​

消息推送

最近在做消息相关的工作，先说下为何考虑使用消息，在我们的服务，当任务节点完成，或者任务创建，要发送一条提醒给相关人员，在旧的版本中使用的异步调用，但是这个会有个问题，就是有时异步方法不执行。今天我们先不看这个异步调用的的，我们直接使用消息队列进行处理消息。这样能够进行解耦，同时可以处理接口响应速度，因为feign调用是阻塞的，所以我们有必要将消息推送服务这样的耗时服务，给抽取处理，加快接口响应速度。

旧版本使用处理的的形式

在旧版本中我们使用的是java8的异步调用，今天我们先不进行深入探讨这个java8的CompltableFuture这个类的。这里在使用CompletableFuture的时候，并没有自定义线程池，默认那么就是ForkJoinPool。在生产环境中，有时这个RunAsync()异步调用是不起作用，也就是说有是是没有执行的。这里也没有详细的去探讨这个问题

技术选型

Spring Cloud Stream+ RabbitMQ

为何采用stream，因为项目本身就是微服务，Spring Cloud Stream是一个用来为微服务应用构建消息驱动能力的框架。它可以基于Spring Boot来创建独立的、可用于生产的Spring应用程序。它通过使用Spring Integration来连接消息代理中间件以实现消息事件驱动的微服务应用。使用Stream可以降低中间件与我们系统之间的 耦合性，我们可以让rabbitMq切换为Kafka,可以不用修改代码。只需要修改一些配置即可。

基本实现

为了将发送消息和业务进行解耦，我们只需将发送消息的服务和调用服务加入一层中间件，让消息服务通过中间间的的调用达到与业务进行解耦。

1. 将要发送通知或者消息封装到一个对象中通过 实现（通道配置，以及通道与exchange绑定进行发送消息进行绑定），通过自定义通道进行发送消息。这样直接丢到rabbitMq中后续rangrabbitMq进行做操作
2. 在不同的服务中可以绑定不同的信道，所以我们可以做后续处理的时候将rabbitMq的监听队列应用在不同的服务中（监听不同的信道），只需要进行监听，监听后将数据进行解析，如果需要调用推送服务直接调用推送服务进行推送，如果需要调用消息进行信息的情况我们进行更新消息数据表即可。

public interface MessageSoure{@Output("messageoutput")MessageChangel messageOutput();
}
// 信道与交换加绑定@EnableBinding(MessageSource.class)
@Service
public class MessageProduce{// 注入自定义通道@Autowiredprivate MessageSource messageSource;public void send(String message){messageSource.output().send(MessageBuilder.withPayload(message).build())}
}// 使用时直接注入Service 进行调用send方法
private MessageProduce messageProduce;// sink
public interface PlanMessageSink {String PLAN_INPUT = "planInput";@Input(PlanMessageSink.PLAN_INPUT)SubscribableChannel planMessageInput();
}@EnableBinding(PlanMessageSink.class)
@Slf4j
@Service
public class PlanMessageConsumer {@Autowiredprivate GtMessageService messageFeignService;@StreamListener(PlanMessageSink.PLAN_INPUT)public void receive(String message){// 1.进行json解析// 2.调用消息发现服务}
}

可扩展项：

1. 消息消费的保证
2. 消息持久化
3. 消息记录
4. 消息重试

需要解决的问题

消息消费的保证

1. 如果消息未成功消费(消费失败)可通过以下解决。

• 将消息重新塞入队列 。通过配置spring.cloud.stream.bindings.example-topic-input.consumer.requeue-rejected=true 这个配置会将消费失败的消息进行重新执行。直到消费成功为止。
• 自动重试。设置重试次数 spring cloud stream默认的会设置重试次数为3次 同时我们可以进行修改重试次数的默认值 spring.cloud.stream.bindings.example-topic-input.consumer.max-attempts=1。如果超过重试次数则进入死信对列进入DLQ进行处理
• 进行降级处理。通过在消费端进行配置 @ServiceActivator(inputchannel=“test-topic.stream-exception-handler.errors”) 注解的方法进行执行。test-topic->destination . handler-> group 相应的降级的。这一种也不能真正保证 也只能通过记录和后续处理来解决
• 使用DLQ队列。开启DLQ spring.cloud.stream.rabbit.bindings.example-topic-input.consumer.auto-bind-dlq=true （这个配置+设置计数器 能够解决消息堆积问题）。 需要装DLQ插件 可以控制消息在DLQ中存活时间。还可以配置消息加入死信队列的时候的错误。

如何保证消息不会被重复消费

1. 将消息进行分组。当我们指定了某个绑定所指向的消费组之后，往当前主题发送的消息在每个订阅消费组中，只会有一个订阅者接收和消费，从而实现了对消息的负载均衡。只所以之前会出现重复消费的问题，是由于默认情况下，任何订阅都会产生一个匿名消费组，所以每个订阅实例都会有自己的消费组，从而当有消息发送的时候，就形成了广播的模式.只需要在生产者和消费者加入group属性即可。

经过以上的流程分析，再将系统中的需要发送消息的位置进行埋点，实现解耦，将业务耗时程序进行分离，加快了接口响应的速度，暂时在系统中使用的有这些，下面如再有改动，再将stream进行改动，达到想要的效果。

​这样构建了生产消费模型，进行解耦出消息发送服务，独立于其他服务。完美解耦。