---

核心概念

消息队列（MQ）是分布式系统中用于组件间通信的中间件，通过异步处理实现系统解耦、流量削峰和任务异步化。它的核心角色包括：

• Broker：消息代理服务器，负责消息存储和转发
• Topic：消息的分类主题，生产者向指定Topic发送消息
• Consumer Group：消费者组，同一组内的消费者竞争消费消息

典型应用场景：

1. 系统解耦：订单系统与库存系统通过MQ通信，避免直接依赖
2. 流量削峰：秒杀场景中将瞬时流量缓冲到队列中逐步处理
3. 异步处理：日志收集等非核心流程异步化提升主流程响应速度

技术对比

主流MQ产品特性对比（数据参考各官方文档2025版）：

| 特性 | Kafka | RabbitMQ | RocketMQ | |-------------|-------------------|------------------|-----------------| | 吞吐量 | 100万+/秒 | 5万+/秒 | 10万+/秒 | | 延迟 | 毫秒级 | 微秒级 | 毫秒级 | | 消息可靠性 | 高（副本机制） | 高（ACK确认） | 极高（事务消息）| | 适用场景 | 日志流处理 | 企业级消息路由 | 金融级交易 |

高频考点

1. 消息顺序性保障

保证消息顺序的三种方案：

1. 单分区单消费者：Kafka中一个分区只被一个消费者处理
2. 业务键哈希：相同业务ID的消息路由到同一分区
3. 本地队列缓冲：消费者使用内存队列做二次排序

2. 重复消费与幂等

典型解决方案：

// 幂等消费示例
@KafkaListener(topics = "order_topic")
public void handleOrder(OrderMessage message) {
    if(redis.setnx("order_id:"+message.getId(), "1")) {
        // 实际业务处理
    }
}

3. 死信队列原理

当消息满足以下条件时会进入死信队列（DLQ）：

1. 消费失败达到最大重试次数
2. 消息TTL过期
3. 队列长度超过限制

代码实战

Spring Boot集成RocketMQ示例：

// 生产者配置
@RestController
public class ProducerController {
    @Autowired
    private RocketMQTemplate rocketMQTemplate;

    @PostMapping("/send")
    public String sendTransactionMsg() {
        // 发送事务消息
        TransactionSendResult result = rocketMQTemplate.sendMessageInTransaction(
            "order_topic", 
            MessageBuilder.withPayload(new Order(1001L)).build(),
            null
        );
        return result.getSendStatus().name();
    }
}

// 消费者配置
@RocketMQMessageListener(
    topic = "order_topic",
    consumerGroup = "order_group"
)
public class OrderConsumer implements RocketMQListener<Order> {
    @Override
    public void onMessage(Order order) {
        try {
            // 业务处理
        } catch (Exception e) {
            // 重试3次后进入死信队列
            throw new RuntimeException(e);
        }
    }
}

生产实践

消息堆积处理

紧急处理步骤：

1. 扩容消费者实例数量
2. 临时启用降级逻辑跳过非核心消息
3. 监控积压量设置阈值报警

网络分区问题

集群脑裂解决方案：

• 配置至少3个ZooKeeper节点
• 设置合理的会话超时时间（建议10-15秒）
• 实现Fencing机制避免双主

面试模拟

Q1：如何保证消息不丢失？

A：需要从生产者、Broker、消费者三个层面保障： - 生产者开启confirm模式等待Broker确认 - Broker配置同步刷盘和副本同步 - 消费者手动ACK确认后才删除消息

Q2：Kafka为什么快？

A：四点核心设计： 1. 顺序磁盘IO（比随机内存访问更快） 2. 零拷贝技术减少数据拷贝 3. 批量发送压缩消息 4. 分区并行处理机制

Q3：百万级消息积压如何处理？

A：分步骤解决： 1. 紧急扩容消费者实例 2. 分析积压原因（消费逻辑阻塞/资源不足） 3. 编写临时消费程序分流处理 4. 事后优化消费逻辑和监控

延伸阅读

• Kafka官方文档：https://kafka.apache.org/documentation
• 《分布式消息队列原理与实践》（电子工业出版社2025）
• Google Cloud Pub/Sub设计论文（SIGMOD'24）