四、保证消息队列的高可用
以RCOKETMQ为例，它的集群就有多master模式、多master多slave异步复制模式、多master多slave同步双写模式。和kafka好像，只是NameServer集群，在kafka中用zookeeper代替，都是用来保存和发现master和slave用的，通信过程如下：
Producer与NameServer集群中的其中一个节点(随机)建立长连接，定期从NameServer获取Topic路由信息，并向提供Topic服务的Broker Master和Slave建立长连接，即可以从Broker Master订阅消息，也可以从Broker Slave订阅消息。
一个典型的Kafka集群中包含若干Producer（可以是web前端产生的page view，或者是服务器日志，系统cpu，memory等），若干broker（Kafka支持水平扩展，一般broker数量越多，集群吞吐率越高），若干Consumer Group，以及一个Zookeeper集群。Kafka通过broker，Consumer使用pull模式从broker订阅并消费消息。
五、如何保证不会重复消费
1、RabbitMQ会发生一个ACK确认消息
2、RocketMQ会返回一个CONSUME_SUCCESS成功标志
3、Kafka每条消息会有一个offset，在消费后需要提交offset，让消息队列知道已经消费
六、如何保证消息的可靠传输
分析：在使用消息队列过程中，应该做到消息不能多消费，也不能少消费。
三个角度：生产者弄丢数据、消息队列弄丢数据、消费者弄丢数据
RabbitMQ
RabbitMQ提供transaction和confirm来保证生产者不丢消息
1.1 transaction机制就是说在发送消息的时候开启事务<channel.txSelect()>，然后再发送消息，若发送过程中发生异常则回滚<channel.txRollback()>，成功则提交<channel.txCommit()>，缺点就是吞吐量下降
1.2 confirm模式生产上用的居多，一旦channel进入confirm模式，所有在该信道上的消息都会被指派一个唯一ID（从1开始），一旦消息投递到所匹配的队列都，RabbitMQ会发送一个Ack（包含消息的唯一ID）给生产者，这就知道已经消费处理了，如果RabbitMQ没有处理这条消息，则会发送一个Nack消息给你，这就知道消费失败，然后就可以重试了。
RabbitMQ消息队列丢数据
2.1 处理消息队列丢数据的情况，一般是开启持久化磁盘的配置。这个持久化配置可以和confirm机制配合使用，你可以在消息持久化磁盘后，再给生产者发送一个Ack信号。这样，如果消息持久化磁盘之前，rabbitMQ阵亡了，那么生产者收不到Ack信号，生产者会自动重发。
2.11 那么如何持久化呢，这里顺便说一下吧，其实也很容易，就下面两步
2.11 1. 将queue的持久化标识durable设置为true,则代表是一个持久的队列
2.11 2. 发送消息的时候将deliveryMode=2
这样设置以后，rabbitMQ就算挂了，重启后也能恢复数据
RabbitMQ消费者丢数据
3.1 消费者丢数据一般是因为采用了自动确认消息模式（采用手动提交即可）
Kafka
Producer在发布消息到某个Partition时，先通过zookeeper找到该partition的leader，然后无论该topic的replication factor为多少(也即该partition有多少个replication)，Producer只将该消息发送到该Partition的leader，leader会将该消息写入本地log，每个Follower都从Leader中pull数据。
Kafka生产丢失数据
4.1 在kafka生产中，基本都有一个leader和多个follwer。follwer会去同步leader的信息。因此，为了避免生产者丢数据，做如下两点配置
第一个配置要在producer端设置acks=all。这个配置保证了，follwer同步完成后，才认为消息发送成功。
在producer端设置retries=MAX，一旦写入失败，这无限重试
Kafka消息队列丢数据
5.1 针对消息队列丢数据的情况，无外乎就是，数据还没同步，leader就挂了，这时zookpeer会将其他的follwer切换为leader,那数据就丢失了。针对这种情况，应该做两个配置。
replication.factor参数，这个值必须大于1，即要求每个partition必须有至少2个副本
min.insync.replicas参数，这个值必须大于1，这个是要求一个leader至少感知到有至少一个follower还跟自己保持联系。这两个配置加上上面生产者的配置联合起来用，基本可确保kafka不丢数据
Kafka消费者丢数据
6.1 这种情况一般是自动提交了offset，然后你处理程序过程中挂了。kafka以为你处理好了。解决方案也很简单，改成手动提交即可。
6.2 offset介绍：
6.21 offset：指的是kafka的topic中的每个消费组消费的下标。简单的来说就是一条消息对应一个offset下标，每次消费数据的时候如果提交offset，那么下次消费就会从提交的offset加一那里开始消费。
比如一个topic中有100条数据，我消费了50条并且提交了，那么此时的kafka服务端记录提交的offset就是49(offset从0开始)，那么下次消费的时候offset就从50开始消费。
