新闻详情

新闻详情

首页 / 资讯中心 / 详情

消息重复投递如何根治?activemq4cj的ActiveMQMessageAudit幂等审核机制

发布时间:2026/11/12 16:54:38来源:尧图网络
消息重复投递如何根治?activemq4cj的ActiveMQMessageAudit幂等审核机制
消息重复投递如何根治activemq4cj的ActiveMQMessageAudit幂等审核机制【免费下载链接】activemq4cj仓颉语言实现的ActiveMQ客户端SDK。遵行JMS规范支持OpenWire协议支持点对点和发布订阅模式支持失效转移。当前main分支适配仓颉1.0.0 LTS版本分支develop适配仓颉0.53.4 Beta版本分支Branch_cj0.60.5适配仓颉0.60.5 Beta版本。项目地址: https://gitcode.com/Cangjie-TPC/activemq4cj做消息系统的人都遇到过同一个噩梦网络抖动、Broker 故障转移、ACK 丢失……消息被投递了两次业务逻辑被执行了两次订单重复扣款、日志重复入账。activemq4cj 是用仓颉语言实现的 ActiveMQ 客户端 SDK遵循 JMS 规范并支持 OpenWire 协议。它在消费端内置了ActiveMQMessageAudit 幂等审核机制——通过“生产者种子 序列号 滑动位窗口”的方式识别并抑制重复投递从客户端层面把消息重复投递问题治得干干净净。为什么消息必然会被重复投递先理解问题本质。消息中间件普遍提供at-least-once至少一次投递保证只要消息在 Broker 确认之前连接断开重连后 Broker 就会把“可能没送达”的消息再发一遍。在 activemq4cj 中这种情况尤其常见因为它支持failover 失效转移见 failover_transport.cj——主节点宕机自动切备用节点时正在途的消息天然存在“重放”风险。也就是说重复投递不是异常而是常态客户端必须有能力识别它。审核的核心原理种子 序列号 滑动窗口 每条消息都有一个全局唯一 ID格式为种子:序列号。IdGenerator 生成种子包含主机名、随机数、时间戳保证每个生产者唯一序列号是生产者内的自增计数。ActiveMQMessageAuditNoSync 的isDuplicate逻辑非常精巧按生产者分桶用MessageId中的producerId作为键查一张 LRUCache 缓存每个生产者对应一个位图容器位图打标取出该生产者的 BitSetBin默认窗口大小2048个序列号对producerSequenceId对应的位执行setBit判定重复setBit会返回该位原先是否已被置位——原来就是 1说明这条消息或同序号消息已经处理过直接判定为重复窗口滑动序列号超出窗口时BitSetBin自动丢弃最旧的一组位、追加新的组内存占用恒定可控。这个设计最妙的地方在于它不需要存储消息本身每个生产者仅消耗几 KB 的位图就能在海量消息流中做到 O(1) 的重复检测。线程安全方面SDK 提供两个版本ActiveMQMessageAuditNoSync是无锁版本单线程消费场景ActiveMQMessageAudit 在其上加了Mutex同步多消费线程共享时也能保证判定正确。队列与 Topic 的差异化组织ConnectionAuditConnectionAudit 是审核机制的连接级管理者它对两种目的地采用不同策略对应 JMS 语义差异Queue点对点按目的地维护一份ActiveMQMessageAudit。同一条消息无论被多少个消费者竞争全队列只应处理一次Topic发布订阅按dispatcher消费者维护审核窗口。订阅者各自独立A 消费者收到过不算 B 消费者的重复两类审核窗口各自缓存在 LRU 中上限 1000 份目的地/消费者太多时自动淘汰最久未用的防止内存膨胀。重复消息被拦截后的处理审核判定只是第一步ActiveMQMessageConsumer 在dispatch分发时会拦截重复消息并按场景分流场景处理方式重复投递发生在当前事务中记录为事务内重投递正常提交后生效存在竞争中的挂起事务rollbackDuplicate回滚审核位 重新分发由事务裁决普通连接上的重复poisonAck毒确认直接抑制该投递并告警日志同时 SDK 提供rollback回滚接口当消息处理失败触发重投递时先把审核位清零让同序号消息能重新通过审核——这保证了“失败重投”与“网络重放”能被精确区分互不干扰。开关与调参何时开启审核审核机制并非无条件运行而是与传输层的faultTolerant容错属性联动在 activemq_connection.cj 中connectionAudit.checkForDuplicates直接绑定传输层是否容错——failover 场景自动开启普通直连场景可通过 activemq_connection_factory.cj 的checkForDuplicates属性手动控制兼顾性能与安全。两个可调参数按需伸缩auditDepth滑动窗口深度默认 2048。队列积压越大、重放距离越远应调大auditMaximumProducerNumber同时追踪的生产者数默认 64。多生产者并发写入同一目的地时建议调大。小结activemq4cj 的 ActiveMQMessageAudit 用不到百行的核心逻辑把“消息重复投递”这个分布式经典难题收敛为一次位图查询按生产者分桶 滑动位窗口O(1) 判重内存恒定Queue/Topic 双策略审核精准匹配 JMS 投递语义审核回滚 毒确认失败重投与网络重放互不冲突与 failover 自动联动容错连接开箱即防重复。如果你在用仓颉语言构建消息消费端这套幂等审核机制值得直接借鉴。更多消息类型示例文本、对象、二进制等可参考 samples/ 目录与 ActiveMQ_SDK_User_Guide.md单元测试 activemq_message_audit_test.cj 演示了判重与回滚的完整行为。【免费下载链接】activemq4cj仓颉语言实现的ActiveMQ客户端SDK。遵行JMS规范支持OpenWire协议支持点对点和发布订阅模式支持失效转移。当前main分支适配仓颉1.0.0 LTS版本分支develop适配仓颉0.53.4 Beta版本分支Branch_cj0.60.5适配仓颉0.60.5 Beta版本。项目地址: https://gitcode.com/Cangjie-TPC/activemq4cj创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉