今天的面试题；

如何保证RabbitMQ消息99%的发送成功；
看了就能懂!

  1. 生产者弄丢了数据

生产者将数据发送到MQ的过程中，数据被搞丢了，或许是网络啥的原因；

rabbitMQ提供的事务功能，生产者发送数据之间开启rabbitMQ事务，然后发送消息，如果消息没有成功被rabbitMQ接收到，生产者会收到异常报错，此时就可以回滚事务，然后重试发送消息；如果收到了消息，那就可以提交事务。但问题是，rabbitMQ事务机制一搞，基本上吞吐量会下来，因为太耗性能；

一般来说，如果你要确保说写rabbitMQ的消息别丢，可以开启confirm模式，在生产者那里设置开启confirm模式之后，每次写的消息都会分配一个唯一的ID，然后如果写入了rabbitMQ中，rabbitMQ会给你回传一个ack消息，告诉你说这个消息OK了，如果rabbitMQ没能处理这个消息，会回调你的一个nack接口，告诉你消息接收失败，你可以重试。而且你可以结合这个机制自己在内存里维护每个消息ID的状态，如果超时一定时间还没有接收这个消息的回调，那么你可以重发；

事务机制和cnofirm机制最大的不同在于，事务机制是同步的，你提交一个事务之后会阻塞在那儿，但是confirm机制是异步的，你发送个消息之后就可以发送下一个消息，然后那个消息rabbitMQ接收了之后会异步回调你一个接口通知你这个消息接收到了。

所以一般在生产者这块避免丢失数据，都是用confirm机制的；

  1. MQ弄丢了数据

就是rabbitMQ自己弄丢了数据，这个你必须开启rabbitMQ的持久化，就是消息写入之后会持久化到磁盘，哪怕是rabbitMQ自己挂了，恢复之后会自动读取之前存储的数据，一般数据不会丢。除非极其罕见的是，rabbitMQ还没持久化，自己就挂了，可能导致少量数据会丢失的，但是这个概率较小。

设置持久化有两个步骤，第一个是创建queue的时候将其设置为持久化的，这样就可以保证rabbitMQ持久化queue的元数据，但是不会持久化queue里的数据；第二个是发送消息的时候将消息的deliveryMode设置为2，就是将消息设置为持久化的，此时rabbitMQ就会将消息持久化到磁盘上去。必须要同时设置这两个持久化才行，rabbitMQ哪怕是挂了，再次重启，也会从磁盘上重启恢复queue，恢复这个queue里的数据。

而且持久化可以跟生产者那边的confirm机制配合起来，只有消息被持久化到磁盘之后，才会通知生产者ack了，所以哪怕是在持久化到磁盘之前，rabbitMQ挂了，数据丢了，生产者收不到ack，你也是可以自己重发的。

哪怕是你给rabbitMQ开启了持久化机制，也有一种可能，就是这个消息写到了rabbitMQ中，但是还没来得及持久化到磁盘上，结果不巧，此时rabbitMQ挂了，就会导致内存里的一点点数据会丢失。

  1. 消费者弄丢了数据

rabbitMQ如果丢失了数据，主要是因为你消费的时候，刚消费到，还没处理，结果进程挂了，比如重启了，那么就尴尬了，rabbitMQ认为你都消费了，这数据就丢了。

这个时候得用rabbitMQ提供的ack机制，简单来说，就是你关闭rabbitMQ自动ack，可以通过一个api来调用就行，然后每次你自己代码里确保处理完的时候，再程序里ack一把。这样的话，如果你还没处理完，不就没有ack？那rabbitMQ就认为你还没处理完，这个时候rabbitMQ会把这个消费分配给别的consumer去处理，消息是不会丢的。

RabbitMQ的高可用实现；

基于主从下才谈高可用，她有3种模式：单机、普通集群、镜像集群模式 分别说明。

  1. 单机模式

自己玩，生产不会用到；

  1. 普通集群模式

多台机器启动多个RabbitMQ实例，每台机器启动一个。但是你创建的Queue，只存放在一个RabbitMQ实例上，其他实例都同步Queue的元数据，紧接着你消费的时候，若你连接到另外一个实例上，那么被连接的实例会从Queue所在的实例上拉取数据过来。

这种方式怎么想都感觉不理想，没做到真正的分布式。导致你每次随机连接一个额实例然后拉取数据，要么固定连接Queue所在的实例消费数据，前者有数据拉取的开销，后者有单实例的瓶颈，都不妥。若存放Queue的实例宕机，其他实例想来拉取数据也是不可能的。

选择开启持久化，让数据落盘，消息丢不了，但也得等实例恢复才能继续从Queue中拉数据。就没有所谓高可用性了；

  1. 镜像集群模式

你创建的Queue，无论是元数据还是Queue里的消息都会存在于多个实例上，然后每次你写消息到Queue的时候，都会自动把消息发送到多个实例的Queue中进行消息同步。

好处就是任何实例宕机，影响不大依然可用。坏处是开销大，消息同步所有机器，导致网络带宽压力和消耗严重！其次没有扩展性可言；若某个Queue负载很重，加机器也会包含这个Queue所有数据，并没有办法线性扩展你的Queue；