RabbitMQ--批量处理

一、RabbitMQ 原生批量处理(Java 客户端)

1.1 原生 RabbitMQ 不支持真正意义上的"批量监听消费",但支持"批量确认"

java 复制代码
// 原生消费:注册一个消费者
channel.basicConsume("queue_name", false, (consumerTag, message) -> {
    // 处理单条消息
    System.out.println("收到消息: " + new String(message.getBody()));
    // 手动单条确认
    channel.basicAck(message.getEnvelope().getDeliveryTag(), false);
}, consumerTag -> {});

1.2 批量确认两种方式

java 复制代码
// 逐条确认(循环中)basicAck第二个参数是false
for (Message msg : messages) {
    channel.basicAck(msg.getMessageProperties().getDeliveryTag(), false);
}

// 批量确认(参数要是为false只确认最后一条)
//basicAck第二个参数是true
//basicAck第二个参数为true时,确认最后一条也就确认了lastTag 前的所有
long lastTag = 0;
for (Message msg : messages) {
    lastTag = msg.getMessageProperties().getDeliveryTag();
}
channel.basicAck(lastTag, true);
Ack方式 调用位置 含义
basicAck(tag, false) 循环内每条都调 单条确认
basicAck(lastTag, true) 循环外调用一次 批量确认所有未确认消息

二、Spring Boot 批量消费配置

2.1 方式一:yml形式

(1) 使用 YAML 自动配置方式
复制代码
spring:
  rabbitmq:
    host: localhost
    port: 5672
    username: guest
    password: guest

    listener:
      simple:
        acknowledge-mode: auto          # 自动确认(成功执行方法即确认)
        prefetch: 100                   # 消费端每次最多接收 100 条未确认消息(限流)
        consumer-batch-enabled: true    # ✅ 开启批量消费,方法参数可为 List<T>
        batch-size: 100                 # 每次最多批量拉取 100 条消息

✅ 注意:

  • consumer-batch-enabled: true 是开启批量消费的关键,没有它就不能使用 **List<T>**参数!

  • 仅设置 prefetch 是 RabbitMQ 的限流控制,不等于开启批量消费。

  • batch-size 控制 Spring 每次最多拉多少条消息。


(2) 配置后批量消费的消费者示例
java 复制代码
@Component
public class BatchConsumer {

    @RabbitListener(queues = "test_batch_queue")
    public void receiveBatch(List<Message> messages, Channel channel) throws IOException {
        System.out.println("批量接收消息,数量:" + messages.size());

        long lastTag = 0;
        for (Message msg : messages) {
            String body = new String(msg.getBody());
            System.out.println("消费消息:" + body);
            lastTag = msg.getMessageProperties().getDeliveryTag();
        }

        // 批量确认
        channel.basicAck(lastTag, true); // 确认所有消息
    }
}

❗ 如果改为 channel.basicAck(tag, false),必须放在 for 循环中每条都确认。


2.2 方式二:自定义监听容器工厂方式

(1) Java配置方式(替代 YAML 配置)
java 复制代码
@Configuration
public class RabbitListenerConfig {

    @Bean
    public SimpleRabbitListenerContainerFactory batchFactory(ConnectionFactory connectionFactory) {
        SimpleRabbitListenerContainerFactory factory = new SimpleRabbitListenerContainerFactory();
        factory.setConnectionFactory(connectionFactory);
        factory.setBatchListener(true);                      // 开启批量消费
        factory.setBatchSize(100);                           // 每批最大数量
        factory.setPrefetchCount(100);                       // 限流数量
        factory.setAcknowledgeMode(AcknowledgeMode.MANUAL); // 手动确认
        return factory;
    }
}
(2) 批量消费者绑定工厂
java 复制代码
@Component
public class BatchConsumer {

    @RabbitListener(queues = "test_batch_queue", containerFactory = "batchFactory")
    public void receiveBatch(List<Message> messages, Channel channel) throws IOException {
        System.out.println("批量接收消息,数量:" + messages.size());
        long lastTag = 0;
        for (Message msg : messages) {
            lastTag = msg.getMessageProperties().getDeliveryTag();
            System.out.println("消费:" + new String(msg.getBody()));
        }
        channel.basicAck(lastTag, true);
    }
}

四、关键点

4.1 只使用 prefetch: 100,是不是不能使 @RabbitListener 方法参数支持 List<T>

✅ 回答:

是的,仅设置 prefetch: 100 不会启用批量消费模式 ,也就不能让 @RabbitListener 方法参数变成 List<T>


✅ 原因详解:
配置项 功能说明
prefetch: 100 RabbitMQ 允许消费者最多缓存 100 条未确认消息(限流) 它 控制的是消费速度,不影响监听方法接收消息的格式
consumer-batch-enabled: true 开启 Spring 批量消费功能 ,允许 @RabbitListener 接收 List<T> 参数

🧠 总结:
场景 是否可用 List<T> 接收消息 是否批量拉取 是否批量确认
只配置 prefetch: 100 ❌ 只能逐条消费 ✅ 是预取多个,但逐条进入监听方法 ❌ 每条单独确认(由 Spring 控制)
配置 consumer-batch-enabled: truebatch-size > 1 ✅ 支持 List<T> 参数 ✅ 批量拉取 ✅ 批量确认或手动确认

✅ 示例对比:
❌【只设置 prefetch: 100,不能用 List】
java 复制代码
spring:
  rabbitmq:
    listener:
      simple:
        prefetch: 100       # ✅ 控制未确认的消息上限
        # ⚠️ 没有 consumer-batch-enabled

监听方法必须是单条消费:

java 复制代码
@RabbitListener(queues = "test_queue")
public void receive(String message) {
    System.out.println("收到单条消息: " + message);
}

✅【设置 batch 消费,才能用 List】
java 复制代码
spring:
  rabbitmq:
    listener:
      simple:
        prefetch: 100
        consumer-batch-enabled: true
        batch-size: 100

监听方法支持批量消费:

java 复制代码
@RabbitListener(queues = "test_batch_queue")
public void receiveBatch(List<String> messages) {
    System.out.println("批量消息数量:" + messages.size());
}

✅ 结论:

只有配置了 consumer-batch-enabled: true 才能让监听方法支持 List<T> 批量消费形式。

光设置 prefetch: 100 不行,它只是 RabbitMQ 的限流控制,不影响消息的接收方式。

4.2 三种组合差异详解(prefetch 、consumer-batch-enabled、batch-size)

🔍 各配置项含义
配置项 含义
prefetch 限流参数:RabbitMQ 向消费者最多投递多少未确认的消息(即使你没处理完)
consumer-batch-enabled 是否启用批量消费(也就是说方法能不能用 List<T> 参数)
batch-size Spring 每次最多从 RabbitMQ 拉取多少条消息之后才调用一次方法
🧠 关键区别详解
对比项 prefetch + consumer-batch-enabled prefetch + consumer-batch-enabled + batch-size
是否批量消费 ✅ 是(支持 List<T> ✅ 是
批次大小默认值 默认为 1(即最多 1 条触发一次方法) 明确设置为 100
方法执行频率 多次执行(每接收到 1 条消息即调用一次) 每接收到 100 条才执行一次方法
拉取行为 每条都拉但每条都立刻触发方法 拉够再触发
效率 ❌ 不高(虽是 List,但每次只有 1 条) ✅ 高(真正意义的批量处理)

✅ 举例说明
配置一(没写 batch-size):
java 复制代码
prefetch: 100
consumer-batch-enabled: true

RabbitMQ 会发最多 100 条消息,但 Spring 每收到 1 条就调用一次方法 ,每次方法里的 List<Message> 只有 1 条数据 → 不是你想象中的"批量处理"。


配置二(加了 batch-size):
java 复制代码
consumer-batch-enabled: true
prefetch: 100
batch-size: 100

RabbitMQ 会最多发 100 条,Spring 每次拉够 100 条后才调用一次方法,List<Message> 是 100 条 → 真正的"批量消费"。

相关推荐
hqxstudying1 小时前
J2EE模式---前端控制器模式
java·前端·设计模式·java-ee·状态模式·代码规范·前端控制器模式
Microsoft Word1 小时前
用户中心项目实战(springboot+vue快速开发管理系统)
vue.js·spring boot·后端
不写八个4 小时前
GoLang教程005:switch分支
开发语言·后端·golang
ZeroToOneDev4 小时前
Java(LinkedList和ArrayList底层分析)
java·开发语言
没有bug.的程序员5 小时前
JAVA面试宝典 -《 架构演进:从单体到 Service Mesh》
java·面试·架构
典学长编程5 小时前
Java从入门到精通!第十一天(Java常见的数据结构)
java·开发语言·数据结构
皮皮林5516 小时前
设计一个多租户 SaaS 系统,如何实现租户数据隔离与资源配额控制?
java·saas
霍格沃兹软件测试开发6 小时前
Playwright 自动化测试系列(6)| 第三阶段:测试框架集成指南:参数化测试 + 多浏览器并行执行
java·数据库·mysql·自动化
追逐时光者6 小时前
推荐 7 款开源、免费、美观的 .NET Blazor UI 组件库
后端·.net
叫我:松哥6 小时前
基于python django深度学习的中文文本检测+识别,可以前端上传图片和后台管理图片
图像处理·人工智能·后端·python·深度学习·数据挖掘·django