共计 3825 个字符，预计需要花费 10 分钟才能阅读完成。
在消息传递过程中，如果呈现传递失败的状况，发送方会执行重试，重试的过程中就有可能会产生反复的音讯。对应用音讯队列的业务零碎来说，如果没有对反复音讯进行解决，就有可能会导致系统的数据呈现谬误。
比如说，一个生产订单音讯，统计下单金额的微服务，如果没有正确处理反复音讯，那就会呈现反复统计，导致统计后果谬误。
你可能会问，如果音讯队列自身能保障音讯不反复，那应用程序的实现不就简略了？那有没有音讯队列能保障音讯不反复呢？
不可避免的音讯反复
在 MQTT 协定中，给出了三种传递音讯时可能提供的服务质量规范，这三种服务质量从低到高顺次是：
- At most once: 至少一次。音讯在传递时，最多会被送达一次。换一个说法就是，没什么音讯可靠性保障，容许丢音讯。个别都是一些对音讯可靠性要求不太高的监控场景应用，比方每分钟上报一次机房温度数据，能够承受数据大量失落。
- At least once: 至多一次。音讯在传递时，至多会被送达一次。也就是说，不容许丢音讯，然而容许有大量反复音讯呈现。
- Exactly once：恰好一次。音讯在传递时，只会被送达一次，不容许失落也不容许反复，这个是最高的等级。
这个服务质量规范不仅实用于 MQTT，对所有的音讯队列都是实用的。咱们当初罕用的绝大部分音讯队列提供的服务质量都是 At least once，包含 RocketMQ、RabbitMQ 和 Kafka 都是这样。也就是说，音讯队列很难保障音讯不反复。
Kafka 反对的“Exactly once”和咱们刚刚提到的消息传递的服务质量规范“Exactly once”是不一样的，它是 Kafka 提供的另外一个个性，Kafka 中反对的事务也和咱们通常意义了解的事务有肯定的差别。在 Kafka 中，事务和 Excactly once 次要是为了配合流计算应用的个性
略微说一些题外话，Kafka 的团队是一个十分长于包装和营销的团队，你看他们很奇妙地用了两个所有人都十分相熟的概念“事务”和“Exactly once”来包装它的新的个性，实际上它实现的这个事务和 Exactly once 并不是咱们通常了解的那两个个性，然而你深刻理解 Kafka 的事务和 Exactly once 后，会发现其实它这个个性尽管和咱们通常的了解不一样，但的确和事务、Exactly once 有肯定关系。
这一点上，咱们都要学习 Kafka 团队。一个优良的开发团队，不仅要能写代码，更要能写文档，能写 Slide（PPT），还要能讲，会分享。对于每个程序员来说，也是一样的。
咱们把话题发出来，持续来说反复音讯的问题。既然音讯队列无奈保障音讯不反复，就须要咱们的生产代码可能承受“音讯是可能会反复的”这一现状，而后，通过一些办法来打消反复音讯对业务的影响。
用幂等性解决反复音讯问题
个别解决反复音讯的方法是，在生产端，让咱们生产音讯的操作具备幂等性。
幂等（Idempotence） 原本是一个数学上的概念，它是这样定义的：
如果一个函数 f(x) 满足：f(f(x)) = f(x)，则函数 f(x) 满足幂等性。
这个概念被拓展到计算机领域，被用来形容一个操作、办法或者服务。一个幂等操作的特点是， 其任意屡次执行所产生的影响均与一次执行的影响雷同。
一个幂等的办法，应用同样的参数，对它进行屡次调用和一次调用，对系统产生的影响是一样的。所以，对于幂等的办法，不必放心反复执行会对系统造成任何扭转。
咱们举个例子来阐明一下。在不思考并发的状况下，“将账户 X 的余额设置为 100 元”，执行一次后对系统的影响是，账户 X 的余额变成了 100 元。只有提供的参数 100 元不变，那即便再执行多少次，账户 X 的余额始终都是 100 元，不会变动，这个操作就是一个幂等的操作。
再举一个例子，“将账户 X 的余额加 100 元”，这个操作它就不是幂等的，每执行一次，账户余额就会减少 100 元，执行屡次和执行一次对系统的影响（也就是账户的余额）是不一样的。
如果咱们零碎生产音讯的业务逻辑具备幂等性，那就不必放心音讯反复的问题了，因为同一条音讯，生产一次和生产屡次对系统的影响是齐全一样的。也就能够认为，生产屡次等于生产一次。
从对系统的影响后果来说：At least once + 幂等生产 = Exactly once。
那么如何实现幂等操作呢？最好的形式就是， 从业务逻辑设计上动手，将生产的业务逻辑设计成具备幂等性的操作。 然而，不是所有的业务都能设计成人造幂等的，这里就须要一些办法和技巧来实现幂等。
上面我给你介绍几种罕用的设计幂等操作的办法：
1. 利用数据库的惟一束缚实现幂等
例如咱们刚刚提到的那个不具备幂等个性的转账的例子：将账户 X 的余额加 100 元。在这个例子中，咱们能够通过革新业务逻辑，让它具备幂等性。
首先，咱们能够限定，对于每个转账单每个账户只能够执行一次变更操作，在分布式系统中，这个限度实现的办法十分多，最简略的是咱们在数据库中建一张转账流水表，这个表有三个字段：转账单 ID、账户 ID 和变更金额，而后给转账单 ID 和账户 ID 这两个字段联结起来创立一个惟一束缚，这样对于雷同的转账单 ID 和账户 ID，表里至少只能存在一条记录。
这样，咱们生产音讯的逻辑能够变为：“在转账流水表中减少一条转账记录，而后再依据转账记录，异步操作更新用户余额即可。”在转账流水表减少一条转账记录这个操作中，因为咱们在这个表中事后定义了“账户 ID 转账单 ID”的惟一束缚，对于同一个转账单同一个账户只能插入一条记录，后续反复的插入操作都会失败，这样就实现了一个幂等的操作。咱们只有写一个 SQL，正确地实现它就能够了。
基于这个思路，不光是能够应用关系型数据库，只有是反对相似“INSERT IF NOT EXIST”语义的存储类零碎都能够用于实现幂等，比方，你能够用 Redis 的 SETNX 命令来代替数据库中的惟一束缚，来实现幂等生产。
2. 为更新的数据设置前置条件
另外一种实现幂等的思路是，给数据变更设置一个前置条件，如果满足条件就更新数据，否则回绝更新数据，在更新数据的时候，同时变更前置条件中须要判断的数据。这样，反复执行这个操作时，因为第一次更新数据的时候曾经变更了前置条件中须要判断的数据，不满足前置条件，则不会反复执行更新数据操作。
比方，刚刚咱们说过，“将账户 X 的余额减少 100 元”这个操作并不满足幂等性，咱们能够把这个操作加上一个前置条件，变为：“如果账户 X 以后的余额为 500 元，将余额加 100 元”，这个操作就具备了幂等性。对应到音讯队列中的应用时，能够在发消息时在音讯体中带上以后的余额，在生产的时候进行判断数据库中，以后余额是否与音讯中的余额相等，只有相等才执行变更操作。
然而，如果咱们要更新的数据不是数值，或者咱们要做一个比较复杂的更新操作怎么办？用什么作为前置判断条件呢？更加通用的办法是，给你的数据减少一个版本号属性，每次更数据前，比拟以后数据的版本号是否和音讯中的版本号统一，如果不统一就回绝更新数据，更新数据的同时将版本号 +1，一样能够实现幂等更新。
3. 记录并查看操作
如果下面提到的两种实现幂等办法都不能实用于你的场景，咱们还有一种通用性最强，适用范围最广的实现幂等性办法：记录并查看操作，也称为“Token 机制或者 GUID（全局惟一 ID）机制”，实现的思路特地简略：在执行数据更新操作之前，先检查一下是否执行过这个更新操作。
具体的实现办法是，在发送音讯时，给每条音讯指定一个全局惟一的 ID，生产时，先依据这个 ID 查看这条音讯是否有被生产过，如果没有生产过，才更新数据，而后将生产状态置为已生产。
原理和实现是不是很简略？其实一点儿都不简略，在分布式系统中，这个办法其实是十分难实现的。首先，给每个音讯指定一个全局惟一的 ID 就是一件不那么简略的事儿，办法有很多，但都不太好同时满足简略、高可用和高性能，或多或少都要有些就义。更加麻烦的是，在“查看生产状态，而后更新数据并且设置生产状态”中，三个操作必须作为一组操作保障原子性，能力真正实现幂等，否则就会呈现 Bug。
比如说，对于同一条音讯：“全局 ID 为 8，操作为：给 ID 为 666 账户减少 100 元”，有可能呈现这样的状况：
- t0 时刻：Consumer A 收到条音讯，查看音讯执行状态，发现音讯未解决过，开始执行“账户减少 100 元”；
- t1 时刻：Consumer B 收到条音讯，查看音讯执行状态，发现音讯未解决过，因为这个时刻，Consumer A 还未来得及更新音讯执行状态。
这样就会导致账户被谬误地减少了两次 100 元，这是一个在分布式系统中非常容易犯的谬误，肯定要引以为戒。
对于这个问题，当然咱们能够用事务来实现，也能够用锁来实现，然而在分布式系统中，无论是分布式事务还是分布式锁都是比拟难解决问题。
总结
本文次要介绍了通过幂等生产来解决音讯反复的问题，而后形容几种实现幂等操作的办法，能够利用数据库的束缚来避免反复更新数据，也能够为数据更新设置一次性的前置条件，来避免反复音讯，如果这两种办法都不适用于你的场景，还能够用“记录并查看操作”的形式来保障幂等，这种办法适用范围最广，然而实现难度和复杂度也比拟高，个别不举荐应用。
这些实现幂等的办法，不仅能够用于解决反复音讯的问题，也同样实用于，在其余场景中来解决反复申请或者反复调用的问题。比方，咱们能够将 HTTP 服务设计成幂等的，解决前端或者 APP 反复提交表单数据的问题；也能够将一个微服务设计成幂等的，解决 RPC 框架主动重试导致的反复调用问题。
本文由 mdnice 多平台公布
