目录
如果有100万消息堆积在MQ，怎么解决？（消息堆积怎么解决）
中间件：位于应用系统和底层系统（如操作系统、数据库、网络）之间的"桥梁软件"，核心作用是解耦、协调不同系统，简化复杂的交互逻辑。
"消息中间件" 则聚焦于 "消息" 的传递与管理 ，是专门处理分布式系统中 "跨应用、跨服务数据通信" 的工具。
消息中间件是一种基于 "消息" 的异步通信组件，能够在分布式架构下，让不同的应用 / 服务（比如 A 系统和 B 系统）无需直接连接，而是通过 "消息"（本质是结构化的数据，如 JSON、XML）进行间接通信。
| 痛点场景 | 直接通信的问题 | 消息中间件的解决方案 |
|---|---|---|
| 系统耦合 | A 服务调用 B 服务时，必须知道 B 的地址、接口格式；若 B 升级或下线，A 也得改代码。 | 解耦：A 只需要把消息发给中间件，不用管谁来接收；B 从中间件拿消息，也不用管谁发来的。A 和 B 完全独立。 |
| 同步阻塞 | A 调用 B 后，必须等 B 处理完、返回结果才能继续执行；若 B 处理慢（如生成订单后发邮件），A 会被 "卡住"。 | 异步通信：A 发完消息就立即返回，继续做自己的事（如完成订单支付）；B 异步从中间件取消息处理（如后台发邮件），互不阻塞。 |
| 流量峰值 | 秒杀活动中，瞬间有 10 万请求打向支付服务，直接超出服务承载能力，导致服务崩溃。 | 削峰填谷：中间件先接收所有请求消息并暂存起来，再按照支付服务的处理能力 "匀速" 把消息发给它，避免服务被冲垮。 |
| 数据丢失 | A 调用 B 时，若网络中断或 B 突然宕机，数据会直接丢失（如用户付款后订单没生成）。 | 可靠存储：消息中间件会把消息持久化到磁盘，直到接收方确认 "已处理" 才删除，避免网络 / 服务故障导致的数据丢失。 |
| 并发过载 | 若 A 服务同时调用 B、C、D 三个服务，A 需要处理三个服务的返回结果，并发逻辑复杂，容易出错。 | 异步分发：A 只需发 1 条消息到中间件，中间件可自动将消息分发给 B、C、D（"发布 - 订阅" 模式），A 无需关心后续流程。 |
三个角色：生产者、消费者、消息队列
两种核心通信方式：P2P点对点，发布-订阅模式
RabbitMQ
如何保证消息不丢失
三种情况可能丢失消息：
- 生产者发送消息没有到达交换机或消息队列
- MQ宕机导致消息丢失
- 消费者服务宕机丢失消息
消息的重复消费问题是怎么解决的？
加锁之后的性能会低，优先采用第一个方案：为每条消息设置一个标识id
死信交换机/延迟队列
TTL哪个地方设置的短，以短的为准
如果有100万消息堆积在MQ，怎么解决？（消息堆积怎么解决）
线程池：一种线程管理机制，预先创建一定数量的线程并维护在一个"池"中，当有任务需要处理时，直接从池中取出线程执行任务，任务完成后线程不会被销毁，而是放回池中等待下一次使用。核心作用是：优化线程的创建、销毁成本、提高系统资源利用率。 "线程工厂+回收站"
java.util.concurrent.ExecutorService（如ThreadPoolExecutor、Executors工具类）；
在多线程编程中，如果每次有任务就创建新线程，会存在明显问题：
-
资源消耗大线程的创建和销毁需要消耗 CPU 和内存资源（比如分配栈空间、内核态与用户态切换），频繁创建销毁线程会导致系统资源浪费。
-
稳定性风险若短时间内有大量任务（比如高并发请求），无限制创建线程可能导致内存溢出（OOM）或线程调度开销剧增，甚至引发系统崩溃。
-
管理复杂手动管理大量线程的生命周期（创建、运行、销毁）会增加代码复杂度，容易出现线程泄漏、同步问题等。
线程池通过 "复用线程" 和 "统一管理" 解决上述问题，主要价值体现在：
- 降低资源消耗：线程复用避免了频繁创建销毁线程的开销。
- 提高响应速度：任务到达时，无需等待线程创建，直接使用池中的空闲线程。
- 控制并发数量：通过设置线程池最大容量，防止线程数量失控，避免系统过载。
- 便于管理监控：统一管理线程的生命周期，支持任务排队、超时控制、状态监控等高级功能
第三种方法：扩大队列容积，提高堆积上限。
使用 惰性队列
高可用机制
普通集群的缺点：如果某个队列所在节点宕机，队列中的消息就会丢失。
所以一般不会使用普通集群
有一个小缺点：如果镜像节点还没来得及同步完成，主节点就宕机了，可能就会丢失数据。但是相对来说这种情况很少见。如果非要解决的话，就使用仲裁队列
kafka
如何保证消息不丢失？
如果网络不稳定导致的发送失败：消息重试
一般生产环境下设置acks=1
由于消费者默认是自动按期提交已经消费的偏移量，默认是每隔5s提交一次，如果出现重平衡的情况，可能会重复消费或丢失数据。
同步提交会阻塞，异步提交可能会导致偏移量不准确
同步+异步提交：在消费完消息之后设置一个异步提交，最后在finally代码块中设置同步提交
如何保证消费顺序性
把有顺序需求的消息都放在同一个分区
高可用机制
ISR是同步保存数据，性能不高；异步保存数据的效率更高
这样可以在保证高可用性的前提下，保证数据存储的时效性
数据清理机制
kafka高性能设计
