面试官竟然问我消息队列为啥会丢失消息（幸亏我总结了全套八股文） java

一个挺着啤酒肚，身穿格子衫，发际线严重后移的中年男子，手拿着保温杯，胳膊夹着MacBook向你走来，看样子是架构师级别。

面试开始，直入正题。
面试官：我看到你的简历上写着项目中用到了消息队列，还用的是kafka，你有遇到过消息队列丢失消息的情况吗？
我： [疑问] 消息队列还能丢失消息？那谁还用消息队列！你是不是搞错了？我没遇到过丢失消息的情况，也没考虑过这个问题。
面试官：嗯...，小伙子，看来有些面试套路，你还是不太懂。今天面试就先到这里吧！给你的简历，我送你下楼。

我去！面试还有啥套路？
能不能少一点套路，多一点真诚！
难道都要去背一遍八股文才能参加面试？
好吧，我去瞅一眼一灯总结的面试八股文。

我：消息队列发送消息和消费消息的过程，共分为三段，生产过程、服务端持久化过程、消费过程，如下图所示。

文章图片

这三个过程都有可能弄丢消息。
面试官：嗯，消息丢失的具体原因是什么？怎么防止丢失消息呢？
我：我详细说一下这种情况：
一、生产过程丢失消息丢失原因：一般可能是网络故障，导致消息没有发送出去。
解决方案：重发就行了。
由于kafka为了提高性能，采用了异步发送消息。我们只有获取到发送结果，才能确保消息发送成功。
有两个方案可以获取发送结果。
【面试官竟然问我消息队列为啥会丢失消息（幸亏我总结了全套八股文）】一种是kafka把发送结果封装在Future对象中，我可以使用Future的get方法同步阻塞获取结果。

Future future = producer.send(new ProducerRecord<>(topic, message)); try { RecordMetadata recordMetadata = https://www.it610.com/article/future.get(); if (recordMetadata != null) { System.out.println("发送成功"); } } catch (Exception e) { e.printStackTrace(); }

另一种是使用kafka的callback函数获取返回结果。

producer.send(new ProducerRecord<>(topic, message), new Callback() { @Override public void onCompletion(RecordMetadata metadata, Exception exception) { if (exception == null) { System.out.println("发送成功"); } else { System.out.println("发送失败"); } } });

如果发送失败了，有两种重试方案：

手动重试
在catch逻辑或else逻辑中，再调用一次send方法。如果还不成功怎么办？
在数据库中建一张异常消息表，把失败消息存入表中，然后搞个异步任务重试，便于控制重试次数和间隔时间。
自动重试
kafka支持自动重试，设置参数如下，当集群Leader选举中或者Follower数量不足等原因返回失败时，就可以自动重试。

# 设置重试次数为3 retries = 3 # 设置重试间隔为100ms retry.backoff.ms = 100

一般我们不会用kafka自动重试，因为超过重试次数，还是会返回失败，还需要我们手动重试。

二、服务端持久化过程丢失消息为了保证性能，kafka采用的是异步刷盘，当我们发送消息成功后，Broker节点在刷盘之前宕机了，就会导致消息丢失。
当然我们也可以设置刷盘频率：

# 设置每1000条消息刷一次盘 flush.messages = 1000 # 设置每秒刷一次盘 flush.ms = 1000

先普及一下kafka集群的架构模型：
kafka集群由多个broker组成，一个broker就是一个节点（机器）。
一个topic有多个partition（分区），每个partition分布在不同的broker上面，可以充分利用分布式机器性能，扩容时只需要加机器、加partition就行了。

文章图片

一个partition又有多个replica（副本），有一个leader replica（主副本）和多个follower replica（从副本），这样设计是为了保证数据的安全性。
发送消息和消费消息都在leader上面，follower负责定时从leader上面拉取消息，只有follower从leader上面把这条消息拉取回来，才算生产者发送消息成功。
kafka为了加快持久化消息的性能，把性能较好的follower组成一个ISR列表（in-sync replica），把性能较差的follower组成一个OSR列表（out-of-sync replica），ISR+OSR=AR（assigned repllicas）。
如果某个follower一段时间没有向leader拉取消息，落后leader太多，就把它移出ISR，放到OSR之中。
如果某个follower追上了leader，又会把它重新放到ISR之中。
如果leader挂掉，就会从ISR之中选一个follower做leader。

文章图片

为了提升持久化消息性能，我们可以进行一些设置：

# 如果follower超过一秒没有向leader拉取消息，就把它移出ISR列表 rerplica.lag.time.max.ms = 1000 # 如果follower落后leader一千条消息，就把它移出ISR列表 rerplica.lag.max.messages = 1000# 至少保证ISR中有3个follower min.insync.replicas = 3# 异步消息，不需要leader确认，立即给生产者返回发送成功，丢失消息概率较大 asks = 0 # leader把消息写入本地日志中，不会等所有follower确认，就给生产者返回发送成功，小概率丢失消息 asks = 1 # leader需要所有ISR中follower确认，才给生产者返回发送成功，不会丢失消息 asks = -1 或者 asks = all

三、消费过程丢失消息 kafka中有个offset的概念，consumer从partition中拉取消息，consumer本地处理完成后需要commit一下offset，表示消费完成，下次就不会再拉取到这条消息。
所以我们需要关闭自动commit offset的配置，防止consumer拉到消息后，服务宕机，导致消息丢失。