MQ幂等性方案

什么是消息幂等

当出现消费者对某条消息重复消费的情况时，重复消费的结果与消费一次的结果是相同的，并且多次消费并未对业务系统产生任何负面影响，那么这个消费者的处理过程就是幂等的。

适用场景

在互联网应用中，尤其在网络不稳定的情况下，MQ的消息有可能会出现重复。如果消息重复会影响业务处理，则需要对消息做幂等处理。

消息重复的场景如下：

• 发送时消息重复

  当一条消息已被成功发送到服务端并完成持久化，此时出现了网络闪断或者客户端宕机，导致服务端对客户端应答失败。 如果此时生产者意识到消息发送失败并尝试再次发送消息，消费者后续会收到两条内容相同但Message ID不同的消息。

• 投递时消息重复

  消息消费的场景下，消息已投递到消费者并完成业务处理，当客户端给服务端反馈应答的时候网络闪断。为了保证消息至少被消费一次，消息队列RocketMQ版的服务端将在网络恢复后再次尝试投递之前已被处理过的消息，消费者后续会收到两条内容相同并且Message ID也相同的消息。

• 负载均衡时消息重复（包括但不限于网络抖动、Broker重启以及消费者应用重启）

  当消息队列RocketMQ版的Broker或客户端重启、扩容或缩容时，会触发Rebalance，此时消费者可能会收到少量重复消息。

处理方法

• 业务操作之前进行状态查询

  消费端开始执行业务操作时，通过幂等id首先进行业务状态的查询，如状态已为最终状态（如已出库/已取消），则直接ack

• 乐观锁

  每个数据都有一个版本号，和当前版本号相同时进行更新操作

• 去重表（缓存）

  唯一索引，如果已存在值，就不进行更新了

来源：

消费幂等 (aliyun.com)

并发情况下保证MQ幂等性方案 - 掘金 (juejin.cn)

RabbitMQ

简介

RabbitMQ 是流行的开源消息队列系统。RabbitMQ 是 AMQP（Advanced Message Queuing Protocol）的标准实现。

RabbitMQ 采用 Erlang 语言开发。Erlang 是一种面向并发运行环境的通用编程语言。

RabbitMQ 特点

• 异步消息传递

  支持多种消息传递协议、消息队列、传递确认机制，灵活的路由消息到队列，多种交换类型；

• 开发人员体验

  可在许多操作系统及云环境中运行，并为大多数流行语言提供各种开发工具；

• 分布式部署

  支持集群模式、跨区域部署，以满足高可用、高吞吐量应用场景；

• 企业和云就绪

  可插拔身份认证授权，支持 TLS（Transport Layer Security）和 LDAP（Lightweight Directory Access Protocol）。轻量且容易部署到内部、私有云或公有云中；

• 工具和插件

  支持连续集成、操作度量和集成到其他企业系统的各种工具和插件阵列。可以插件方式灵活地扩展 RabbitMQ 的功能。

• 管理与监控

  有专门用于管理和监督的 HTTP-API、命令行工具和 UI；

综上所述，RabbitMQ 是一个“体系较为完善”的消息代理系统，性能好、安全、可靠、分布式，支持多种语言的客户端，且有专门的运维管理工具。

RocketMQ

消息队列RocketMQ版是阿里云基于Apache RocketMQ构建的低延迟、高并发、高可用、高可靠的分布式“消息、事件、流”统一处理平台，面向互联网分布式应用场景提供微服务异步解耦、流式数据处理、事件驱动处理等核心能力。

应用场景

业务消息

• 异步解耦、削峰填谷
• 分布式事务
• 分布式定时/延时调度

流式处理

消息队列RocketMQ版具备海量吞吐的流式存储能力，可以有效对接日志收集、数据集成和数据分析等系统。通过消息队列RocketMQ版可以将上游数据分发到下游的实时计算、离线存储等系统。

事件驱动

消息队列RocketMQ版可以结合事件总线EventBridge轻松实现事件驱动新模式，消息数据经过事件总线EventBridge的可视化事件规则，驱动下游函数计算、HTTP接口、第三方自定义等数据目标。

Kafka

简介

Kafka是一种高吞吐量、分布式、基于发布/订阅的消息系统，最初由LinkedIn公司开发，使用Scala语言编写，目前是Apache的开源项目。

跟RabbitMQ、RocketMQ等目前流行的开源消息中间件相比，Kakfa具有高吞吐、低延迟等特点，在大数据、日志收集等应用场景下被广泛使用

Domain-Driver Design

软件设计类别

DL驱动开发

DeadLine驱动开发，给定一个截止日期，只要在这个DL之前完成即可。

DL驱动开发只追求短期的业务目标，不关注程序设计，缺乏过程管理，程序难以扩展维护。

数据驱动设计

针对需求进行数据库表设计，再通过数据流串联对应的业务流程，是最常用的软件设计方式，基本可以应对大多数的应用服务场景。

DDD领域驱动设计

随着系统越来越庞大，传统的软件设计方式已经不能满足我们应对复杂系统的设计。而DDD由业务为导向，通过领域建模限定边界，提供了应对大型复杂系统与业务的方法论。

MySQL-面试题

InnoDB引擎的索引

使用索引可以加快查询速度，其实上就是将无序的数据变成有序（有序就能加快检索速度）

索引的本质：索引是数据结构。

数据库索引，是数据库管理系统中一个排序的数据结构，以协助快速查询、更新数据库表中数据。索引的实现通常使用B树及其变种B+树。

聚集索引与非聚集索引的区别

• 一个表中只能拥有一个聚集索引，而非聚集索引一个表可以存在多个。
• 聚集索引，索引中键值的逻辑顺序决定了表中相应行的物理顺序；非聚集索引，索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同。
• 索引是通过二叉树的数据结构来描述的，我们可以这么理解聚簇索引：索引的叶节点就是数据节点。而非聚簇索引的叶节点仍然是索引节点，只不过有一个指针指向对应的数据块。
• 聚集索引：物理存储按照索引排序；非聚集索引：物理存储不按照索引排序；

那为什么不使用红黑树或者B树呢？

MySQL的数据是存储在硬盘的，在查询时一般是不能「一次性」把全部数据加载到内存中

红黑树是「二叉查找树」的变种，一个Node节点只能存储一个Key和一个Value

B和B+树跟红黑树不一样，它们算是「多路搜索树」，相较于「二叉搜索树」而言，一个Node节点可以存储的信息会更多，「多路搜索树」的高度会比「二叉搜索树」更低。

了解了区别之后，其实就很容易发现，在数据不能一次加载至内存的场景下，数据需要被检索出来，选择B或B+树的理由就很充分了（一个Node节点存储信息更多（相较于二叉搜索树），树的高度更低，树的高度影响检索的速度）

B+树相对于B树而言，它又有两种特性。

• 一、B+树非叶子节点不存储数据，在相同的数据量下，B+树更加矮壮。（这个应该不用多解释了，数据都存储在叶子节点上，非叶子节点的存储能存储更多的索引，所以整棵树就更加矮壮）
• 二、B+树叶子节点之间组成一个链表，方便于遍历查询（遍历操作在MySQL中比较常见）

在MySQL InnoDB引擎下，每创建一个索引，相当于生成了一颗B+树。

如果该索引是「聚集(聚簇)索引」，那当前B+树的叶子节点存储着「主键和当前行的数据」

如果该索引是「非聚簇索引」，那当前B+树的叶子节点存储着「主键和当前索引列值」

比如写了一句sql：select * from user where id >=10，那只要定位到id为10的记录，然后在叶子节点之间通过遍历链表(叶子节点组成的链表)，即可找到往后的记录了。

由于B树是会在非叶子节点也存储数据，要遍历的时候可能就得跨层检索，相对麻烦些。

基于树的层级以及业务使用场景的特性，所以MySQL选择了B+树作为索引的底层数据结构。

对于哈希结构，其实InnoDB引擎是「自适应」哈希索引的（hash索引的创建由InnoDB存储引擎引擎自动优化创建，我们是干预不了）

JVM垃圾回收器概念

System.gc()

默认情况下，如果程序中显式的调用Sysytem.gc()或者Runtime.getRuntime.gc()可能会触发 Full GC，垃圾收集器会同时新生代和老年代进行垃圾回收操作，尝试释放被丢弃对象占用的内存资源。但是调用Sysytem.gc()不一定会发生 Full GC，所以它无法保证对垃圾收集器的调用。

1
2
3
4
5
6
7
8
9
10

public final class System {
  public static void gc() {
    Runtime.getRuntime().gc();
  }
}

public class Runtime {
  private static Runtime currentRuntime = new Runtime();
  public native void gc();
}

最终程序调用的是一个本地方法gc()，垃圾回收的工作是交给操作系统完成的

Java 中垃圾回收是自动进行的，因此并不推荐通过调用Sysytem.gc()来决定 JVM 的 GC 操作。

JVM判断对象是否存活

引用计数器算法

通过给对象中添加一个引用计数器，每当有一个地方引用该对象时，计数器就加1；当引用失效时，计数器就减1

引用计数法缺陷：

1.有对象被引用和被销毁的时候都必须修改引用计数，影响性能

2.当程序出现循环引用时，引用计数算法无法检测出来，被循环引用的对象就变成了无法回收的对象，导致内存泄漏

可达性分析

首先，有一系列GCRoots对象作为起始点，从这些起始点开始搜索，起始点走过的路径称之为引用连，当一个对象到GC Roots没有任何引用连相连时，则证明此对象不可用

JDK1.8中GC Roots对象包括以下几种

• 虚拟机栈（栈帧中的本地变量表）中引用的对象。
• 方法区中类静态属性引用的对象。
• 方法区中常量引用的对象。
• 本地方法栈中 JNI（即一般说的 Native 方法）引用的对象。

Java内存模型概念

java内存模型（java memory model，简称JMM）用来屏蔽掉各种硬件和操作系统的内存访问差异，以实现让java程序在各种平台下都能达到一致的内存访问效果。

目标：定义程序中各个变量的访问规则，即在虚拟机中将变量从内存中进行存储和取出这样的底层细节。

• 内存模型的组成

  • 主内存

    java内存模型规定，所有变量都存储在主内存（Main Memory）中

• • 工作内存

    每条线程都有自己的工作内存（working memory，又称本地内存），工作内存是JMM的一个抽象概念，并不真实存在，它涵盖了：缓存、写缓冲区、寄存器以及其他硬件和编译器优化

「线程T1和线程T2是通过共享变量Obj副本在进行【隐式通信】，如果线程T1更新后数据并没有立即写回到主存，而此时线程T2去读取数据，则读到的是过期的数据，即【脏读】现象」。

为避免脏读，一般通过同步机制（控制不同线程间操作发生的相对顺序）来解决，或通过volatile关键字使变量都能够强制刷新到主存，从而对每个线程都是可见的。

DNS

主机向本地域名服务器查询一般采用递归查询
本地域名服务器向根域名服务器查询一般采用迭代查询

域名系统，Domain Name System

• 互联网采用层次结构的命名树作为主机的名字，并且使用分布式的域名系统DNS
  名字到IP地址的解析是由若干个域名服务器程序完成的

递归查询

• 主机向本地域名服务器查询，查询不到则由本地域名服务器继续向上查询，直到查询到IP地址为止，后按查询路径返回

迭代查询

• 主机向本地域名服务器查询，查询不到则由本地域名服务器继续网上查询，直到根域名服务器，如果查询不到，则返回主机的本地域名服务器，本地域名服务器继续向另一个上级域名服务器查询，直至根域名服务器。如此重复