsOrDie 方法如果返回 false 则会关闭 channel，则接下来无法发送消息到 broker。
添加配置类：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 @Configuration public class ConfirmConfig public static final String CONFIRM_EXCHANGE_NAME = "confirm.exchange" ; public static final String CONFIRM_QUEUE_NAME = "confirm.queue" ; @Bean("confirmExchange") public DirectExchange confirmExchange () return new DirectExchange(CONFIRM_EXCHANGE_NAME); } @Bean("confirmQueue") public Queue confirmQueue () return QueueBuilder.durable(CONFIRM_QUEUE_NAME).build(); } @Bean public Binding queueBinding (@Qualifier("confirmQueue") Queue queue, @Qualifier("confirmExchange") DirectExchange exchange) return BindingBuilder.bind(queue).to(exchange).with("key1" ); } }
消息生产者的回调接口
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 @Component @Slf4j public class MyCallBack implements RabbitTemplate .ConfirmCallback @Override public void confirm (CorrelationData correlationData, boolean ack, String cause) String id = correlationData != null ? correlationData.getId() : "" ; if (ack) { log.info("交换机已经收到 id 为:{}的消息" , id); } else { log.info("交换机还未收到 id 为:{}消息，原因:{}" , id, cause); } } }
消息生产者
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 @RestController @RequestMapping("/confirm") @Slf4j public class ProducerController public static final String CONFIRM_EXCHANGE_NAME = "confirm.exchange" ; @Autowired private RabbitTemplate rabbitTemplate; @Autowired private MyCallBack myCallBack; @PostConstruct public void init () rabbitTemplate.setConfirmCallback(myCallBack); } @GetMapping("sendMessage/{message}") public void sendMessage (@PathVariable String message) CorrelationData correlationData1 = new CorrelationData("1" ); String routingKey = "key1" ; rabbitTemplate.convertAndSend(CONFIRM_EXCHANGE_NAME, routingKey, message + routingKey, correlationData1); log.info(routingKey + "发送消息内容:{}" , message + routingKey); CorrelationData correlationData2 = new CorrelationData("2" ); routingKey = "key2" ; rabbitTemplate.convertAndSend(CONFIRM_EXCHANGE_NAME, routingKey, message + routingKey, correlationData2); log.info(routingKey + "发送消息内容:{}" , message + routingKey); } }
消息消费者
1 2 3 4 5 6 7 8 9 10 11 @Component @Slf4j public class ConfirmConsumer public static final String CONFIRM_QUEUE_NAME = "confirm.queue" ; @RabbitListener(queues = CONFIRM_QUEUE_NAME) public void receiveMsg (Message message) String msg = new String(message.getBody()); log.info("接受到队列 confirm.queue 消息:{}" , msg); } }
结果分析：
可以看到，发送了两条消息，第一条消息的 RoutingKey 为 “key1”，第二条消息的 RoutingKey 为 “key2”，两条消息都成功被交换机接收，也收到了交换机的确认回调，但消费者只收到了一条消息，因为第二条消息的 RoutingKey 与队列的 BindingKey 不一致，也没有其它队列能接收这个消息，所以第二条消息被直接丢弃了。丢弃的消息生产者是不知道的，需要解决告诉生产者消息传送失败。
在仅开启了生产者确认机制的情况下，交换机接收到消息后，会直接给消息生产者发送确认消息，如果发现该消息不可路由，那么消息会被直接丢弃，此时生产者是不知道消息被丢弃这个事件的 。
那么如何让无法被路由的消息帮我想办法处理一下？通过设置 mandatory 参数可以在当消息传递过程中不可达目的地时将消息返回给生产者，通知生产者消息发送失败，考虑重新发送。
1 2 3 4 5 rabbitTemplate.setMandatory(true );
同时需要在配置文件中开启消息回退功能：
1 2 spring.rabbitmq.publisher-returns =true
生产者代码：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 @Slf4j @Component public class MessageProducer implements RabbitTeplate .ConfirmCallback , RabbitTemplate .ReturnCallback @Autowired private RabbitTemplate rabbitTemplate; @PostConstruct private void init () rabbitTemplate.setConfirmCallback(this ); rabbitTemplate.setMandatory(true ); rabbitTemplate.setReturnCallback(this ); } @GetMapping("sendMessage") public void sendMessage (String message) CorrelationData correlationData1 = new CorrelationData(UUID.randomUUID().toString()); rabbitTemplate.convertAndSend("confirm.exchange" ,"key1" ,message+"key1" ,correlationData1); log.info("发送消息 id 为:{}内容为{}" ,correlationData1.getId(),message+"key1" ); CorrelationData correlationData2 = new CorrelationData(UUID.randomUUID().toString()); rabbitTemplate.convertAndSend("confirm.exchange" ,"key2" ,message+"key2" ,correlationData2); log.info("发送消息 id 为:{}内容为{}" ,correlationData2.getId(),message+"key2" ); } @Override public void confirm (CorrelationData correlationData, boolean ack, String cause) String id = correlationData != null ? correlationData.getId() : "" ; if (ack) { log.info("交换机收到消息确认成功, id:{}" , id); } else { log.error("消息 id:{}未成功投递到交换机,原因是:{}" , id, cause); } } @Override public void returnedMessage (Message message, int replyCode, String replyText, String exchange, String routingKey) log.info("消息:{}被服务器退回，退回原因:{}, 交换机是:{}, 路由 key:{}" , new String(message.getBody()),replyText, exchange, routingKey); } }
回调接口
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 @Component @Slf4j public class MyCallBack implements RabbitTemplate .ConfirmCallback ,RabbitTemplate .ReturnCallback @Override public void confirm (CorrelationData correlationData, boolean ack, String cause) String id=correlationData!=null ?correlationData.getId():"" ; if (ack){ log.info("交换机已经收到 id 为:{}的消息" ,id); }else { log.info("交换机还未收到 id 为:{}消息,由于原因:{}" ,id,cause); } } @Override public void returnedMessage (Message message, int replyCode, String replyText, String exchange, String routingKey) log.error(" 消 息 {}, 被 交 换 机 {} 退 回 ， 退 回 原 因 :{}, 路 由 key:{}" ,new String(message.getBody()),exchange,replyText,routingKey); } }
此时若交换机无法分发生产者发送的消息，则会调用 returnedMessage() 方法回退消息。
有了 mandatory 参数和回退消息，我们获得了对无法投递消息的感知能力，在生产者的消息无法被投递时发现并处理。但有时候，我们并不知道该如何处理这些无法路由的消息，最多打个日志，然后触发报警，再来手动处理。而通过日志来处理这些无法路由的消息是很不优雅的做法，特别是当生产者所在的服务有多台机器的时候，手动复制日志会更加麻烦而且容易出错。而且设置 mandatory 参数会增加生产者的复杂性，需要添加处理这些被退回的消息的逻辑。如果既不想丢失消息，又不想增加生产者的复杂性，该怎么做呢？
前面在设置死信队列的章节中，我们提到，可以为队列设置死信交换机来存储那些处理失败的消息，可是这些不可路由消息根本没有机会进入到队列，因此无法使用死信队列来保存消息。 在 RabbitMQ 中，有一种备份交换机 的机制存在，可以很好的应对这个问题。
备份交换机可以理解为 RabbitMQ 中交换机的 “备胎”，当我们为某一个交换机声明一个对应的备份交换机时，就是为它创建一个备胎，当交换机接收到一条不可路由消息时，将会把这条消息转发到备份交换机中，由备份交换机来进行转发和处理 ，通常备份交换机的类型为 Fanout ，这样就能把所有消息都投递到与其绑定的队列中，然后我们在备份交换机下绑定一个队列，这样所有那些原交换机无法被路由的消息，就会都进入这个队列了。我们还可以建立一个报警队列，用独立的消费者来进行监测和报警。
架构图：
在配置类中添加绑定备份交换机：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 @Configuration public class ConfirmConfig public static final String CONFIRM_EXCHANGE_NAME = "confirm.exchange" ; public static final String CONFIRM_QUEUE_NAME = "confirm.queue" ; public static final String BACKUP_EXCHANGE_NAME = "backup.exchange" ; public static final String BACKUP_QUEUE_NAME = "backup.queue" ; public static final String WARNING_QUEUE_NAME = "warning.queue" ; @Bean("confirmQueue") public Queue confirmQueue () return QueueBuilder.durable(CONFIRM_QUEUE_NAME).build(); } @Bean public Binding queueBinding (@Qualifier("confirmQueue") Queue queue, @Qualifier("confirmExchange") DirectExchange exchange) return BindingBuilder.bind(queue).to(exchange).with("key1" ); } @Bean("backupExchange") public FanoutExchange backupExchange () return new FanoutExchange(BACKUP_EXCHANGE_NAME); } @Bean("confirmExchange") public DirectExchange confirmExchange() { ExchangeBuilder exchangeBuilder = ExchangeBuilder.directExchange(CONFIRM_EXCHANGE_NAME) .durable(true ) .withArgument("alternate-exchange" , BACKUP_EXCHANGE_NAME); return (DirectExchange)exchangeBuilder.build(); } @Bean("warningQueue") public Queue warningQueue () return QueueBuilder.durable(WARNING_QUEUE_NAME).build(); } @Bean public Binding warningBinding (@Qualifier("warningQueue") Queue queue, @Qualifier("backupExchange") FanoutExchange backupExchange) return BindingBuilder.bind(queue).to(backupExchange); } @Bean("backQueue") public Queue backQueue () return QueueBuilder.durable(BACKUP_QUEUE_NAME).build(); } @Bean public Binding backupBinding (@Qualifier("backQueue") Queue queue, @Qualifier("backupExchange") FanoutExchange backupExchange) return BindingBuilder.bind(queue).to(backupExchange); } }
报警消费者：
1 2 3 4 5 6 7 8 9 10 @Component @Slf4j public class WarningConsumer public static final String WARNING_QUEUE_NAME = "warning.queue" ; @RabbitListener(queues = WARNING_QUEUE_NAME) public void receiveWarningMsg (Message message) String msg = new String(message.getBody()); log.error("报警发现不可路由消息：{}" , msg); } }
此时当交换机发现有无法处理的消息时就会转发给备份交换机，由其将消息转发给备份队列，令报警消费者监听该队列。
注意 ：当mandatory 参数与备份交换机可以一起使用的时候，如果两者同时开启，消息究竟何去何从？谁优先级高，答案是备份交换机优先级高 。
消费者完成一个任务可能需要一段时间，如果其中一个消费者处理一个长的任务并仅只完成了部分突然它挂掉了，会发生什么情况？
假设 RabbitMQ 一旦向消费者传递了一条消息，便立即将该消息标记为删除。在这种情况下，突然有个消费者挂掉了，我们将丢失正在处理的消息以及后续发送给该消费者的消息，因为它无法接收到。
为了保证消息在发送过程中不丢失，引入消息应答机制：消费者在接收到消息并且处理该消息之后，告诉 RabbitMQ 它已经处理完成了，RabbitMQ 服务器可以从队列中将该消息删除了。
消息发送后立即被认为已经传送成功，这种模式需要在高吞吐量和数据传输安全性方面做权衡 ，因为这种模式如果消息在接收到之前，消费者那边出现连接或者 Channel 关闭，那么消息就丢失了。当然另一方面这种模式消费者那边可以传递过载的消息，没有对传递的消息数量进行限制，当然这样有可能使得消费者这边由于接收太多还来不及处理的消息，导致这些消息的积压，使得内存耗尽，最终这些消费者线程被操作系统杀死，所以这种模式仅适用在消费者可以高效并以某种速率能够处理这些消息的情况下使用。
手动应答的好处是可以批量应答 并且减少网络拥堵 ，其分为以下三类：
Channel.basicAck (用于肯定确认)：RabbitMQ 已知道该消息成功被处理，可以将其丢弃了。Channel.basicNack (用于否定确认)Channel.basicReject (用于否定确认)：与 Channel.basicNack 相比少一个参数，不处理该消息了，直接拒绝，可以将其丢弃了。
Multiple 的解释：
true 代表批量应答 channel 上未应答的消息：比如说 channel 上有传送 tag 的消息 5、6、7、8， 当前 tag 是 8 那么此时 5-8 的这些还未应答的消息都会被确认收到消息应答。
false 同上面相比只会应答 tag=8 的消息， 5、6、7 这三个消息依然不会被确认收到消息应答。
消费者设置消息手动应答：
1 2 3 4 5 6 7 8 9 10 11 DeliverCallback deliverCallback = (consumerTag, delivery) -> { String message = new String(delivery.getBody()); System.out.println("接收到消息:" + message); channel.basicAck(delivery.getEnvelope().getDeliveryTag(), false ); }; channel.basicConsume(QUEUE_NAME, false , deliverCallback, cancelCallback);
如果消费者由于某些原因失去连接 (其通道已关闭，连接已关闭或 TCP 连接丢失)，导致消息未发送 ACK 确认，RabbitMQ 将了解到消息未完全处理，并将对其重新排队。如果此时其他消费者可以处理，它将很快将其重新分发给另一个消费者。这样，即使某个消费者偶尔死亡，也可以确保不会丢失任何消息。
测试消息重新入队：
正常情况下消息发送方发送两个消息，C1 和 C2 分别接收到消息并进行处理。
在发送者发送消息 dd，发出消息之后的把 C2 消费者停掉，按理说该 C2 来处理该消息，但是由于它处理时间较长，在还未处理完，也就是说 C2 还没有执行 ack 代码的时候，C2 被停掉了，此时会看到消息被 C1 接收到了，说明消息 dd 被重新入队，然后分配给能处理消息的 C1 处理了。
先从概念解释上搞清楚这个定义，死信，顾名思义就是无法被消费的消息，字面意思可以这样理解，一般来说，producer 将消息投递到 broker 或者直接到 queue 里了，consumer 从 queue 取出消息进行消费，但某些时候由于特定的原因导致 queue 中的某些消息无法被消费，这样的消息如果没有后续的处理，就变成了死信，有死信自然就有了死信队列。
应用场景：为了保证订单业务的消息数据不丢失，需要使用到 RabbitMQ 的死信队列机制，当消息消费发生异常时，将消息投入死信队列中。还有比如说：用户在商城下单成功并点击去支付后在指定时间未支付时自动失效。
消息 TTL 过期 ：TTL 是 Time To Live 的缩写，也就是生存时间（expiration），当生存时间到了该消息还未被消费，则成为死信。队列达到最大长度 ：若队列满了，无法再添加数据到队列中，那些无法加进去的消息成为死信。消息被拒绝 ：当消息被消费者拒绝(basicReject() 或 basicNack) 并且 requeue=false时成为死信。
情景：普通交换机 normal_exchange，使用 routingKey="zhangsan" 路由到普通队列 normal-queue，消费者 C1 将获取该队列里的消息。若某个消息成为了死信，则其将被路由到死信交换机 dead_exchange，该死信交换机将使用 routingKey="lisi" 路由到死信队列 dead-queue，消费者 C2 将获取死信队列里的消息进行处理。
分别分析三种死信情况下的代码：
消费者 C1 代码：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 public class Consumer01 private static final String NORMAL_EXCHANGE = "normal_exchange" ; private static final String DEAD_EXCHANGE = "dead_exchange" ; public static void main (String[] args) throws Exception Channel channel = RabbitMqUtils.getChannel(); channel.exchangeDeclare(NORMAL_EXCHANGE, BuiltinExchangeType.DIRECT); channel.exchangeDeclare(DEAD_EXCHANGE, BuiltinExchangeType.DIRECT); String deadQueue = "dead-queue" ; channel.queueDeclare(deadQueue, false , false , false , null ); channel.queueBind(deadQueue, DEAD_EXCHANGE, "lisi" ); Map<String, Object> params = new HashMap<>(); params.put("x-dead-letter-exchange" , DEAD_EXCHANGE); params.put("x-dead-letter-routing-key" , "lisi" ); String normalQueue = "normal-queue" ; channel.queueDeclare(normalQueue, false , false , false , params); channel.queueBind(normalQueue, NORMAL_EXCHANGE, "zhangsan" ); System.out.println("等待接收消息........... " ); DeliverCallback deliverCallback = (consumerTag, delivery) -> { String message = new String(delivery.getBody(), "UTF-8" ); System.out.println("Consumer01 接收到消息" + message); }; channel.basicConsume(normalQueue, true , deliverCallback, consumerTag -> { }); } }
生产者代码：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 public class Producer private static final String NORMAL_EXCHANGE = "normal_exchange" ; public static void main (String[] argv) throws Exception Channel channel = RabbitMqUtils.getChannel(); channel.exchangeDeclare(NORMAL_EXCHANGE, BuiltinExchangeType.DIRECT); AMQP.BasicProperties properties = new AMQP.BasicProperties().builder().expiration("10000" ).build(); for (int i = 1 ; i < 11 ; i++) { String message = "info" + i; channel.basicPublish(NORMAL_EXCHANGE, "zhangsan" , properties, message.getBytes()); System.out.println("生产者发送消息:" + message); } } }
启动 C1 ，之后关闭消费者，模拟其接收不到消息（这样消息就会过期），再启动生产者：
消费者 C2 代码：以上步骤完成后，启动 C2 消费者，它消费死信队列里面的消息：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 public class Consumer02 private static final String DEAD_EXCHANGE = "dead_exchange" ; public static void main (String[] args) throws Exception Channel channel = RabbitMqUtils.getChannel(); channel.exchangeDeclare(DEAD_EXCHANGE, BuiltinExchangeType.DIRECT); String deadQueue = "dead-queue" ; channel.queueDeclare(deadQueue, false , false , false , null ); channel.queueBind(deadQueue, DEAD_EXCHANGE, "lisi" ); System.out.println("等待接收死信消息........... " ); DeliverCallback deliverCallback = (consumerTag, delivery) -> { String message = new String(delivery.getBody(), "UTF-8" ); System.out.println("Consumer02 接收到消息" + message); }; channel.basicConsume(deadQueue, true , deliverCallback, consumerTag -> { }); } }
消息生产者代码去掉 TTL 属性：
C1 消费者修改以下代码 （启动之后关闭该消费者，模拟其接收不到消息）:
1 2 params.put("x-max-length" ,6 );
注意此时需要把原先队列删除，因为参数改变了。
C2 消费者代码不变 (启动 C2 消费者)：
消息生产者代码同上生产者一致。
C1 消费者代码 (启动之后关闭该消费者 模拟其接收不到消息) 拒收消息 “info5” ：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 public class Consumer01 private static final String NORMAL_EXCHANGE = "normal_exchange" ; private static final String DEAD_EXCHANGE = "dead_exchange" ; public static void main (String[] args) throws Exception Channel channel = RabbitMqUtils.getChannel(); channel.exchangeDeclare(NORMAL_EXCHANGE, BuiltinExchangeType.DIRECT); channel.exchangeDeclare(DEAD_EXCHANGE, BuiltinExchangeType.DIRECT); String deadQueue = "dead-queue" ; channel.queueDeclare(deadQueue, false , false , false , null ); channel.queueBind(deadQueue, DEAD_EXCHANGE, "lisi" ); Map<String, Object> params = new HashMap<>(); params.put("x-dead-letter-exchange" , DEAD_EXCHANGE); params.put("x-dead-letter-routing-key" , "lisi" ); String normalQueue = "normal-queue" ; channel.queueDeclare(normalQueue, false , false , false , params); channel.queueBind(normalQueue, NORMAL_EXCHANGE, "zhangsan" ); System.out.println("等待接收消息........... " ); DeliverCallback deliverCallback = (consumerTag, delivery) -> { String message = new String(delivery.getBody(), "UTF-8" ); if (message.equals("info5" )) { System.out.println("Consumer01 接收到消息" + message + "并拒绝签收该消息" ); channel.basicReject(delivery.getEnvelope().getDeliveryTag(), false ); } else { System.out.println("Consumer01 接收到消息" + message); channel.basicAck(delivery.getEnvelope().getDeliveryTag(), false ); } }; channel.basicConsume(normalQueue, false , deliverCallback, consumerTag -> { }); } }
C2 消费者代码不变：启动消费者 1 然后再启动消费者 2：
延时队列内部是有序的 ，最重要的特性就体现在它的延时属性上，延时队列中的元素是希望在指定时间到了以后或之前取出和处理，简单来说，延时队列就是用来存放需要在指定时间被处理的元素的队列。
使用延迟队列时，将需要延迟的消息放到延迟队列中（该队列设置到期时间），同时不指定任何消费者监听该队列，这样该队列内的消息在到达到期时间后就会进入死信队列。此时再指定相应的消费者监听死信队列，从中获取延迟的消息进行消费（例如取消订单等）
延迟队列使用场景：
订单在十分钟之内未支付则自动取消；
新创建的店铺，如果在十天内都没有上传过商品，则自动发送消息提醒；
用户注册成功后，如果三天内没有登陆则进行短信提醒；
用户发起退款，如果三天内没有得到处理则通知相关运营人员；
预定会议后，需要在预定的时间点前十分钟通知各个与会人员参加会议。
这些场景都有一个特点，需要在某个事件发生之后或者之前的指定时间点完成某一项任务，如：发生订单生成事件，在十分钟之后检查该订单支付状态，然后将未支付的订单进行关闭。那我们一直轮询数据，每秒查一次，取出需要被处理的数据，然后处理不就完事了吗？
如果数据量比较少，确实可以这样做，比如：对于 “如果账单一周内未支付则进行自动结算” 这样的需求， 如果对于时间不是严格限制，而是宽松意义上的一周，那么每天晚上跑个定时任务检查一下所有未支付的账单，确实也是一个可行的方案。
但对于数据量比较大，并且时效性较强的场景，如：“订单十分钟内未支付则关闭 “，短期内未支付的订单数据可能会有很多，活动期间甚至会达到百万甚至千万级别，对这么庞大的数据量仍旧使用轮询的方式显然是不可取的，很可能在一秒内无法完成所有订单的检查，同时会给数据库带来很大压力，无法满足业务要求而且性能低下。
TTL 是 RabbitMQ 中一个消息或者队列的属性，表明一条消息或者该队列中的所有消息的最大存活时间，单位是毫秒。
换句话说，如果一条消息设置了 TTL 属性或者进入了设置 TTL 属性的队列，那么这条消息如果在 TTL 设置的时间内没有被消费，则会成为“死信” 。如果同时配置了队列的 TTL 和消息的 TTL，那么较小的那个值将会被使用，有两种方式设置 TTL。
队列设置 TTL ：在创建队列的时候设置队列的 “x-message-ttl” 属性
两者的区别 ：
如果设置了队列的 TTL 属性，那么一旦消息过期，就会被队列丢弃 （如果配置了死信队列被丢到死信队列中），而第二种方式，消息即使过期，也不一定会被马上丢弃，因为消息是否过期是在即将投递到消费者之前判定的，如果当前队列有严重的消息积压情况，则已过期的消息也许还能存活较长时间。
另外，还需要注意的一点是，如果不设置 TTL，表示消息永远不会过期，如果将 TTL 设置为 0，则表示除非此时可以直接投递该消息到消费者，否则该消息将会被丢弃。
下面介绍在 Spring Boot 中使用延迟队列的示例
导入依赖
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 <dependencies > <dependency > <groupId > org.springframework.boot</groupId > <artifactId > spring-boot-starter</artifactId > </dependency > <dependency > <groupId > org.springframework.boot</groupId > <artifactId > spring-boot-starter-amqp</artifactId > </dependency > <dependency > <groupId > org.springframework.boot</groupId > <artifactId > spring-boot-starter-web</artifactId > </dependency > <dependency > <groupId > org.springframework.boot</groupId > <artifactId > spring-boot-starter-test</artifactId > <scope > test</scope > </dependency > <dependency > <groupId > com.alibaba</groupId > <artifactId > fastjson</artifactId > <version > 1.2.47</version > </dependency > <dependency > <groupId > org.projectlombok</groupId > <artifactId > lombok</artifactId > </dependency > <dependency > <groupId > io.springfox</groupId > <artifactId > springfox-swagger2</artifactId > <version > 3.0.0</version > </dependency > <dependency > <groupId > io.springfox</groupId > <artifactId > springfox-swagger-ui</artifactId > <version > 3.0.0</version > </dependency > <dependency > <groupId > org.springframework.amqp</groupId > <artifactId > spring-rabbit-test</artifactId > <scope > test</scope > </dependency > </dependencies >
配置文件：
1 2 3 4 spring.rabbitmq.host =42.192.149.71 spring.rabbitmq.port =5672 spring.rabbitmq.username =admin spring.rabbitmq.password =123456
添加 Swagger 配置类：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 package com.zhao.config;import org.springframework.context.annotation.Bean;import org.springframework.context.annotation.Configuration;import springfox.documentation.builders.ApiInfoBuilder;import springfox.documentation.service.ApiInfo;import springfox.documentation.service.Contact;import springfox.documentation.spi.DocumentationType;import springfox.documentation.spring.web.plugins.Docket;import springfox.documentation.swagger2.annotations.EnableSwagger2;@Configuration @EnableSwagger2 public class SwaggerConfig @Bean public Docket webApiConfig () return new Docket(DocumentationType.SWAGGER_2) .groupName("webApi" ) .apiInfo(webApiInfo()) .select() .build(); } private ApiInfo webApiInfo () return new ApiInfoBuilder() .title("rabbitmq 接口文档" ) .description("本文档描述了 rabbitmq 微服务接口定义" ) .version("1.0" ) .contact(new Contact("zhiyuan" , "http://oddfar.com" , "test@qq.com" )) .build(); } }
创建两个队列 QA 和 QB，两者队列 TTL 分别设置为 10S 和 40S，然后在创建一个交换机 X 和死信交换机 Y，它们的类型都是 direct，创建一个死信队列 QD，它们的绑定关系如下：
创建 @Configuration 配置类，在其内声明队列和交换机并进行绑定：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 package com.zhao.config;import org.springframework.amqp.core.*;import org.springframework.beans.factory.annotation.Qualifier;import org.springframework.context.annotation.Bean;import org.springframework.context.annotation.Configuration;import java.util.HashMap;import java.util.Map;@Configuration public class TtlQueueConfig public static final String X_EXCHANGE = "X" ; public static final String QUEUE_A = "QA" ; public static final String QUEUE_B = "QB" ; public static final String Y_DEAD_LETTER_EXCHANGE = "Y" ; public static final String DEAD_LETTER_QUEUE = "QD" ; @Bean("xExchange") public DirectExchange xExchange () return new DirectExchange(X_EXCHANGE); } @Bean("yExchange") public DirectExchange yExchange () return new DirectExchange(Y_DEAD_LETTER_EXCHANGE); } @Bean("queueA") public Queue queueA () Map<String, Object> args = new HashMap<>(3 ); args.put("x-dead-letter-exchange" , Y_DEAD_LETTER_EXCHANGE); args.put("x-dead-letter-routing-key" , "YD" ); args.put("x-message-ttl" , 10000 ); return QueueBuilder.durable(QUEUE_A).withArguments(args).build(); } @Bean public Binding queueaBindingX (@Qualifier("queueA") Queue queueA, @Qualifier("xExchange") DirectExchange xExchange) return BindingBuilder.bind(queueA).to(xExchange).with("XA" ); } @Bean("queueB") public Queue queueB () Map<String, Object> args = new HashMap<>(3 ); args.put("x-dead-letter-exchange" , Y_DEAD_LETTER_EXCHANGE); args.put("x-dead-letter-routing-key" , "YD" ); args.put("x-message-ttl" , 40000 ); return QueueBuilder.durable(QUEUE_B).withArguments(args).build(); } @Bean public Binding queuebBindingX (@Qualifier("queueB") Queue queue1B, @Qualifier("xExchange") DirectExchange xExchange) return BindingBuilder.bind(queue1B).to(xExchange).with("XB" ); } @Bean("queueD") public Queue queueD () return new Queue(DEAD_LETTER_QUEUE); } @Bean public Binding deadLetterBindingQAD (@Qualifier("queueD") Queue queueD, @Qualifier("yExchange") DirectExchange yExchange) return BindingBuilder.bind(queueD).to(yExchange).with("YD" ); } }
消息生产者代码：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 package com.zhao.contorller;import lombok.extern.slf4j.Slf4j;import org.springframework.amqp.rabbit.core.RabbitTemplate;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.stereotype.Controller;import org.springframework.web.bind.annotation.GetMapping;import org.springframework.web.bind.annotation.PathVariable;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;import java.util.Date;@Slf4j @RequestMapping("ttl") @RestController public class SendMsgController @Autowired private RabbitTemplate rabbitTemplate; @GetMapping("sendMsg/{message}") public void sendMsg (@PathVariable String message) log.info("当前时间：{},发送一条信息给两个 TTL 队列:{}" , new Date(), message); rabbitTemplate.convertAndSend("X" , "XA" , "消息来自 ttl 为 10S 的队列: " + message); rabbitTemplate.convertAndSend("X" , "XB" , "消息来自 ttl 为 40S 的队列: " + message); } }
消息消费者代码：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 package com.oddfar.contorller;import lombok.extern.slf4j.Slf4j;import org.springframework.amqp.rabbit.core.RabbitTemplate;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.web.bind.annotation.GetMapping;import org.springframework.web.bind.annotation.PathVariable;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;import java.util.Date;@Slf4j @Component public class DeadLetterQueueConsumer @RabbitListener(queues = "QD") public void receiveD (Message message, Channel channel) throws IOException String msg = new String(message.getBody()); log.info("当前时间：{},收到死信队列信息{}" , new Date().toString(), msg); } }
测试：发起一个请求 http://localhost:8080/ttl/sendMsg/嘻嘻嘻
第一条消息在 10S 后变成了死信消息，然后被消费者消费掉，第二条消息在 40S 之后变成了死信消息， 然后被消费掉，这样一个延时队列就打造完成了。
不过，如果这样使用的话，岂不是每增加一个新的时间需求，就要新增一个队列，这里只有 10S 和 40S 两个时间选项，如果需要一个小时后处理，那么就需要增加 TTL 为一个小时的队列，如果是预定会议室然后提前通知这样的场景，岂不是要增加无数个队列才能满足需求？
在这里新增了一个队列 QC，绑定关系如下，该队列不设置 TTL 时间
配置文件类代码：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 @Configuration public class MsgTtlQueueConfig public static final String Y_DEAD_LETTER_EXCHANGE = "Y" ; public static final String QUEUE_C = "QC" ; @Bean("queueC") public Queue queueB () Map<String, Object> args = new HashMap<>(3 ); args.put("x-dead-letter-exchange" , Y_DEAD_LETTER_EXCHANGE); args.put("x-dead-letter-routing-key" , "YD" ); return QueueBuilder.durable(QUEUE_C).withArguments(args).build(); } @Bean public Binding queuecBindingX (@Qualifier("queueC") Queue queueC, @Qualifier("xExchange") DirectExchange xExchange) return BindingBuilder.bind(queueC).to(xExchange).with("XC" ); } }
生产者代码：
1 2 3 4 5 6 7 8 9 10 11 12 13 @GetMapping("sendExpirationMsg/{message}/{ttlTime}") public void sendMsg (@PathVariable String message, @PathVariable String ttlTime) rabbitTemplate.convertAndSend("X" , "XC" , message, correlationData -> { correlationData.getMessageProperties().setExpiration(ttlTime); return correlationData; }); log.info("当前时间：{},发送一条时长{}毫秒 TTL 信息给队列 C:{}" , new Date(), ttlTime, message); }
发起请求：
http://localhost:8080/ttl/sendExpirationMsg/你好1/20000http://localhost:8080/ttl/sendExpirationMsg/你好2/2000
看起来似乎没什么问题，但是在最开始的时候，就介绍过如果使用在消息属性上设置 TTL 的方式，消息可能并不会按时 “死亡”。
因为 RabbitMQ 只会检查第一个消息是否过期，如果过期则丢到死信队列， 如果第一个消息的延时时长很长，而第二个消息的延时时长很短，第二个消息并不会优先得到执行。这也就是为什么第二个延时 2 秒，却后执行。
为解决该问题，需要安装 RabbitMQ 的一个插件 rabbitmq_delayed_message_exchange
从官网 rabbitmq_delayed_message_exchange 插件，然后解压放置到 RabbitMQ 的插件目录。 进入 RabbitMQ 的安装目录下的 plugins 目录，执行下面命令让该插件生效，然后重启 RabbitMQ /usr/lib/rabbitmq/lib/rabbitmq_server-3.8.8/plugins
1 $ rabbitmq-plugins enable rabbitmq_delayed_message_exchange
此时即可创建 x-delayed-message 类型的交换机，可创建自定义的交换机类型 CustomExchange ，并指定该交换机的转发类型为 x-delayed-message。
修改配置类：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 @Configuration public class DelayedQueueConfig public static final String DELAYED_QUEUE_NAME = "delayed.queue" ; public static final String DELAYED_EXCHANGE_NAME = "delayed.exchange" ; public static final String DELAYED_ROUTING_KEY = "delayed.routingkey" ; @Bean public Queue delayedQueue () return new Queue(DELAYED_QUEUE_NAME); } @Bean public CustomExchange delayedExchange () Map<String, Object> args = new HashMap<>(); args.put("x-delayed-type" , "direct" ); return new CustomExchange(DELAYED_EXCHANGE_NAME, "x-delayed-message" , true , false , args); } @Bean public Binding bindingDelayedQueue (@Qualifier("delayedQueue") Queue queue, @Qualifier("delayedExchange") CustomExchange delayedExchange) return BindingBuilder.bind(queue).to(delayedExchange).with(DELAYED_ROUTING_KEY).noargs(); } }
消息生产者，在发送消息时需要给消息带上属性setDelay(delayTime)
1 2 3 4 5 6 7 8 9 10 public static final String DELAYED_EXCHANGE_NAME = "delayed.exchange" ;public static final String DELAYED_ROUTING_KEY = "delayed.routingkey" ;@GetMapping("sendDelayMsg/{message}/{delayTime}") public void sendMsg (@PathVariable String message,@PathVariable Integer delayTime) rabbitTemplate.convertAndSend(DELAYED_EXCHANGE_NAME, DELAYED_ROUTING_KEY, message, correlationData -> { correlationData.getMessageProperties().setDelay(delayTime); return correlationData }); log.info(" 当 前 时 间 ： {}, 发 送 一 条 延 迟 {} 毫秒的信息给队列 delayed.queue:{}" , new Date(), delayTime, message); }
消息消费者
1 2 3 4 5 6 public static final String DELAYED_QUEUE_NAME = "delayed.queue" ;@RabbitListener(queues = DELAYED_QUEUE_NAME) public void receiveDelayedQueue (Message message) String msg = new String(message.getBody()); log.info("当前时间：{},收到延时队列的消息：{}" , new Date().toString(), msg); }
发起请求：
http://localhost:8080/ttl/sendDelayMsg/come on baby1/20000http://localhost:8080/ttl/sendDelayMsg/come on baby2/2000
第二个消息被先消费掉了，符合预期
延时队列在需要延时处理的场景下非常有用，使用 RabbitMQ 来实现延时队列可以很好的利用 RabbitMQ 的特性，如：消息可靠发送、消息可靠投递、死信队列来保障消息至少被消费一次以及未被正 确处理的消息不会被丢弃。另外，通过 RabbitMQ 集群的特性，可以很好的解决单点故障问题，不会因为 单个节点挂掉导致延时队列不可用或者消息丢失。
当然，延时队列还有很多其它选择，比如利用 Java 的 DelayQueue，利用 Redis 的 zset，利用 Quartz 或者利用 kafka 的时间轮，这些方式各有特点,看需要适用的场景
在我们系统中有一个订单催付的场景，我们的客户在天猫下的订单，淘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，很简单的一个功能对吧。
但是，天猫商家对我们来说，肯定是要分大客户和小客户的对吧，比如像苹果、小米这样大商家一年起码能给我们创造很大的利润，所以理应当然，他们的订单必须得到优先处理，而曾经我们的后端系统是使用 redis 来存放的定时轮询，大家都知道 redis 只能用 List 做一个简简单单的消息队列，并不能实现一个优先级的场景，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给一个相对比较高的优先级， 否则就是默认优先级。
控制台页面添加一个队列，给该队列设置最大优先级：
队列中代码添加优先级
1 2 3 Map<String, Object> params = new HashMap(); params.put("x-max-priority" , 10 ); channel.queueDeclare("hello" , true , false , false , params);
消息中代码添加优先级
1 AMQP.BasicProperties properties = new AMQP.BasicProperties().builder().priority(10 ).build();
注意事项 ：要让队列实现优先级需要做的事情有：
队列需要设置为优先级队列
消息需要设置消息的优先级
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。
生产者：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 public class PriorityProducer private static final String QUEUE_NAME = "hello" ; public static void main (String[] args) throws Exception Channel channel = RabbitMqUtils.getChannel(); AMQP.BasicProperties properties = new AMQP.BasicProperties().builder().priority(10 ).build(); 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("发送消息完成:" + message); } } }
消费者：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 public class PriorityConsumer private final static String QUEUE_NAME = "hello" ; public static void main (String[] args) throws Exception Channel channel = RabbitMqUtils.getChannel(); Map<String, Object> params = new HashMap(); params.put("x-max-priority" , 10 ); channel.queueDeclare(QUEUE_NAME, true , false , false , params); DeliverCallback deliverCallback = (consumerTag, delivery) -> { String message = new String(delivery.getBody()); System.out.println(message); }; CancelCallback cancelCallback = (consumerTag) -> { System.out.println("消息消费被中断" ); }; channel.basicConsume(QUEUE_NAME, true , deliverCallback, cancelCallback); } }
测试：
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。
惰性队列会将消息存储到硬盘中，只在内存中保存每条消息在硬盘中的索引，这样就不会消耗大量的内存资源。队列的持久化是指消息数据既保存在硬盘里又保存在内存中。
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。
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：
1 2 3 Map<String, Object> args = new HashMap<String, Object>(); args.put("x-queue-mode" , "lazy" ); channel.queueDeclare("myqueue" , false , false , false , args);
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。
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。 举个最简单的例子，那就是支付，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。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，但是再响应客户端的时候也有可能出现网络中断或者异常等等.
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。
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 ，订单消费者消费 MQ 中的消息也可利用 MQ 的该 id 来判断，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。
在海量订单生成的业务高峰期，生产端有可能就会重复发生了消息，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，用数据库主键去重；
利用 redis 的原子性去实现。
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，但也不是我们最推荐的方式。
利用 redis 执行 setnx 命令，天然具有幂等性，从而实现不重复消费
集群部署详细配置见RabbitMQ文档
Federation Exchange 见RabbitMQ文档
Federation 具备的数据转发功能类似，Shovel 够可靠、持续地从一个 Broker 中的队列(作为源端，即 source)拉取数据并转发至另一个 Broker 中的交换器(作为目的端，即 destination)。作为源端的队列和作为 目的端的交换器可以同时位于同一个 Broker，也可以位于不同的 Broker 上。Shovel 可以翻译为"铲子"，是 一种比较形象的比喻，这个"铲子"可以将消息从一方"铲子"另一方。Shovel 行为就像优秀的客户端应用程 序能够负责连接源和目的地、负责消息的读写及负责连接失败问题的处理。
开启插件(需要的机器都开启)
rabbitmq-plugins enable rabbitmq_shovelrabbitmq-plugins enable rabbitmq_shovel_management
原理图(在源头发送的消息直接回进入到目的地队列)
添加 shovel 源和目的地
