RabbitMQ队列阻塞该如何处理_prefetchcount 消息阻塞

概述

事故经过

由于大量商户反应收不到推送，第一反应是不是推送系统挂了，导致没有进行推送。于是让运维检查推送系统个节点的情况，发现都正常。于是打开RabbitMQ的管控台看了一下，人都蒙了。已经有几万条消息处于ready状态，还有几百条unacked的消息。
以为推送服务和MQ连接断开了，导致无法推送消息，于是让运维重启推送服务，将所有的推送服务重启完，发现unacked的消息全部变成ready，但是没过多久又有几百条unacked的消息了，这个就很明显了能消费，没有进行ack呀。
当时以为是网络问题，导致MQ无法接收到ack，让运维检查了一下，发现网络没问题。现在看真的是傻，网络有问题连接都连不上。由于确定的是无法ack造成的，立马将ack模式由原来的manual改成auto紧急发布。将所有的节点升级好以后，发现推送正常了。
你以为这就结束了其实没有，没过多久发现有一台MQ服务出现异常，由于生产采用了镜像队列，立即将这台有问题的MQ从集群中移除了。直接进行重置，然后加回集群。这事情算是告一段落了。此时已经接近24:00了。
时间来到第二天上午10:00，运维那边又出现报警了，说推送系统有台机器，磁盘快被写满了，并且占用率很高。

事故重现-队列阻塞

MQ配置

spring:
  # 消息队列
  rabbitmq:
    host: 10.0.0.53
    username: guest
    password: guest
    virtual-host: local
    port: 5672
    # 消息发送确认
    publisher-confirm-type: correlated
    # 开启发送失败退回
    publisher-returns: true
    listener:
      simple:
        # 消费端最小并发数
        concurrency: 1
        # 消费端最大并发数
        max-concurrency: 5
        # 一次请求中预处理的消息数量
        prefetch: 2
        # 手动应答
        acknowledge-mode: manual
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

问题代码

@RabbitListener(queues = ORDER_QUEUE)
public void receiveOrder(@Payload String encryptOrderDto,  @Headers Map<String,Object> headers, Channel channel)  throws Exception {
    // 解密和解析
    String decryptOrderDto = EncryptUtil.decryptByAes(encryptOrderDto);
    OrderDto orderDto = JSON.parseObject(decryptOrderDto, OrderDto.class);
    try {
        // 模拟推送
        pushMsg(orderDto);
    }catch (Exception e){
        log.error("推送失败-错误信息:{},消息内容:{}", e.getLocalizedMessage(), JSON.toJSONString(orderDto));
    } finally {
        // 消息签收
        channel.basicAck((Long) headers.get(AmqpHeaders.DELIVERY_TAG),false);
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

看起来好像没啥问题。由于和交易系统约定好，订单数据需要先转换json串，然后再使用AES进行加密，所以这边需要，先进行解密然后在进行解析。才能得到订单数据。
为了防止消息丢失，交易系统做了失败重发机制，防止消息丢失，不巧的是重发的时候没有对订单数据进行加密。这就导致推送系统，在解密的时候出异常，从而无法进行ack。

模拟推送

# 发送3条正常的消息
curl http://localhost:8080/sendMsg/3
# 发送1条错误的消息
curl http://localhost:8080/sendErrorMsg/1
# 再发送3条正常的消息
curl http://localhost:8080/sendMsg/3
1
2
3
4
5
6

观察日志发现，虽然有报错，但是还能正常进行推送。但是RabbitMQ已经出现了一条unacked的消息。

继续发送1条错误的消息

curl http://localhost:8080/sendErrorMsg/1
1

再发送3条正常的消息

curl http://localhost:8080/sendMsg/3
1

这个时候你会发现控制台报错，当然错误信息是解密失败，但是正常的消息却没有被消费，这个时候其实队列已经阻塞了。


从RabbitMQ管控台也可以看到，刚刚发送的3条消息处于ready状态。这个时候如果一直有消息进入，都会堆积在队列里面无法被消费。
再发送3条正常的消息。

curl http://localhost:8080/sendMsg/3
1

原因分析

上面说了是由于没有进行ack导致队列阻塞。那么问题来了，这是为什么呢？其实这是RabbitMQ的一种保护机制。防止当消息激增的时候，海量的消息进入consumer而引发consumer宕机。
RabbitMQ提供了一种QOS(服务质量保证)功能，即在非自动确认的消息前提下，限制信道上的消费者所能保持的最大未确认的数量。可以通过设置Prefetch数量来实现。
举例说明：可以理解为在consumer前面加一个缓冲器，容器能容纳最大的消息量就是prefetch count。如果容器没有满RabbitMQ就会将投递到容器内，如果满了就不投递了。当consumer对消息进行ack以后就会将此消息移除，从而放入新的消息。

listener:
  simple:
    # 消费端最小并发数
    concurrency: 1
    # 消费端最大并发数
    max-concurrency: 5
    # 一次处理的消息数量
    prefetch: 2
    # 手动应答
    acknowledge-mode: manual
1
2
3
4
5
6
7
8
9
10

prefetch参数就是Prefetch Count。

通过上面的配置发现prefetch我只配置了2，并且concurrency配置的只有1，所以当我发送了2条错误消息以后，由于解密失败这两条消息一直没有被ack。将缓冲区占满了，这个时候RabbitMQ认为这个consumer已经没有消费能力了就不继续给他推送消息了，所以就造成了队列阻塞。

判断队列是否有阻塞风险

当ack模式为manual，并且线上出现了unacked消息，这个时候不用慌。由于QOS是限制信道channel上的消费者所能保持的最大未确认的数量。所以允许出现unacked的数量可以通过channelCount * prefetchCount * 节点数量 得出。
channelCount就是由concurrency，max-concurrency决定的。

• min = concurrency * prefetch * 节点数量。
• max = max-concurrency * prefetch * 节点数量。
  由此可以得出结论。
• unacked_msg_count < min 队列不会阻塞。但需要及时处理unacked的消息。
• unacked_msg_count >= min 可能会出现阻塞。
• unacked_msg_count >= max 队列一定阻塞。

解决方案

其实处理的方法很简单，将解密和解析的方法放入try catch中就解决了这样不管解密正常与否，消息都会被签收。如果出错将会输出错误日志，让开发人员进行处理了。
对于这个就需要有日志监控系统，来及时告警了。

@RabbitListener(queues = ORDER_QUEUE)
public void receiveOrder(@Payload String encryptOrderDto, @Headers Map<String,Object> headers, Channel channel) throws Exception {
    try {
        // 解密和解析
        String decryptOrderDto = EncryptUtil.decryptByAes(encryptOrderDto);
        OrderDto orderDto = JSON.parseObject(decryptOrderDto, OrderDto.class);   
        // 模拟推送
        pushMsg(orderDto);
    }catch (Exception e){
        log.error("推送失败-错误信息:{},消息内容:{}", e.getLocalizedMessage(), encryptOrderDto);
    }finally {
        // 消息签收
        channel.basicAck((Long) headers.get(AmqpHeaders.DELIVERY_TAG),false);
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

注意点

unacked的消息在consumer 切断连接后（比如重启），会自动回到对头。

事故重现-磁盘占用飙升

一开始不知道代码有问题，就是以为单纯的没有进行ack所以将ack模式改成auto自动（acknowledge-mode默认是auto），紧急升级了，这样不管正常与否，消息都会被签收，所以在当时确实是解决了问题。
其实现在回想起来是非常危险的操作，将ack模式改成auto自动，这样会使QOS不生效。会出现大量消息涌入consumer从而造成consumer宕机，可以是因为当时在晚上，交易比较少，并且推送系统有多个节点，才没出问题。

问题代码

@RabbitListener(queues = ORDER_QUEUE)
public void receiveOrder(@Payload String encryptOrderDto, @Headers Map<String,Object> headers, Channel channel) throws Exception {
    // 解密和解析
    String decryptOrderDto = EncryptUtil.decryptByAes(encryptOrderDto);
    OrderDto orderDto = JSON.parseObject(decryptOrderDto, OrderDto.class);
    try {
        // 模拟推送
        pushMsg(orderDto);
    }catch (Exception e){
        log.error("推送失败-错误信息:{},消息内容:{}", e.getLocalizedMessage(), encryptOrderDto);
    }finally {
        // 消息签收
        channel.basicAck((Long) headers.get(AmqpHeaders.DELIVERY_TAG),false);
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

配置文件

listener:
  simple:
    # 消费端最小并发数
    concurrency: 1
    # 消费端最大并发数
    max-concurrency: 5
    # 一次处理的消息数量
    prefetch: 2
    # 手动应答
    acknowledge-mode: auto
1
2
3
4
5
6
7
8
9
10

由于当时不知道交易系统的重发机制，重发时没有对订单数据加密的bug，所以还是会发出少量有误的消息。

发送一条错误消息

curl http://localhost:8080/sendErrorMsg/1
1

原因

RabbitMQ消息监听程序异常时，consumer会向rabbitmq server发送Basic.Reject，表示消息拒绝接受，由于Spring默认requeue-rejected配置为true，消息会重新入队，然后rabbitmq server重新投递。就相当于死循环了，所以控制台在疯狂刷错误日志造成磁盘利用率飙升的原因。

解决方法

将default-requeue-rejected: false 即可。

参考

生产RabbitMQ队列阻塞该如何处理？