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
LDG_AGI41 分钟前
【推荐系统】深度学习训练框架(二十一):DistributedCheckPoint(DCP) — PyTorch分布式模型存储与加载
pytorch·分布式·深度学习
LDG_AGI1 小时前
【推荐系统】深度学习训练框架(二十三):TorchRec端到端超大规模模型分布式训练+推理实战
人工智能·分布式·深度学习·机器学习·数据挖掘·推荐算法
清晓粼溪1 小时前
SpringCloud-05-Micrometer Tracing+ZipKin分布式链路追踪
分布式·spring·spring cloud
独自破碎E1 小时前
聊聊RabbitMQ
分布式·rabbitmq
小股虫1 小时前
缓存攻防战:在增长中台设计一套高效且安全的缓存体系
java·分布式·安全·缓存·微服务·架构
2503_946971862 小时前
【FullStack/ZeroDay】2026年度全栈魔法架构与分布式恶意节点清除基准索引 (Benchmark Index)
分布式·网络安全·架构·系统架构·区块链·数据集·全栈开发
回家路上绕了弯2 小时前
Resilience4j全面指南:轻量级熔断限流框架的实战与落地
分布式·后端
wang09072 小时前
支持rabbitmq多数据源
rabbitmq
LDG_AGI2 小时前
【推荐系统】深度学习训练框架(二十二):PyTorch2.5 + TorchRec1.0超大规模模型分布式推理实战
人工智能·分布式·深度学习
2503_946971863 小时前
【SystemDesign/HA】2025年度高可用分布式仿真节点与预测模型容灾演练配置 (Disaster Recovery Config)
大数据·分布式·算法·系统架构·数据集