前言

消息中間件是分布式系統(tǒng)常用的組件，無論是異步化、解耦、削峰等都有廣泛的應(yīng)用價(jià)值。我們通常會認(rèn)為，消息中間件是一個(gè)可靠的組件——這里所謂的可靠是指，只要我把消息成功投遞到了消息中間件，消息就不會丟失，即消息肯定會至少保證消息能被消費(fèi)者成功消費(fèi)一次，這是消息中間件最基本的特性之一，也就是我們常說的“AT LEAST ONCE”，即消息至少會被“成功消費(fèi)一遍”。

舉個(gè)例子，一個(gè)消息M發(fā)送到了消息中間件，消息投遞到了消費(fèi)程序A，A接受到了消息，然后進(jìn)行消費(fèi)，但在消費(fèi)到一半的時(shí)候程序重啟了，這時(shí)候這個(gè)消息并沒有標(biāo)記為消費(fèi)成功，這個(gè)消息還會繼續(xù)投遞給這個(gè)消費(fèi)者，直到其消費(fèi)成功了，消息中間件才會停止投遞。

然而這種可靠的特性導(dǎo)致，消息可能被多次地投遞。舉個(gè)例子，還是剛剛這個(gè)例子，程序A接受到這個(gè)消息M并完成消費(fèi)邏輯之后，正想通知消息中間件“我已經(jīng)消費(fèi)成功了”的時(shí)候，程序就重啟了，那么對于消息中間件來說，這個(gè)消息并沒有成功消費(fèi)過，所以他還會繼續(xù)投遞。這時(shí)候?qū)τ趹?yīng)用程序A來說，看起來就是這個(gè)消息明明消費(fèi)成功了，但是消息中間件還在重復(fù)投遞。

這在RockectMQ的場景來看，就是同一個(gè)messageId的消息重復(fù)投遞下來了。

基于消息的投遞可靠(消息不丟)是優(yōu)先級更高的，所以消息不重的任務(wù)就會轉(zhuǎn)移到應(yīng)用程序自我實(shí)現(xiàn)，這也是為什么RocketMQ的文檔里強(qiáng)調(diào)的，消費(fèi)邏輯需要自我實(shí)現(xiàn)冪等。背后的邏輯其實(shí)就是：不丟和不重是矛盾的(在分布式場景下)，但消息重復(fù)是有解決方案的，而消息丟失是很麻煩的。

簡單的消息去重解決方案

例如：假設(shè)我們業(yè)務(wù)的消息消費(fèi)邏輯是：插入某張訂單表的數(shù)據(jù)，然后更新庫存：

insert into t_order values .....
  update t_inv set count = count-1 where good_id = 'good123';

要實(shí)現(xiàn)消息的冪等，我們可能會采取這樣的方案：

select * from t_order where order_no = 'order123'

  if(order  != null) {
    return ;//消息重復(fù)，直接返回

}

這對于很多情況下，的確能起到不錯(cuò)的效果，但是在并發(fā)場景下，還是會有問題。

并發(fā)重復(fù)消息

假設(shè)這個(gè)消費(fèi)的所有代碼加起來需要1秒，有重復(fù)的消息在這1秒內(nèi)(假設(shè)100毫秒)內(nèi)到達(dá)(例如生產(chǎn)者快速重發(fā)，Broker重啟等)，那么很可能，上面去重代碼里面會發(fā)現(xiàn)，數(shù)據(jù)依然是空的(因?yàn)樯弦粭l消息還沒消費(fèi)完，還沒成功更新訂單狀態(tài))，

那么就會穿透掉檢查的擋板，最后導(dǎo)致重復(fù)的消息消費(fèi)邏輯進(jìn)入到非冪等安全的業(yè)務(wù)代碼中，從而引發(fā)重復(fù)消費(fèi)的問題(如主鍵沖突拋出異常、庫存被重復(fù)扣減而沒釋放等)

并發(fā)去重的解決方案之一

要解決上面并發(fā)場景下的消息冪等問題，一個(gè)可取的方案是開啟事務(wù)把select 改成 select for update語句，把記錄進(jìn)行鎖定。

select * from t_order where order_no = 'THIS_ORDER_NO' for update  //開啟事務(wù)
if(order.status != null) {
    return ;//消息重復(fù)，直接返回
}

但這樣消費(fèi)的邏輯會因?yàn)橐肓耸聞?wù)包裹而導(dǎo)致整個(gè)消息消費(fèi)可能變長，并發(fā)度下降。

當(dāng)然還有其他更高級的解決方案，例如更新訂單狀態(tài)采取樂觀鎖，更新失敗則消息重新消費(fèi)之類的。但這需要針對具體業(yè)務(wù)場景做更復(fù)雜和細(xì)致的代碼開發(fā)、庫表設(shè)計(jì)，不在本文討論的范圍。

但無論是select for update， 還是樂觀鎖這種解決方案，實(shí)際上都是基于業(yè)務(wù)表本身做去重，這無疑增加了業(yè)務(wù)開發(fā)的復(fù)雜度， 一個(gè)業(yè)務(wù)系統(tǒng)里面很大部分的請求處理都是依賴MQ的，如果每個(gè)消費(fèi)邏輯本身都需要基于業(yè)務(wù)本身而做去重/冪等的開發(fā)的話，這是繁瑣的工作量。本文希望探索出一個(gè)通用的消息冪等處理的方法，從而抽象出一定的工具類用以適用各個(gè)業(yè)務(wù)場景。

Exactly Once

在消息中間件里，有一個(gè)投遞語義的概念，而這個(gè)語義里有一個(gè)叫”Exactly Once”，即消息肯定會被成功消費(fèi)，并且只會被消費(fèi)一次。以下是阿里云里對Exactly Once的解釋：

Exactly-Once 是指發(fā)送到消息系統(tǒng)的消息只能被消費(fèi)端處理且僅處理一次，即使生產(chǎn)端重試消息發(fā)送導(dǎo)致某消息重復(fù)投遞，該消息在消費(fèi)端也只被消費(fèi)一次。

在我們業(yè)務(wù)消息冪等處理的領(lǐng)域內(nèi)，可以認(rèn)為業(yè)務(wù)消息的代碼肯定會被執(zhí)行，并且只被執(zhí)行一次，那么我們可以認(rèn)為是Exactly Once。

但這在分布式的場景下想找一個(gè)通用的方案幾乎是不可能的。不過如果是針對基于數(shù)據(jù)庫事務(wù)的消費(fèi)邏輯，實(shí)際上是可行的。

基于關(guān)系數(shù)據(jù)庫事務(wù)插入消息表

假設(shè)我們業(yè)務(wù)的消息消費(fèi)邏輯是：更新MySQL數(shù)據(jù)庫的某張訂單表的狀態(tài)：

update t_order set status = 'SUCCESS' where order_no= 'order123';

要實(shí)現(xiàn)Exaclty Once即這個(gè)消息只被消費(fèi)一次(并且肯定要保證能消費(fèi)一次)，我們可以這樣做：在這個(gè)數(shù)據(jù)庫中增加一個(gè)消息消費(fèi)記錄表，把消息插入到這個(gè)表，并且把原來的訂單更新和這個(gè)插入的動作放到同一個(gè)事務(wù)中一起提交，就能保證消息只會被消費(fèi)一遍了。

1. 開啟事務(wù)
2. 插入消息表(處理好主鍵沖突的問題)
3. 更新訂單表(原消費(fèi)邏輯)
4. 提交事務(wù)

說明：

1. 這時(shí)候如果消息消費(fèi)成功并且事務(wù)提交了，那么消息表就插入成功了，這時(shí)候就算RocketMQ還沒有收到消費(fèi)位點(diǎn)的更新再次投遞，也會插入消息失敗而視為已經(jīng)消費(fèi)過，后續(xù)就直接更新消費(fèi)位點(diǎn)了。這保證我們消費(fèi)代碼只會執(zhí)行一次。
2. 如果事務(wù)提交之前服務(wù)掛了(例如重啟)，對于本地事務(wù)并沒有執(zhí)行所以訂單沒有更新，消息表也沒插入成功;而對于RocketMQ服務(wù)端來說，消費(fèi)位點(diǎn)也沒更新，所以消息還會繼續(xù)投遞下來，投遞下來發(fā)現(xiàn)這個(gè)消息插入消息表也是成功的，所以可以繼續(xù)消費(fèi)。這保證了消息不丟失。

事實(shí)上，阿里云ONS的EXACTLY-ONCE語義的實(shí)現(xiàn)上，就是類似這個(gè)方案基于數(shù)據(jù)庫的事務(wù)特性實(shí)現(xiàn)的。更多詳情可參考：https://help.aliyun.com/document_detail/102777.html

基于這種方式，的確這是有能力拓展到不同的應(yīng)用場景，因?yàn)樗膶?shí)現(xiàn)方案與具體業(yè)務(wù)本身無關(guān)——而是依賴一個(gè)消息表。

但是這里有它的局限性

1. 消息的消費(fèi)邏輯必須是依賴于關(guān)系型數(shù)據(jù)庫事務(wù)。如果消費(fèi)的消費(fèi)過程中還涉及其他數(shù)據(jù)的修改，例如Redis這種不支持事務(wù)特性的數(shù)據(jù)源，則這些數(shù)據(jù)是不可回滾的。
2. 數(shù)據(jù)庫的數(shù)據(jù)必須是在一個(gè)庫，跨庫無法解決

注：業(yè)務(wù)上，消息表的設(shè)計(jì)不應(yīng)該以消息ID作為標(biāo)識，而應(yīng)該以業(yè)務(wù)的業(yè)務(wù)主鍵作為標(biāo)識更為合理，以應(yīng)對生產(chǎn)者的重發(fā)。阿里云上的消息去重只是RocketMQ的messageId，在生產(chǎn)者因?yàn)槟承┰蚴謩又匕l(fā)(例如上游針對一個(gè)交易重復(fù)請求了)的場景下起不到去重/冪等的效果(因消息id不同)。

更復(fù)雜的業(yè)務(wù)場景

如上所述，這種方式Exactly Once語義的實(shí)現(xiàn)，實(shí)際上有很多局限性，這種局限性使得這個(gè)方案基本不具備廣泛應(yīng)用的價(jià)值。并且由于基于事務(wù)，可能導(dǎo)致鎖表時(shí)間過長等性能問題。

例如我們以一個(gè)比較常見的一個(gè)訂單申請的消息來舉例，可能有以下幾步(以下統(tǒng)稱為步驟X)：

1. 檢查庫存(RPC)
2. 鎖庫存(RPC)
3. 開啟事務(wù)，插入訂單表(MySQL)
4. 調(diào)用某些其他下游服務(wù)(RPC)
5. 更新訂單狀態(tài)
6. commit 事務(wù)(MySQL)

這種情況下，我們?nèi)绻扇∠⒈?本地事務(wù)的實(shí)現(xiàn)方式，消息消費(fèi)過程中很多子過程是不支持回滾的，也就是說就算我們加了事務(wù)，實(shí)際上這背后的操作并不是原子性的。怎么說呢，就是說有可能第一條小在經(jīng)歷了第二步鎖庫存的時(shí)候，服務(wù)重啟了，這時(shí)候?qū)嶋H上庫存是已經(jīng)在另外的服務(wù)里被鎖定了，這并不能被回滾。當(dāng)然消息還會再次投遞下來，要保證消息能至少消費(fèi)一遍，換句話說，鎖庫存的這個(gè)RPC接口本身依舊要支持“冪等”。

再者，如果在這個(gè)比較耗時(shí)的長鏈條場景下加入事務(wù)的包裹，將大大的降低系統(tǒng)的并發(fā)。所以通常情況下，我們處理這種場景的消息去重的方法還是會使用一開始說的業(yè)務(wù)自己實(shí)現(xiàn)去重邏輯的方式，如前面加select for update，或者使用樂觀鎖。

那我們有沒有方法抽取出一個(gè)公共的解決方案，能兼顧去重、通用、高性能呢?

拆解消息執(zhí)行過程

其中一個(gè)思路是把上面的幾步，拆解成幾個(gè)不同的子消息，例如：

1. 庫存系統(tǒng)消費(fèi)A：檢查庫存并做鎖庫存，發(fā)送消息B給訂單服務(wù)
2. 訂單系統(tǒng)消費(fèi)消息B：插入訂單表(MySQL)，發(fā)送消息C給自己(下游系統(tǒng))消費(fèi)
3. 下游系統(tǒng)消費(fèi)消息C：處理部分邏輯，發(fā)送消息D給訂單系統(tǒng)
4. 訂單系統(tǒng)消費(fèi)消息D：更新訂單狀態(tài)

注：上述步驟需要保證本地事務(wù)和消息是一個(gè)事務(wù)的(至少是最終一致性的)，這其中涉及到分布式事務(wù)消息相關(guān)的話題，不在本文論述。

可以看到這樣的處理方法會使得每一步的操作都比較原子，而原子則意味著是小事務(wù)，小事務(wù)則意味著使用消息表+事務(wù)的方案顯得可行。

然而，這太復(fù)雜了!這把一個(gè)本來連續(xù)的代碼邏輯割裂成多個(gè)系統(tǒng)多次消息交互!那還不如業(yè)務(wù)代碼層面上加鎖實(shí)現(xiàn)呢。

更通用的解決方案

上面消息表+本地事務(wù)的方案之所以有其局限性和并發(fā)的短板，究其根本是因?yàn)樗蕾囉陉P(guān)系型數(shù)據(jù)庫的事務(wù)，且必須要把事務(wù)包裹于整個(gè)消息消費(fèi)的環(huán)節(jié)。

如果我們能不依賴事務(wù)而實(shí)現(xiàn)消息的去重，那么方案就能推廣到更復(fù)雜的場景例如：RPC、跨庫等。

例如，我們依舊使用消息表，但是不依賴事務(wù)，而是針對消息表增加消費(fèi)狀態(tài)，是否可以解決問題呢?

基于消息冪等表的非事務(wù)方案

以上是去事務(wù)化后的消息冪等方案的流程，可以看到，此方案是無事務(wù)的，而是針對消息表本身做了狀態(tài)的區(qū)分：消費(fèi)中、消費(fèi)完成。只有消費(fèi)完成的消息才會被冪等處理掉。而對于已有消費(fèi)中的消息，后面重復(fù)的消息會觸發(fā)延遲消費(fèi)(在RocketMQ的場景下即發(fā)送到RETRY TOPIC)，之所以觸發(fā)延遲消費(fèi)是為了控制并發(fā)場景下，第二條消息在第一條消息沒完成的過程中，去控制消息不丟(如果直接冪等，那么會丟失消息(同一個(gè)消息id的話)，因?yàn)樯弦粭l消息如果沒有消費(fèi)完成的時(shí)候，第二條消息你已經(jīng)告訴broker成功了，那么第一條消息這時(shí)候失敗broker也不會重新投遞了)

上面的流程不再細(xì)說，后文有g(shù)ithub源碼的地址，讀者可以參考源碼的實(shí)現(xiàn)，這里我們回頭看看我們一開始想解決的問題是否解決了：

1. 消息已經(jīng)消費(fèi)成功了，第二條消息將被直接冪等處理掉(消費(fèi)成功)。
2. 并發(fā)場景下的消息，依舊能滿足不會出現(xiàn)消息重復(fù)，即穿透冪等擋板的問題。
3. 支持上游業(yè)務(wù)生產(chǎn)者重發(fā)的業(yè)務(wù)重復(fù)的消息冪等問題。

關(guān)于第一個(gè)問題已經(jīng)很明顯已經(jīng)解決了，在此就不討論了。

關(guān)于第二個(gè)問題是如何解決的?主要是依靠插入消息表的這個(gè)動作做控制的，假設(shè)我們用MySQL作為消息表的存儲媒介(設(shè)置消息的唯一ID為主鍵)，那么插入的動作只有一條消息會成功，后面的消息插入會由于主鍵沖突而失敗，走向延遲消費(fèi)的分支，然后后面延遲消費(fèi)的時(shí)候就會變成上面第一個(gè)場景的問題。

關(guān)于第三個(gè)問題，只要我們設(shè)計(jì)去重的消息鍵讓其支持業(yè)務(wù)的主鍵(例如訂單號、請求流水號等)，而不僅僅是messageId即可。所以也不是問題。

此方案是否有消息丟失的風(fēng)險(xiǎn)?

如果細(xì)心的讀者可能會發(fā)現(xiàn)這里實(shí)際上是有邏輯漏洞的，問題出在上面聊到的個(gè)三問題中的第2個(gè)問題(并發(fā)場景)，在并發(fā)場景下我們依賴于消息狀態(tài)是做并發(fā)控制使得第2條消息重復(fù)的消息會不斷延遲消費(fèi)(重試)。但如果這時(shí)候第1條消息也由于一些異常原因(例如機(jī)器重啟了、外部異常導(dǎo)致消費(fèi)失敗)沒有成功消費(fèi)成功呢?也就是說這時(shí)候延遲消費(fèi)實(shí)際上每次下來看到的都是消費(fèi)中的狀態(tài)，最后消費(fèi)就會被視為消費(fèi)失敗而被投遞到死信Topic中(RocketMQ默認(rèn)可以重復(fù)消費(fèi)16次)。

有這種顧慮是正確的!對于此，我們解決的方法是，插入的消息表必須要帶一個(gè)最長消費(fèi)過期時(shí)間，例如10分鐘，意思是如果一個(gè)消息處于消費(fèi)中超過10分鐘，就需要從消息表中刪除(需要程序自行實(shí)現(xiàn))。所以最后這個(gè)消息的流程會是這樣的：

更靈活的消息表存儲媒介

我們這個(gè)方案實(shí)際上沒有事務(wù)的，只需要一個(gè)存儲的中心媒介，那么自然我們可以選擇更靈活的存儲媒介，例如Redis。使用Redis有兩個(gè)好處：

1. 性能上損耗更低
2. 上面我們講到的超時(shí)時(shí)間可以直接利用Redis本身的ttl實(shí)現(xiàn)

當(dāng)然Redis存儲的數(shù)據(jù)可靠性、一致性等方面是不如MySQL的，需要用戶自己取舍。

源碼：RocketMQDedupListener

以上方案針對RocketMQ的Java實(shí)現(xiàn)已經(jīng)開源放到Github中，具體的使用文檔可以參考https://github.com/Jaskey/RocketMQDedupListener ，

以下僅貼一個(gè)Readme中利用Redis去重的使用樣例，用以意業(yè)務(wù)中如果使用此工具加入消息去重冪等的是多么簡單：

//利用Redis做冪等表
DefaultMQPushConsumer consumer = new DefaultMQPushConsumer("TEST-APP1");
        consumer.subscribe("TEST-TOPIC", "*");

        String appName = consumer.getConsumerGroup();// 大部分情況下可直接使用consumer group名
        StringRedisTemplate stringRedisTemplate = null;// 這里省略獲取StringRedisTemplate的過程
        DedupConfig dedupConfig = DedupConfig.enableDedupConsumeConfig(appName, stringRedisTemplate);
        DedupConcurrentListener messageListener = new SampleListener(dedupConfig);

        consumer.registerMessageListener(messageListener);
        consumer.start();

以上代碼大部分是原始RocketMQ的必須代碼，唯一需要修改的僅僅是創(chuàng)建一個(gè)DedupConcurrentListener示例，在這個(gè)示例中指明你的消費(fèi)邏輯和去重的業(yè)務(wù)鍵(默認(rèn)是messageId)。

更多使用詳情請參考Github上的說明。

這種實(shí)現(xiàn)是否一勞永逸?

實(shí)現(xiàn)到這里，似乎方案挺完美的，所有的消息都能快速的接入去重，且與具體業(yè)務(wù)實(shí)現(xiàn)也完全解耦。那么這樣是否就完美的完成去重的所有任務(wù)呢?

很可惜，其實(shí)不是的。原因很簡單：因?yàn)橐ＷC消息至少被成功消費(fèi)一遍，那么消息就有機(jī)會消費(fèi)到一半的時(shí)候失敗觸發(fā)消息重試的可能。還是以上面的訂單流程X：

• 檢查庫存(RPC)
• 鎖庫存(RPC)
• 開啟事務(wù)，插入訂單表(MySQL)
• 調(diào)用某些其他下游服務(wù)(RPC)
• 更新訂單狀態(tài)
• commit 事務(wù)(MySQL)

當(dāng)消息消費(fèi)到步驟3的時(shí)候，我們假設(shè)MySQL異常導(dǎo)致失敗了，觸發(fā)消息重試。因?yàn)樵谥卦嚽拔覀儠h除冪等表的記錄，所以消息重試的時(shí)候就會重新進(jìn)入消費(fèi)代碼，那么步驟1和步驟2就會重新再執(zhí)行一遍。如果步驟2本身不是冪等的，那么這個(gè)業(yè)務(wù)消息消費(fèi)依舊沒有做好完整的冪等處理。

本實(shí)現(xiàn)方式的價(jià)值?

那么既然這個(gè)并不能完整的完成消息冪等，還有什么價(jià)值呢?價(jià)值可就大了!雖然這不是解決消息冪等的銀彈(事實(shí)上，軟件工程領(lǐng)域里基本沒有銀彈)，但是他能以便捷的手段解決：

1.各種由于Broker、負(fù)載均衡等原因?qū)е碌南⒅赝哆f的重復(fù)問題

2.各種上游生產(chǎn)者導(dǎo)致的業(yè)務(wù)級別消息重復(fù)問題

3.重復(fù)消息并發(fā)消費(fèi)的控制窗口問題，就算重復(fù)，重復(fù)也不可能同一時(shí)間進(jìn)入消費(fèi)邏輯

一些其他的消息去重的建議

也就是說，使用這個(gè)方法能保證正常的消費(fèi)邏輯場景下(無異常，無異常退出)，消息的冪等工作全部都能解決，無論是業(yè)務(wù)重復(fù)，還是rocketmq特性帶來的重復(fù)。

事實(shí)上，這已經(jīng)能解決99%的消息重復(fù)問題了，畢竟異常的場景肯定是少數(shù)的。那么如果希望異常場景下也能處理好冪等的問題，可以做以下工作降低問題率：

1. 消息消費(fèi)失敗做好回滾處理。如果消息消費(fèi)失敗本身是帶回滾機(jī)制的，那么消息重試自然就沒有副作用了。
2. 消費(fèi)者做好優(yōu)雅退出處理。這是為了盡可能避免消息消費(fèi)到一半程序退出導(dǎo)致的消息重試。
3. 一些無法做到冪等的操作，至少要做到終止消費(fèi)并告警。例如鎖庫存的操作，如果統(tǒng)一的業(yè)務(wù)流水鎖成功了一次庫存，再觸發(fā)鎖庫存，如果做不到冪等的處理，至少要做到消息消費(fèi)觸發(fā)異常(例如主鍵沖突導(dǎo)致消費(fèi)異常等)
4. 在#3做好的前提下，做好消息的消費(fèi)監(jiān)控，發(fā)現(xiàn)消息重試不斷失敗的時(shí)候，手動做好#1的回滾，使得下次重試消費(fèi)成功。