RabbitMQ-如何保证消息不丢失
交换机持久化：
@Bean
public DirectExchange simpleExchange(){
// 三个参数：交换机名称、是否持久化、当没有queue与其绑定时是否自动删除
return new DirectExchange("simple.direct", true, false);
}
队列持久化：
@Bean
public Queue simpleQueue(){
// 使用QueueBuilder构建队列，durable就是持久化的
return QueueBuilder.durable("simple.queue").build();
}
消息持久化，SpringAMQP中的的消息默认是持久的，可以通过MessageProperties中的DeliveryMode来指定的
Message msg = MessageBuilder
.withBody(message.getBytes(StandardCharsets.UTF_8)) // 消息体
.setDeliveryMode(MessageDeliveryMode.PERSISTENT) // 持久化
.build();
消费者确认
manual：手动ack，需要在业务代码结束后，调用api发送ack。
auto：自动ack，由spring监测listener代码是否出现异常，没有异常则返回ack；抛出异常则返回nack none：关闭ack，MQ假定消费者获取消息后会成功处理，因此消息投递后立即被删除
在消费者出现异常时利用本地重试，设置重试次数，当次数达到了以后，如果消息依然失败，将消息投递到异常交换机，交由人工处理
RabbitMQ消息的重复消费问题如何解决的
场景：
网络抖动
消费者挂了
解决方案：
每条消息设置一个唯一的标识id
幂等方案：【 分布式锁、数据库锁（悲观锁、乐观锁） 】
RabbitMQ中死信交换机 ? (RabbitMQ延迟队列有了解过嘛)
延迟队列：进入队列的消息会被延迟消费的队列
场景：超时订单、限时优惠、定时发布
延迟队列=死信交换机+TTL（生存时间）
死信消息：
消费者使用basic.reject或 basic.nack声明消费失败，并且消息的requeue参数设置为false
消息是一个过期消息，超时无人消费(
消息所在的队列设置了存活时间
消息本身设置了存活时间
)
要投递的队列消息堆积满了，最早的消息可能成为死信
队列配置了dead-letter-exchange属性，指定了一个交换机，那么队列中的死信就会投递到这个交换机中，而这个交换机称为死信交换机
延迟队列插件(方案二)DelayExchange插件，需要安装在RabbitMQ中
DelayExchange的本质还是官方的三种交换机，只是添加了延迟功能。因此使用时只需要声明一个交换机，交换机的类型可以是任意类型，然后设定delayed属性为true即可。
RabbitMQ如果有100万消息堆积在MQ , 如何解决(消息堆积怎么解决)
1）增加更多消费者，提高消费速度
2）在消费者内开启线程池加快消息处理速度
3）扩大队列容积，提高堆积上限
3.x）惰性队列
接收到消息后直接存入磁盘而非内存
消费者要消费消息时才会从磁盘中读取并加载到内存
支持数百万条的消息存储
RabbitMQ的高可用机制有了解过嘛
普通集群
会在集群的各个节点间共享部分数据，包括：交换机、队列元信息。不包含队列中的消息。
当访问集群某节点时，如果队列不在该节点，会从数据所在节点传递到当前节点并返回
队列所在节点宕机，队列中的消息就会丢失
镜像集群
交换机、队列、队列中的消息会在各个mq的镜像节点之间同步备份。
创建队列的节点被称为该队列的主节点，备份到的其它节点叫做该队列的镜像节点。
一个队列的主节点可能是另一个队列的镜像节点
所有操作都是主节点完成，然后同步给镜像节点
主宕机后，镜像节点会替代成新的主
仲裁队列（集群下丢数据问题解决方案）
与镜像队列一样，都是主从模式，支持主从数据同步
@Bean
public Queue quorumQueue() {
return QueueBuilder
.durable("quorum.queue") // 持久化
.quorum() // 仲裁队列
.build();
}
Kafka是如何保证消息不丢失
生产者发送消息到Brocker丢失
设置异步发送+消息重试
//同步发送
RecordMetadata recordMetadata = kafkaProducer.send(record).get();
//异步发送
kafkaProducer.send(record, new Callback() {
@Override
public void onCompletion(RecordMetadata recordMetadata, Exception e) {
if (e != null) {
System.out.println("消息发送失败 | 记录日志");
}
long offset = recordMetadata.offset();
int partition = recordMetadata.partition();
String topic = recordMetadata.topic();
}
});
//设置重试次数
prop.put(ProducerConfig.RETRIES_CONFIG,10);
消息在Brocker中存储丢失
消费者从Brocker接收消息丢失
Kafka 中的分区机制指的是将每个主题划分成多个分区（Partition）
topic分区中消息只能由消费者组中的唯一一个消费者处理，不同的分区分配给不同的消费者（同一个消费者组）
禁用自动提交偏移量，改为手动
同步提交
异步提交
同步+异步组合提交
Kafka是如何保证消费的顺序性
场景：
一个topic的数据可能存储在不同的分区中，每个分区都有一个按照顺序的存储的偏移量，如果消费者关联了多个分区不能保证顺序性
解决：
发送消息时指定分区号
发送消息时按照相同的业务设置相同的key
Kafka的高可用机制有了解过嘛
集群模式
Kafka 的服务器端由被称为 Broker 的服务进程构成，即一个 Kafka 集群由多个 Broker 组成
这样如果集群中某一台机器宕机，其他机器上的 Broker 也依然能够对外提供服务。这其实就是 Kafka 提供高可用的手段之一
分区备份机制
一个topic有多个分区，每个分区有多个副本，其中有一个leader，其余的是follower
所有的分区副本的内容是都是相同的，如果leader发生故障时，会自动将其中一个follower提升为leader
具体机制
第一：选举时优先从ISR中选定，因为这个列表中follower的数据是与leader同步的
第二：如果ISR列表中的follower都不行了，就只能从其他follower中选取
Kafka数据清理机制了解过嘛
存储结构：.index 索引文件
.log 数据文件
.timeindex 时间索引文件
为什么要分段？
删除无用文件方便，提高磁盘利用率
查找数据便捷
清理策略有两个
1、根据消息的保留时间，当消息在kafka中保存的时间超过了指定的时间，就会触发清理过程
2、根据topic存储的数据大小，当topic所占的日志文件大小大于一定的阈值，则开始删除最久的消息。需手动开启
Kafka中实现高性能的设计有了解过嘛
消息分区：不受单台服务器的限制，可以不受限的处理更多的数据
顺序读写：磁盘顺序读写，提升读写效率
页缓存：把磁盘中的数据缓存到内存中，把对磁盘的访问变为对内存的访问
零拷贝：减少上下文切换及数据拷贝
消息压缩：减少磁盘IO和网络IO
分批发送：将消息打包批量发送，减少网络开销
