← 返回面试专题

📮 MQ 堆积：消费延迟、重试风暴与削峰填谷

核心目标：先恢复消费，再定位瓶颈，最后完善重试/幂等/限流

🧩 场景题题干（面试官常用表述）

现象：Kafka/RabbitMQ/RocketMQ 堆积严重，延迟越来越大。 你怎么判断是生产太快还是消费太慢？ 怎么快速恢复？怎么避免重试风暴？
💡 一句话思路：先算“积压能否被追上”（消费能力 vs 生产速度），再做短期扩容/并发提升/批处理，最后用限流、死信队列、幂等与降级治理重试风暴。

📚 学习正文：MQ 堆积如何定位到“具体瓶颈/具体消费者/具体下游”？

1) 先止血：让积压不再继续扩大

止血目标：让 消费速率 ≥ 生产速率 手段：降低生产（限流/降级） + 提升消费（扩容/并发/批处理） + 隔离失败/慢消息（死信/重试隔离）

2) 先把问题量化：追得上吗？需要多久恢复？

关键公式： 恢复时间 ≈ 当前积压量 / (消费速率 - 生产速率) 如果 消费速率 ≤ 生产速率：积压只会越来越大，必须先控生产或扩分区/扩并发。

3) 证据链：定位“慢在 MQ 还是慢在下游”

4) 快速恢复的工程手段

5) 如何避免重试风暴（最容易把系统拖垮）

退避重试（指数退避+抖动） 区分可重试/不可重试（业务拒绝直接死信） 重试链路与主消费链路隔离资源 消费幂等 + 业务唯一约束兜底

6) 长期治理

监控：lag/积压量/失败率/重试次数/死信量 容量：分区数与并发度规划 演练：下游不可用/重试风暴演练 治理：热点 key 分片，避免单分区热点

🎯 面试题（建议学完上面正文再做）

1. MQ 堆积常见根因有哪些？简单
  • 消费变慢：下游（DB/Redis/第三方）慢、锁竞争、线程池耗尽。
  • 消费失败重试：异常导致反复重试，吞吐下降（重试风暴）。
  • 生产暴增：活动/大促/异常流量，生产速度超过消费能力。
  • 分区/队列不均：热点 key 导致某个分区被打爆。
2. 如何快速判断“追得上吗”？你会怎么计算？中等
  • 生产速率：每秒新增消息数。
  • 消费速率：每秒消费完成数（成功 + 可容忍失败处理）。
  • 结论：如果消费速率 < 生产速率，积压只会越来越大；必须先降低生产（限流/降级）或提升消费能力。
💡 面试表达：我会把堆积问题转化成一个吞吐模型，然后给出可以量化的恢复时间预估。
3. 快速恢复：你有哪些“止血手段”？困难
  • 扩容消费者：增加实例数（受限于分区/队列并发度）。
  • 提高并发：线程池并发、批量拉取/批处理（注意下游承受能力）。
  • 隔离慢消息：失败/超时消息进入重试队列或死信队列，主消费链路先恢复。
  • 降级业务：非核心消息延后处理或丢弃（需要业务允许）。
⚠️ 注意：盲目提高并发可能把 DB/Redis 打爆，必须同步做下游保护（限流/熔断/隔离）。
4. 什么是重试风暴？怎么避免？困难

重试风暴指大量消息失败后立即/高频重试，导致消费者持续失败、吞吐下降，堆积更严重。

  • 退避重试：指数退避 + 抖动，避免同一时间重试。
  • 区分可重试/不可重试：参数错误/业务拒绝应直接进死信，不要无限重试。
  • 隔离重试通道：主消费链路与重试链路隔离资源。
  • 幂等与去重：保证重试不会造成重复扣款/重复发券。
5. 长期治理你会怎么做？中等
  • 监控指标：lag、积压量、消费耗时、失败率、重试次数、死信量。
  • 容量规划：按峰值预估分区数/并发度，上游削峰（缓存/队列/异步）。
  • 热点治理：按 key 分片、避免单分区热点。
  • 故障演练：模拟下游不可用，验证重试策略不会雪崩。