前言 循环依赖分为2类: RPC服务间（dubbo、http）循环依赖 应用间循环依赖 Dubbo缺省会在启动时检查依赖的服务是否可用，不可用时会抛出异常，防止Spring初始化完成。这种情况我们就叫做RPC服务间循环依赖。出现了循环依赖，必须有一方先启动。所以这种问题是一定需要解决的。 应用间循环依赖大致情况如下: A应用调用B应用的服务，B应用也会调用A应用的服务，无论是间接调用还是直接调用。 这种循环依赖刚开始不会出现问题 ，但随着代码变更，有可能会发展为RPC服务间循环依赖。 可以通过check=
RocketMQ 5.0： 云原生“消息、事件、流”实时数据处理平台，覆盖云边端一体化数据处理场景。
因业务发展需要现在的系统不足以支撑现在的用户量，于是我们在一周之前着手项目的性能优化与分布式部署的相关动作。 概况 现在的系统是基于RabbitHub（一套开源的开发时框架）和Rabbit.WeiXin（开源的微信开发SDK）开发的一款微信应用类系统，主要业务是围绕当下流行的微信元素，如：微官网、微商城、微分销、营销活动、会员卡等。 关于RabbitHub详情请戳： .NET 平台下的插件化开发内核（Rabbit Kernel） RabbitHub开源情况及计划 关于Rabbit.WeiXin详情请戳： .
2018 年，做为架构负责人，接到一个架构需求：实现一个简单易用的 RocketMQ SDK 。
背景：公司最早的一个版本的订单管理，是通过PHP+mysql的方案去实现的，这样会有什么问题呢，假设如果放到一个实例里面，全部用一个单机事务去解决，这样是能比较方便的解决数据一致性问题。但是存在两个问题，一是无法进行多实例部署，用户量增长以后，无法快速应对。二是，PHP中做事务，如果PHP遇到异常，有时并不会自动终止事务，导致DB被锁住，这是第一个版本。之后，我们推出了第二个版本V2，这个版本的时候，我们已经开发好了，库存管理系统，优惠券管理系统，PHP中，已经不直接通过DB去修改库存和优惠券，而是通过接口访问的方式去请求SERVER进行修改。这个版本，实际上已经从逻辑上，把订单系统和库存管理，优惠券管理系统已经独立出来了。数据层面已经可以独立部署，不再依赖一个单机事务去实现数据一致性功能了。但这个版本虽然解决了数据分布的问题，但同时引入了一个新的问题，就是数据在订单，库存，优惠券之间无法保证一致性。举个例子：下个订单，调用库存成功，锁定优惠券失败，生成订单失败。这时候就会导致优惠券数据不一致性情况出来，未下单的优惠券也被锁住了。有同事可能会问：订单如果创建失败，那直接回滚优惠券操作，即去解锁优惠券系统即可实现数据一致性。不错，很多时候，是可以这么操作，但如果你回滚的时候，失败了呢？你是继续在这等着直到成功，还是继续等着？呵呵。。
官方文档: https://rocketmq.apache.org/zh/docs/introduction/02concepts
1、yml配置 alimq: ProducerId: PRODUCER（mq中定义） ConsumerId: CONSUMER（mq中定义） AccessKey: SecretKey: ONSAddr: http://onsaddr-internet.aliyun.com/rocketmq/nsaddr4client-internet SendMsgTimeoutMillis: 3000 topic: TOPIC #mq开关 0-
RocketMQ 消费异常，但是重试间隔时间太长（HTTP协议重试策略），需要快速定位到系统异常问题，所以需要手动在控制台发送消息并且发送。
我们的系统完成某项操作之后，会推送事件消息到业务方的接口。当我们调用业务方的通知接口返回值为成功时，表示本次推送消息成功；当返回值为失败时，则会多次推送消息，直到返回成功为止(保证至少成功一次)。
实现Runnable接口和继承Thread可以得到一个线程类，new一个实例出来，线程就进入了初始状态 英文翻译过来是线程还是没有开始执行。 首先，既然已经有状态了，那肯定是已经创建好线程对象了（如果对象都没有，何来状态这一说？），这样一来问题的焦点就在于还没有开始执行，我们都知道当调用线程的start()方法时，线程不一定会马上执行，因为Java线程是映射到操作系统的线程进行执行，此时可能还需要等操作系统调度，但此时该线程的状态已经为RUNNABLE了
实现Runnable接口和继承Thread可以得到一个线程类，new一个实例出来，线程就进入了初始状态
早晨起来，听着杰伦的新歌《等你下课》，轻快的旋律，动听的曲调，让我回想18岁的我........
我们通常会认为，消息中间件是一个可靠的组件——这里所谓的可靠是指，只要我把消息成功投递到了消息中间件，消息就不会丢失，即消息肯定会至少保证消息能被消费者成功消费一次，这是消息中间件最基本的特性之一，也就是我们常说的“AT LEAST ONCE”，即消息至少会被“成功消费一遍”。
消息中间件是分布式系统常用的组件，无论是异步化、解耦、削峰等都有广泛的应用价值。我们通常会认为，消息中间件是一个可靠的组件——这里所谓的可靠是指，只要我把消息成功投递到了消息中间件，消息就不会丢失，即消息肯定会至少保证消息能被消费者成功消费一次，这是消息中间件最基本的特性之一，也就是我们常说的“AT LEAST ONCE”，即消息至少会被“成功消费一遍”。
为了防止消息重复消费导致业务处理异常，消息队列RocketMQ版的消费者在接收到消息后，有必要根据业务上的唯一Key对消息做幂等处理。本文介绍消息幂等的概念、适用场景以及处理方法。
RocketMQ作为一款分布式的消息中间件（阿里的说法是不遵循任何规范的，所以不能完全用JMS的那一套东西来看它），经历了Metaq1.x、Metaq2.x的发展和淘宝双十一的洗礼，在功能和性能上远超ActiveMQ。
这个场景是非常常见，毕竟纯粹的单表的CRUD比较少，大部分时候都是操作了某个表、某个业务，然后需要多个表进行更改。
如果使用 Docker 技术来架构微服务体系，服务发现就是一个必然的课题。目前主流的服务发现模式有两种：客户端发现模式，以及服务端发现模式。 客户端发现模式 客户端发现模式的架构图如下： 客户端发现模式的典型实现是Netflix体系技术。客户端从一个服务注册服务中心查询所有可用服务实例。客户端使用负载均衡算法从多个可用的服务实例中选择出一个，然后发出请求。比较典型的一个开源实现就是 Netflix 的 Eureka。 Netflix-Eureka Eureka 的客户端是采用自注册的模式，客户端需要负责
分布式消息系统作为实现分布式系统可扩展、可伸缩性的关键组件，需要具有高吞吐量、高可用等特点。而谈到消息系统的设计，就回避不了两个问题：
继我上一篇博客后 分布式消息队列RocketMQ学习教程① 上一篇博客最主要介绍了几种常用的MQ，所以本博客再简单介绍一下RocketMQ的原理和简单的例子，基于Java实现，希望可以帮助学习者
如果您也对Java感兴趣，我的文章能帮助到您，加入【Go Big】一起进步。群号：243108249
转自：https://github.com/alibaba/RocketMQ/wiki/rmq_vs_kafka 淘宝内部的交易系统使用了淘宝自主研发的Notify消息中间件，使用MySQL作为消息存储媒介，可完全水平扩容，为了进一步降低成本，我们认为存储部分可以进一步优化，2011年初，Linkin开源了Kafka这个优秀的消息中间件，淘宝中间件团队在对Kafka做过充分Review之后，Kafka无限消息堆积，高效的持久化速度吸引了我们，但是同时发现这个消息系统主要定位于日志传输，对于使用在淘宝交易、订
现在基本上大数据的场景中都会有kafka的身影，那么为什么这些场景下要用kafka而不用其他传统的消息队列呢？例如rabbitmq。主要的原因是因为kafka天然的百万级TPS，以及它对接其他大数据组件的流处理功能，比如可以更好的对接Apache storm。本文只是讨论kafka作为消息队列的功能及一些用法。
上一文对消费者组的一些概念，基本原理进行了简单描述，本文继续来聊聊消费者组中另外一个比较重要的内容：偏移量的存储。
我们启动生产者，然后请求send接口，然后打开rabbitmq控制台发现多了一个名为”byte-zb“的交换机和队列，并且队列中出现了一个未消费的消息，然后启动消费者，我们会在控制台上发现打印了一条消息，同时rabbitmq控制台中”byte-zb“的队列中消息没有了。
最近mq越来越火，很多公司在用，很多人在用，其重要性不言而喻。但是如果我让你回答下面的这些问题：
《Kafka重要知识点之消费组概念》讲到了kafka的消费组相关的概念，消费组有多个消费者，消费组在消费一个Topic的时候，kafka为了保证消息消费不重不漏，kafka将每个partition唯一性地分配给了消费者。但是如果某个消费组在消费的途中有消费者宕机或者有新的消费者加入的时候那么partition分配就是不公平的，可能导致某些消费者负载特别重，某些消费者又没有负载的情况。Kafka有一种专门的机制处理这种情况，这种机制称为Rebalance机制。
如果胖友还没了解过分布式消息队列 Apache RocketMQ ，建议先阅读下艿艿写的 《芋道 RocketMQ 极简入门》 文章。虽然这篇文章标题是安装部署，实际可以理解成《一文带你快速入门 RocketMQ》，哈哈哈。
这个工作流程涵盖了Kafka消费者从配置到数据处理再到资源管理的主要步骤。消费者通常是多线程或多进程的，以处理大量的消息，并能够根据需要调整消费速率。此外，Kafka的消费者库提供了很多功能，如自动负载均衡、自动偏移管理等，以简化消费者的开发和维护。
以前我们讨论的消费组，都是 group 的形式，group 可以自动地帮助消费者分配分区，且在发生异常时，还能自定地进行重平衡（Rebalance）。正常来说，group 帮助用户实现自动监听分区消费，但是在用户需要指定分区进行精确消费的场景下，由于 group 的重平衡机制，会打破这种消费方式，这不前段时间某项目就有个需求是这样的：
消息的可靠性是 RabbitMQ 的一大特色，那么 RabbitMQ 是如何保证消息可靠性的呢——消息持久化。
因笔者一直从事的是电商相关行业，顾名思义，我定位的上级就是各个电商平台，第三方等、下级类似于各个商家。
Redis 怎么做消息队列？ - Kaito的回答 - 知乎 https://www.zhihu.com/question/20795043/answer/1931265868
在现代分布式系统中，消息队列和事件驱动架构变得越来越重要，它们在异步处理、解耦服务组件、实现事件驱动的微服务等方面发挥着关键作用。Redis，作为一款多功能的开源数据结构存储系统，自4.0版本开始引入了Stream数据结构，为构建高效的消息队列和事件驱动系统提供了新的可能。本文将深入解析Redis Stream的特性、操作命令，并通过具体案例展示其在实际场景中的应用。
是这样的，Kafka的异步提交消息相比同步提交，不需要在brocker响应前阻塞线程。
上篇文章介绍了rabbitmq的基本知识、交换机类型实战《【消息队列之rabbitmq】学习RabbitMQ必备品之一》 这篇文章主要围绕着消息确认机制为中心，展开实战；接触过消息中间件的伙伴都知道，消息会存在以下问题： 1、消息丢失问题和可靠性投递问题； 2、消息如何保证顺序消费； 3、消息如何保证幂等性问题，即重复消费问题等等… 本文主要以Rabbitmq消息中间件解决问题一的实践，其他问题小编会重新写文章总结；
生产者的任务就是将消息添加到Redis的Sorted Set中。首先，需要计算出消息添加到Redis的SlotKey，如果发送方指定了消息的slotBasis，则计算slotBasis的CRC32值，CRC32值对槽数量进行取模得到槽序号，SlotKey设计为#{topic}_#{index}，其中#{}表示占位符。然后，不同类型的消息有不同的添加方式，因此分布式讲述的三种消息类型的添加过程
当一个信道上建立的消费者订阅了一个队列，有可能出现各种原因导致消费停止。一个很明显的原因就是客户端在同一个信道上发出basic.cancel命令，消息中间件代理响应basic.cancel-ok，将会导致消费者被取消。还有其他的事件如队列的删除或者集群方案所在队列的集群节点失败也有可能导致消费者被取消，消费者被取消这个事件并不会通知客户端对应的信道，这样子会造成客户端无法感知消费者被取消。
也些人则反对，认为 Redis 会「丢」数据，最好还是用「专业」的队列中间件更稳妥。
使用Go的过程记录了全部的rabbitmq的go代码，方便自己下次Copy，go的资料比较少，seo估计很好做，流量速度过来。
在一次测试Kafka通过consumer.subscribe()指定偏移量Offset消费过程中，因为设置参数不当，出现了一个异常提示——
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
