Rabbitmq的消息确认

配置文件

yaml 复制代码
spring:
  rabbitmq:
    publisher-confirm-type: correlated #开启确认回调
    publisher-returns: true #开启返回回调
    listener:
      simple:
        acknowledge-mode: manual #设置手动接受消息

消息从生产者到交换机

无论消息是否到交换机ConfirmCallback都会触发。

java 复制代码
    @Resource
    private RabbitTemplate rabbitTemplate;

    @PostConstruct
    public void init() {
        //构造方法执行之后执行,用于初始化一些信息
        rabbitTemplate.setConfirmCallback(new RabbitTemplate.ConfirmCallback() {
            @Override
            public void confirm(CorrelationData correlationData, boolean ack, String cause) {
                if (ack) {
                    log.info("消息成功到达交换机");
                    return;
                }
                //未到达交换机可以采取一系列措施保证消息不会丢失
                log.error("消息未发送到交换机{}", cause);
            }
        });
    }

消息从交换机到队列

只有消息没到达队列才会触发ReturnsCallback

java 复制代码
    @Resource
    private RabbitTemplate rabbitTemplate;

    @PostConstruct
    public void init() {
        rabbitTemplate.setReturnsCallback(new RabbitTemplate.ReturnsCallback() {
            @Override
            public void returnedMessage(ReturnedMessage returned) {
                log.error("消息没有从交换机到达队列{}", returned.getReplyText());
            }
        });

    }

消息从队列到消费者 (ACK)

消息默认是自动确认的(手动确认需配置文件开启),无论消息是否被成功消费都会被确认,确认后消息就会自动删除

Channel接口里有三个方法

java 复制代码
// deliveryTag消息的唯一表示 multiple 为true可以批量处理这条消息之前的所有消息,假设你的消费者从 RabbitMQ 中获取了一批消息,然后在处理完这批消息后,你可以一次性确认所有消息,而不需要一个一个地确认。requeue 是否重新入队,不重新入队就会变成死信,如果配置了死信交换机和死信队列就会进入死信队列,没有配置消息就直接删除
void basicAck(long deliveryTag, boolean multiple) //确认消息
void basicNack(long deliveryTag, boolean multiple, boolean requeue)//不确认消息
void basicReject(long deliveryTag, boolean requeue)// 拒绝消息

示例代码

java 复制代码
    @RabbitListener(queues = {"queue.direct.i"})
    public void receiveMessage2(Message message, Channel channel) {
        MessageProperties messageProperties = message.getMessageProperties();
        //消息的唯一标识,发消息时自动添加,消息的身份证
        long deliveryTag = messageProperties.getDeliveryTag();
        try {
            byte[] body = message.getBody();
            log.info("接收到的消息为{}", new String(body));
            //multiple false 表示只确认当前消息 true 确认所有消息
            channel.basicAck(deliveryTag, false);
        } catch (Exception e) {
            log.error("处理过程出错{}", e.getMessage());
            try {
                //requeue true 重新入队 false 进入死信队列,如果没有死信队列则直接删除
                channel.basicNack(deliveryTag, false, false);
            } catch (IOException ex) {
                throw new RuntimeException(ex);
            }
            throw new RuntimeException(e);
        }
    }
相关推荐
PingCAP8 小时前
善战者无赫赫之功:消费金融核心系统的数据库选型与升级路径
数据库·分布式·架构
库库的数据库笔记9 小时前
金融核心交易系统的数据库国产信创改造该如何做?
大数据·数据库·分布式·mysql·oracle·金融·数据库架构
爱吃火鸡面呀14 小时前
深入理解 Spark RDD:五大特性与实战解析
大数据·分布式·spark
Linux实战笔记16 小时前
记一次消息队列选型对比线上排查:Kafka/RabbitMQ/Pulsar 技术选型
kafka·rabbitmq·高并发·pulsar·消息队列选型
Norris Huang17 小时前
Kafka Connect 与 Flink CDC 写入 Iceberg:Upsert 的代价,以及 S3 Tables 的真正价值
分布式·flink·kafka
张彦峰ZYF17 小时前
一条消息的丢与重:Kafka 与 RabbitMQ 可靠投递的确认、位点、死信与幂等全链路
后端·kafka·消息队列·rabbitmq·isr·解耦与削峰·丢失与重复
我就是不信17 小时前
集群高并发环境下如何保证分布式唯一全局ID生成?
分布式
黄俊懿2 天前
【架构师从入门到进阶】第六章:服务集群优化——第八节:线程数公式
java·服务器·数据库·分布式·性能优化·架构·系统架构
大菠萝爱上小西瓜2 天前
基于 Spark + Iceberg 湖仓一体的 Netflix 流媒体用户行为全链路数仓与 ALS 智能推荐决策系统(含穿透下钻大屏)
大数据·分布式·spark
吴建旭 智宅焕2 天前
智能家居售后服务体系的架构设计:分布式售后风险的集中式兜底方案
分布式·智能家居