消息队列面试题

目录

消息队列面试题

一、消息队列基础

1.消息队列（MQ）是什么？为什么要使用它？

2.消息队列的核心组成部分有哪些？

3.消息队列的应用场景有哪些？

4.如何选择合适的消息队列？

5.如何保证消息的可靠传输（防止丢失消息）？

6.如何防止消息重复消费？

7.如何防止消息积压？

---

消息队列面试题

以下是 消息队列（Message Queue, MQ） 相关的常见面试题，涵盖 基本概念、应用场景、性能优化、故障处理 等方面。

一、消息队列基础

1.消息队列（MQ）是什么？为什么要使用它？

消息队列（Message Queue, MQ） 是一种用于异步通信的组件，允许不同的应用或服务之间通过发送和接收消息进行交互。 它的主要作用包括：

• 解耦：生产者和消费者相互独立，降低系统耦合度。

• 削峰填谷：应对流量高峰，防止系统过载。

• 异步处理：加快请求响应，提高系统吞吐量。

• 可靠性保障：保证消息的持久化和可靠投递，防止数据丢失。

2.消息队列的核心组成部分有哪些？

MQ 主要由以下几个部分组成：

• 生产者（Producer）：发送消息的一方。

• 消息代理（Broker）：负责存储、路由和分发消息。

• 消费者（Consumer）：接收并处理消息的一方。

• 消息队列（Queue）：存储待处理的消息。

• 主题（Topic）：用于发布-订阅模式，生产者发布消息，多个消费者订阅消息。

• 交换机（Exchange）（RabbitMQ 特有）：决定消息如何路由到队列。

3.消息队列的应用场景有哪些？

解耦：

• 订单系统 -> 支付系统

• 生产者只负责发送消息，不需要关心消费者是否成功处理。

削峰填谷（流量控制）：

• 高峰期时，将大量请求存入队列，后台慢慢处理，避免系统崩溃。

• 例子：秒杀系统

异步处理：

• 业务流程拆分，提高系统吞吐量。

• 例子：用户注册后，邮件/短信通知异步发送。

流量削减（限流）：

• 消息队列+消费者限流，防止流量突然暴增压垮数据库。

日志收集：

• 通过 Kafka 采集日志数据，存入大数据系统分析。

4.如何选择合适的消息队列？

高吞吐场景：Kafka > RocketMQ

可靠性要求高（金融、订单）: RabbitMQ、RocketMQ

事务支持（保证消息一致性）: RocketMQ > RabbitMQ

日志收集、大数据：Kafka > Pulsar

跨平台、传统系统：ActiveMQ

5.如何保证消息的可靠传输（防止丢失消息）？

消息传输涉及 生产者、Broker、消费者 三个环节，每个环节都可能丢失消息，因此需要采取相应的措施来保证消息的可靠性。

1️⃣ 生产者 -> 消息确认机制（确保消息投递成功）

生产者需要确保消息成功发送到 Broker，可以使用发送确认机制：

• 同步发送（Sync Send）：生产者等待 Broker 确认消息接收，保证消息可靠投递，但会增加延迟。

• 异步发送（Async Send）：性能较高，但可能丢失消息，需要重试机制。

• 发送失败重试：生产者发送消息失败时，进行重试或持久化存储后再发送。

RabbitMQ 提供 Publisher Confirms（发布者确认） 机制，确保消息被正确投递到 Broker。

2️⃣ Broker -> 持久化存储（确保消息不会丢失）

消息持久化 确保 Broker 在宕机或崩溃后能够恢复数据。

方案：

• RabbitMQ

  • 开启 消息持久化（deliveryMode=2，确保消息写入磁盘）。

  • 持久化队列（durable=true），确保队列数据存储到磁盘。

• Kafka

  • 日志存储（WAL 机制）：消息写入磁盘后才算投递成功。

  • 副本机制（ISR）：确保数据被多个副本存储，防止丢失。

• RocketMQ

  • 采用刷盘机制（同步刷盘/异步刷盘）提高可靠性。

3️⃣ 消费者 -> 幂等性 & 手动 ACK（防止消息丢失和重复消费）

消费者处理消息后，需要确保消息不会丢失或重复处理。

消息丢失

• 手动 ACK：消费者处理完业务后，手动确认（ACK）消息，防止消费失败导致数据丢失。

• 消息重试：消费失败后，消息重新入队或重试队列。

消息重复

• 幂等性设计：

  • 唯一 ID（例如订单 ID）记录已处理消息，防止重复消费。

  • 使用 数据库唯一约束 或 Redis SET 记录消费状态。

• RabbitMQ：开启 ACK 机制（autoAck=false），确保消息正确消费后才从队列删除。

• Kafka：通过 消费者位移（Offset）管理，防止重复消费。

• RocketMQ：事务消息，确保消息幂等处理。

6.如何防止消息重复消费？

消息去重 + 幂等性

• Redis

  • 使用 SETNX（分布式锁） 确保相同消息不被重复处理。

  • 记录 消费的消息 ID，如果已消费，则丢弃。

• 数据库

  • 通过 唯一索引（如订单号）避免重复插入数据。

• Kafka

  • 使用事务消费者，确保消息消费后才提交位移（Offset）。

7.如何防止消息积压？

消息积压（消息堆积在队列中）可能会导致系统崩溃，需要及时处理：

✅ 增加消费者数量：提高消费能力，减少积压。 ✅ 消费分区（Kafka、RocketMQ）：使用多个分区，让多个消费者并行处理。 ✅ 限流（Rate Limit）：

• 采用 漏桶算法、令牌桶算法，限制消息消费速率。

• 适用于 消息突增 场景，避免消费者过载。 ✅ 消费重试队列（Dead Letter Queue, DLQ）：

• RabbitMQ/Kafka 支持死信队列，将失败消息转移到死信队列中，避免影响正常队列。