解决mq消息丢失问题
前言
今天我们来聊聊一个让很多开发者头疼的话题——mq消息丢失问题
有些小伙伴在工作中,一提到消息队列就觉得很简单,但真正遇到线上消息丢失时,排查起来却让人抓狂
其实,我在实际工作中,也遇到过mq消息丢失的情况
今天这篇文章,专门跟大家一起聊聊这个话题,希望对你会有所帮助
消息丢失的三大环节
在深入解决方案之前,我们先搞清楚消息在哪几个环节可能丢失:

1、 生产者发送阶段
- 网络抖动导致发送失败
- 生产者宕机未发送
- broker处理失败未返回确认
2、broker存储阶段
- 内存消息未持久化,重启丢失
- 磁盘故障导致数据丢失
- 集群切换时消息丢失
3、消费者处理阶段
- 自动确认模式下处理异常
- 消费者宕机处理中断
- 手动确认但忘记确认
理解了问题根源,接下来我们看5种实用的解决方案
方案一:生产者确认机制
1、核心原理
生产者发送消息后等待broker确认,确保消息成功到达
这是防止消息丢失的第一道防线

2、关键实现
// rabbitmq生产者确认配置
@bean
public rabbittemplate rabbittemplate() {
rabbittemplate template = new rabbittemplate(connectionfactory);
template.setconfirmcallback((correlationdata, ack, cause) -> {
if (ack) {
// 消息成功到达broker
messagestatusservice.markconfirmed(correlationdata.getid());
} else {
// 发送失败,触发重试
retryservice.scheduleretry(correlationdata.getid());
}
});
return template;
}
// 可靠发送方法
public void sendreliable(string exchange, string routingkey, object message) {
string messageid = generateid();
// 先落库保存发送状态
messagestatusservice.savesendingstatus(messageid, message);
// 发送持久化消息
rabbittemplate.convertandsend(exchange, routingkey, message, msg -> {
msg.getmessageproperties().setdeliverymode(messagedeliverymode.persistent);
msg.getmessageproperties().setmessageid(messageid);
return msg;
}, new correlationdata(messageid));
}
3、适用场景
- 对消息可靠性要求高的业务
- 金融交易、订单处理等关键业务
- 需要精确知道消息发送结果的场景
方案二:消息持久化机制
1、核心原理
将消息保存到磁盘,确保broker重启后消息不丢失
这是防止broker端消息丢失的关键

2、关键实现
// 持久化队列配置
@bean
public queue orderqueue() {
return queuebuilder.durable("order.queue") // 队列持久化
.deadletterexchange("order.dlx") // 死信交换机
.build();
}
// 发送持久化消息
public void sendpersistentmessage(object message) {
rabbittemplate.convertandsend("order.exchange", "order.create", message, msg -> {
msg.getmessageproperties().setdeliverymode(messagedeliverymode.persistent); // 消息持久化
return msg;
});
}
// kafka持久化配置
@bean
public producerfactory<string, object> producerfactory() {
map<string, object> props = new hashmap<>();
props.put(producerconfig.acks_config, "all"); // 所有副本确认
props.put(producerconfig.retries_config, 3); // 重试次数
props.put(producerconfig.enable_idempotence_config, true); // 幂等性
returnnew defaultkafkaproducerfactory<>(props);
}
3、优缺点
优点:
- 有效防止broker重启导致的消息丢失
- 配置简单,效果明显
缺点:
- 磁盘io影响性能
- 需要足够的磁盘空间
方案三:消费者确认机制
1、核心原理
消费者处理完消息后手动向broker发送确认,broker收到确认后才删除消息
这是保证消息不丢失的最后一道防线

2、关键实现
// 手动确认消费者
@rabbitlistener(queues = "order.queue")
public void handlemessage(order order, message message, channel channel) {
long deliverytag = message.getmessageproperties().getdeliverytag();
try {
// 业务处理
orderservice.processorder(order);
// 手动确认
channel.basicack(deliverytag, false);
log.info("消息处理完成: {}", order.getorderid());
} catch (exception e) {
log.error("消息处理失败: {}", order.getorderid(), e);
// 处理失败,重新入队
channel.basicnack(deliverytag, false, true);
}
}
// 消费者容器配置
@bean
public simplerabbitlistenercontainerfactory containerfactory() {
simplerabbitlistenercontainerfactory factory = new simplerabbitlistenercontainerfactory();
factory.setacknowledgemode(acknowledgemode.manual); // 手动确认
factory.setprefetchcount(10); // 预取数量
factory.setconcurrentconsumers(3); // 并发消费者
return factory;
}
3、注意事项
- 确保业务处理完成后再确认
- 合理设置预取数量,避免内存溢出
- 处理异常时要正确使用nack
方案四:事务消息机制
1、核心原理
通过事务保证本地业务操作和消息发送的原子性,要么都成功,要么都失败

2、关键实现
// 本地事务表方案
@transactional
public void createorder(order order) {
// 1. 保存订单到数据库
orderrepository.save(order);
// 2. 保存消息到本地消息表
localmessage localmessage = new localmessage();
localmessage.setbusinessid(order.getorderid());
localmessage.setcontent(json.tojsonstring(order));
localmessage.setstatus(messagestatus.pending);
localmessagerepository.save(localmessage);
// 3. 事务提交,本地业务和消息存储保持一致性
}
// 定时任务扫描并发送消息
@scheduled(fixeddelay = 5000)
public void sendpendingmessages() {
list<localmessage> pendingmessages = localmessagerepository.findbystatus(messagestatus.pending);
for (localmessage message : pendingmessages) {
try {
// 发送消息到mq
rabbittemplate.convertandsend("order.exchange", "order.create", message.getcontent());
// 更新消息状态为已发送
message.setstatus(messagestatus.sent);
localmessagerepository.save(message);
} catch (exception e) {
log.error("发送消息失败: {}", message.getid(), e);
}
}
}
// rocketmq事务消息
public void sendtransactionmessage(order order) {
transactionmqproducer producer = new transactionmqproducer("order_producer");
// 发送事务消息
message msg = new message("order_topic", "create", json.tojsonbytes(order));
transactionsendresult result = producer.sendmessageintransaction(msg, null);
if (result.getlocaltransactionstate() == localtransactionstate.commit_message) {
log.info("事务消息提交成功");
}
}
3、适用场景
- 需要严格保证业务和消息一致性的场景
- 分布式事务场景
- 金融、电商等对数据一致性要求高的业务
方案五:消息重试与死信队列
1、核心原理
通过重试机制处理临时故障,通过死信队列处理最终无法消费的消息

2、关键实现
// 重试队列配置
@bean
public queue orderqueue() {
return queuebuilder.durable("order.queue")
.withargument("x-dead-letter-exchange", "order.dlx") // 死信交换机
.withargument("x-dead-letter-routing-key", "order.dead")
.withargument("x-message-ttl", 60000) // 60秒后进入死信
.build();
}
// 死信队列配置
@bean
public queue orderdeadletterqueue() {
return queuebuilder.durable("order.dead.queue").build();
}
// 消费者重试逻辑
@rabbitlistener(queues = "order.queue")
public void handlemessagewithretry(order order, message message, channel channel) {
long deliverytag = message.getmessageproperties().getdeliverytag();
try {
orderservice.processorder(order);
channel.basicack(deliverytag, false);
} catch (temporaryexception e) {
// 临时异常,重新入队重试
channel.basicnack(deliverytag, false, true);
} catch (permanentexception e) {
// 永久异常,直接确认进入死信队列
channel.basicack(deliverytag, false);
log.error("消息进入死信队列: {}", order.getorderid(), e);
}
}
// 死信队列消费者
@rabbitlistener(queues = "order.dead.queue")
public void handledeadlettermessage(order order) {
log.warn("处理死信消息: {}", order.getorderid());
// 发送告警、记录日志、人工处理等
alertservice.sendalert("死信消息告警", order.tostring());
}
3、重试策略建议
- 指数退避:1s, 5s, 15s, 30s
- 最大重试次数:3-5次
- 死信处理:人工介入或特殊处理流程
方案对比与选型指南
为了帮助大家选择合适的方案,我整理了详细的对比表:
| 方案 | 可靠性 | 性能影响 | 复杂度 | 适用场景 |
|---|---|---|---|---|
| 生产者确认 | 高 | 中 | 低 | 所有需要可靠发送的场景 |
| 消息持久化 | 中 | 中 | 低 | broker重启保护 |
| 消费者确认 | 高 | 低 | 中 | 确保消息被成功处理 |
| 事务消息 | 最高 | 高 | 高 | 强一致性要求的业务 |
| 重试+死信 | 高 | 低 | 中 | 处理临时故障和最终死信 |
1、选型建议
初创项目/简单业务:
- 生产者确认 + 消息持久化 + 消费者确认
- 满足大部分场景,实现简单
电商/交易系统:
- 生产者确认 + 事务消息 + 重试机制
- 保证数据一致性,处理复杂业务
大数据/日志处理:
- 消息持久化 + 消费者确认
- 允许少量丢失,追求吞吐量
金融/支付系统:
- 全方案组合使用
- 最高可靠性要求
总结
消息丢失问题是消息队列使用中的常见挑战,通过今天介绍的5种方案,我们可以构建一个可靠的消息系统:
- 生产者确认机制 - 保证消息成功发送到broker
- 消息持久化机制 - 防止broker重启导致消息丢失
- 消费者确认机制 - 确保消息被成功处理
- 事务消息机制 - 保证业务和消息的一致性
- 重试与死信队列 - 处理异常情况和最终死信
有些小伙伴可能会问:“我需要全部使用这些方案吗?”
我的建议是:根据业务需求选择合适的组合
对于关键业务,建议至少使用前三种方案;对于普通业务,可以根据实际情况适当简化
记住,没有完美的方案,只有最适合的方案
以上为个人经验,希望能给大家一个参考,也希望大家多多支持代码网。
发表评论