背景

今天下游同事反馈，有一些以取消的订单库存还原异常了，导致部分商品库存没有还原。查日志发现没有收到还原消息，但是查看发送方是可以确认消息是已经发了的，那么是什么原因导致消费者没有收到，或者收到后没有处理消息呢。最后发现这些消息的状态都是NOT_ONLINE，原因是服务挂了，重启之后便可以重新消费了。让我们看看这个调查过程。

调查

消息丢失如何排查?当我们在使用mq的时候，经常会遇到消息消费异常的问题，原因有很多种，比如：

producer发送失败
consumer消费异常
consumer根本就没收到消息

「那么我们该如何排查了?」

其实借助RocketMQ-Dashboard就能高效的排查，里面有很多你想象不到的功能。

首先我们先查找期望消费的消息，查找的方式有很多种，根据消息id，时间等。

「消息没找到?」

说明proder发送异常，也有可能是消息过期了，因为rocketmq的消息默认保存72h，此时到producer端的日志进一步确认即可。

「消息找到了!」

接着看消息的消费状态，如下图消息的消费状态为NOT_ONLINE。

「NOT_ONLINE代表什么含义呢?」

别着急，我们一步步来分析，先看看TrackType到底有多少种状态。

public enum TrackType {
    CONSUMED,
    CONSUMED_BUT_FILTERED,
    PULL,
    NOT_CONSUME_YET,
    NOT_ONLINE,
    UNKNOWN
}

每种类型的解释如下：

类型	解释
CONSUMED	消息已经被消费
CONSUMED_BUT_FILTERED	消息已经投递但被过滤
PULL	消息消费的方式是拉模式
NOT_CONSUME_YET	目前没有被消费
NOT_ONLINE	CONSUMER不在线
UNKNOWN	未知错误

「怎么判定消息已经被消费?」

上一节我们讲到，broker会用一个map来保存每个queue的消费进度，「如果queue的offset大于被查询消息的offset则消息被消费，否则没有被消费」(NOT_CONSUME_YET)。

我们在RocketMQ-Dashboard上其实就能看到每个队列broker端的offset(代理者位点)以及消息消费的offset(消费者位点)，差值就是没有被消费的消息。

当消息都被消费时，差值为0，如下图所示：

「CONSUMED_BUT_FILTERED表示消息已经投递，但是已经被过滤掉了」。例如producer发的是topicA，tagA，但是consumer订阅的却是topicA，tagB。

「CONSUMED_BUT_FILTERED(消息已经被投递但被过滤)是怎么发生的呢?」

这个就不得不提到RocketMQ中的一个概念，「消息消费要满足订阅关系一致性，即一个consumerGroup中的所有消费者订阅的topic和tag必须保持一致，不然就会造成消息丢失」。

如下图场景，发送了4条消息，consumer1订阅了topica-taga，而consumer2订阅了topica-tab。consumer1消费q0中的数据，consumer2消费q1中的数据。

投递到q0的msg-1和msg-3只有msg-1能被正常消费，而msg-3则是CONSUMED_BUT_FILTERED。因为msg-3被投递到q0，但是consumer1不消费tagb的消息导致消息被过滤，造成消息丢失。

同理msg-2这条消息也会丢失。

「注意，还有一个非常重要的点」！

虽然消息消费失败了，但是消息的offset还会正常提交，即「消息消费失败了，但是状态也会是CONSUMED」。

「RocketMQ认为消息消费失败需要重试的场景有哪些?」

返回ConsumeConcurrentlyStatus.RECONSUME_LATER
返回null
主动或被动抛出异常

「那么消费失败的消息去哪了呢?」

当消息消费失败，会被放到重试队列中，Topic名字为%RETRY% + consumerGroup。

「Consumer没订阅这个topic啊，怎么才能消费到重试消息?」

其实在Consumer启动的时候，框架内部帮你订阅了这个topic，所以重试消息能被消费到。

「另外消息不是一直重试，而是每隔1段时间进行重试」

第几次重试	与上次重试的间隔时间	第几次重试	与上次重试的间隔时间
1	10 秒	9	7 分钟
2	30 秒	10	8 分钟
3	1 分钟	11	9 分钟
4	2 分钟	12	10 分钟
5	3 分钟	13	20 分钟
6	4 分钟	14	30 分钟
7	5 分钟	15	1 小时
8	6 分钟	16	2 小时