本次分享的消息队列面试题
1）如何保证消息队列的高可用？
2）如何保证消息不被重复消费（如何保证消息消费时的幂等性）？

一、如何保证消息队列的高可用性

在上一讲（1）中，我们知道消息队列虽然给我们的项目提供了解耦、异步、削峰的作用，但是它也带来了缺点，比如如何保证消息队列的高可用？万一消息队列宕机了，那么整个系统将无法运行。


1、RabbitMQ的高可用性
首先，RabbitMQ是基于主从来做高可用的，一般RabbitMQ有三种模式，单机模式、普通集群模式、镜像集群模式

单机模式

单机模式就是最简单的，适用于我们平时练习、学习MQ，生产环境下不采取这种模式。

普通集群模式

在多台机器上启动多个rabbitmq实例，每个机器启动一个。但是创建的queue，只会放在一个rabbtimq实例上，每个实例都同步queue的元数据。当用户需要消费的时候，如果连接到了另外一个实例，那么那个实例会从queue所在实例上拉取数据过来。
这种方式确实很麻烦，也不怎么好，没做到所谓的分布式，就是个普通集群。因为这导致要么消费者每次随机连接一个实例然后去拉取数据，要么固定连接那个queue所在实例消费数据，前者有数据拉取的开销，后者导致单实例性能瓶颈。而且如果放queue的实例宕机了，会导致接下来其他实例就无法从那个实例拉取，如果你开启了消息持久化，让rabbitmq落地存储消息的话，消息不一定会丢，得等这个实例恢复了，然后才可以继续从这个queue拉取数据。这种方式没有高可用性可言了，这方案主要是提高吞吐量的，就是说让集群中多个节点来服务某个queue的读写操作。

镜像集群模式


这种模式，才能算是rabbitmq的高可用模式，跟普通集群模式不一样的是，我们创建的queue，无论元数据还是queue里的消息都会存在于多个实例上，然后每次写消息到queue的时候，都会自动把消息同步到多个实例的queue里。这样的话，好处在于，任何一个机器宕机了，其他机器还可以使用。坏处在于，第一，性能开销太大，消息同步所有机器，导致网络带宽压力和消耗很重。第二，没有扩展性，如果某个queue负载很重，即使加了机器，新增的机器也包含了这个queue的所有数据，并没有办法线性扩展queue。

如何开启这个镜像集群模式？简单说一下，rabbitmq有很好的管理控制台，可以在后台新增一个策略，这个策略是镜像集群模式的策略，可以要求数据同步到所有的节点，也可以要求就同步到指定数量的节点，然后再次创建queue的时候，应用这个策略，就会自动将数据同步到其他的节点上去。

2、kafka的高可用性


kafka由多个broker组成，每个broker是一个节点；创建一个topic，这个topic可以划分为多个partition，每个partition可以存在于不同的broker上，每个partition存放一部分数据。kafka是天然的分布式消息队列，一个topic的数据，是分散放在多个机器上的，每个机器就放一部分数据。
kafka 0.8以前，是没有HA机制的，任何一个broker宕机了，这个broker上的partition就废了，没法写也没法读，没有什么高可用性可言。
kafka 0.8以后，提供了HA机制，就是replica副本机制。每个partition的数据都会同步到其他机器上，形成自己的多个副本。然后所有副本会选举一个leader出来，生产和消费都跟这个leader打交道，然后其他副本就是follower。写的时候，leader会负责把数据同步到所有follower上去，读的时候就直接读leader上数据即可。
只能读写leader的原因在于，如果可以随意读写每个follower，那么就要关心数据一致性的问题，这样就会导致系统复杂度太高，很容易出问题。
kafka会均匀的将一个partition的所有副本分布在不同的机器上，从而可以提高容错性。


这样子kafka就有所谓的高可用性了，因为如果某个broker宕机了，这个broker上面的partition在其他机器上都有副本的，如果这上面有某个partition的leader，那么此时会重新选举一个新的leader出来，然后继续读写那个新的leader即可。
当在写数据的时候，生产者就写给leader，然后leader将数据落地写本地磁盘，接着其他follower自己主动从leader来pull数据。一旦所有follower同步好数据了，就会发送ack给leader，leader收到所有follower的ack之后，就会返回写成功的消息给生产者。（这只是其中一种模式，还可以适当调整这个行为）消费的时候，只会从leader去读，但是只有一个消息已经被所有follower都同步成功返回ack的时候，这个消息才会被消费者读到。

二、如何保证消息不被重复消费（如何保证消息消费时的幂等性）

    首先先说一说，有哪些重复消费的情况发生
    
    那么重复消费发生了，如何保证幂等性？
    假设你有个系统，消费一条往数据库里插入一条，要是一个消息重复两次，就会发生向数据库中插入了两条记录的情况发生，这数据不就发生错了。但是如果消费到第二次的时候，自己判断一下是否已经消费过了，如果消费了就直接扔了，一条数据重复出现两次，数据库里就只有一条数据，这就保证了系统的幂等性。
    幂等性，通俗点说，就一个数据，或者一个请求，重复来了多次请求，但是必须确保对应的数据是不会改变，不能出错。
    怎么保证消息队列消费的幂等性，其实还是得结合业务来思考，这里给几个思路：
    1）比如消费者要去数据库写数据，在写数据前，先根据主键查一下，如果这数据已经存在了，就别插再插入一条数据，可以进行update操作
    2）比如是写redis，因为每次都是写进set集合中，而set集合又有天然幂等性
    3）比如不是上面两个场景，那做的稍微复杂一点，需要让生产者发送每条数据的时候，里面加一个全局唯一的id，类似订单id之类的东西，然后消费者消费时，先根据这个id去redis里查一下之前是否消费过了，如果没有消费过，就处理，然后将这个id写进redis。如果消费过了，那就别处理，保证别重复处理相同的消息即可。
    4）比如基于数据库的唯一键来保证重复数据不会重复插入多条