消息平台面试专题
概述
本文汇总消息平台方向高频面试题，覆盖选型对比、可靠性、顺序性、事务、死信、积压治理六大块。每题给出要点式回答与追问方向，帮你系统梳理面试知识。
一、选型对比类
1.1 Kafka vs Pulsar？
回答要点：
Kafka：存算耦合（Broker 存+算）
Pulsar：存算分离（BookKeeper）
Pulsar 优势：
独立扩缩容
多租户
多层存储（对象存储）
跨地域复制内置
Kafka 优势：
生态成熟（Flink/Spark）
运维简单
社区活跃1.2 RocketMQ 与 Kafka 区别？
RocketMQ：
事务消息、延迟消息（金融友好）
可靠性强
NameServer 轻量注册
Kafka：
高吞吐、日志/流场景
分区模型、生态强
选型：
金融事务 → RocketMQ
数据管道/流 → Kafka1.3 RabbitMQ 什么场景用？
特点：
灵活路由（Exchange）
功能丰富
运维简单
适用：
业务解耦、RPC
中小规模低延迟
大数据场景少见二、消息可靠性
2.1 消息丢失怎么防？
三个环节：
生产端：
acks=all、幂等、重试
Broker 端：
副本 ≥ 2、min ISR
关闭 unclean 选举
消费端：
手动提交、幂等消费2.2 消息重复怎么办？
重复来源：
Rebalance 位移丢失
提交失败重放
生产重试
解法：
幂等消费（唯一键/去重表）
合理提交时机
事务（读-处理-提交）2.3 怎么理解 at-most / at-least / exactly-once？
at-most-once：最多一次（可能丢）
→ acks=0/1 + 自动提交早
at-least-once：至少一次（可能重）
→ acks=all + 手动提交
exactly-once：精确一次
→ 幂等 + 事务 + 状态事务化三、顺序性
3.1 怎么保证消息顺序？
Kafka：
同 key → 同分区 → 有序
全局有序：单分区
生产注意：
重试可能导致乱序
（开幂等解决部分）
消费注意：
分区单线程消费3.2 全局顺序与并行的取舍？
方案：
单分区单消费者（全局有序，吞吐低）
多分区按 key 路由（局部有序，吞吐高）
实践：
90% 场景局部有序即可
全局顺序按需评估3.3 顺序被破坏的场景？
| 场景 | 原因 | 解决 |
|---|---|---|
| 生产重试乱序 | 重试消息先到 | 幂等/顺序保证 |
| 多线程消费 | 并发处理 | 分区内串行 |
| Rebalance | 分区换消费者 | 幂等+去重 |
四、事务消息
4.1 Kafka 事务原理？
事务：
跨分区原子写
事务协调器 + __transaction_state
流程：
开启 → 发送 → 提交/中止
配合幂等 → 精确一次写入4.2 RocketMQ 事务消息原理？
RocketMQ 半消息机制：
1. 发送 half 消息（不可见）
2. 业务执行本地事务
3. 提交/回滚 half
4. 超时 → 回查确认
保证：
本地事务与消息发送原子
适合订单/支付场景4.3 端到端 Exactly-Once 怎么做？
方案：
读端：事务消费（消费-处理-提交原子）
处理：状态事务化（Flink/KStreams）
写端：幂等 + 事务输出
代价：性能开销
适用：金融等强一致场景五、死信与重试
5.1 死信是什么？
死信（DLQ）：
多次重试仍失败的消息
转入死信队列
作用：
不阻塞正常消费
保留失败数据供排查
支持人工/定时重放5.2 重试策略？
重试设计：
指数退避（间隔递增）
最大重试次数
失败转死信
注意：
重试期间消息不丢失
监控死信量5.3 死信消息怎么处理？
处理流程：
监控死信队列
分析失败原因
修复后重放（幂等）
无法修复 → 人工/归档六、积压与吞吐
6.1 积压原因与处理？
原因：
消费并行度不足
单条处理慢
下游阻塞
Rebalance 抖动
处理：
加消费者（≤ 分区）
优化处理/批处理
增加分区（长期）
临时扩容追积压6.2 如何提升吞吐？
生产端：
批次调大（batch.size/linger）
压缩（lz4/zstd）
异步发送
消费端：
并行消费
批量拉取
异步处理（注意顺序）
集群：
分区数、Broker 数
网络/磁盘6.3 消息平台容量怎么估算？
估算公式：
存储 = 生产速率 × 保留 × 副本 × 余量
吞吐 = 峰值 × 余量
分区 = 并行度需求
流程：
收集峰值 → 估算 → 规划 → 上线校准七、架构设计题
7.1 设计一个订单消息系统
设计要点：
可靠性：事务消息（订单+消息原子）
顺序：按订单 ID 路由
积压：可扩容
补偿：对账 + 重放
架构：
RocketMQ 事务消息
或 Kafka 幂等 + 幂等消费7.2 大促流量保障？
方案：
容量评估（峰值×副本）
配额限流保护核心
消费端横向扩容
监控积压/延迟
降级预案（非核心丢弃/延迟）7.3 跨机房同步方案？
方案对比：
MirrorMaker 2（Kafka 镜像）
Pulsar Geo-Replication
业务双写
要点：
异步复制
监控复制延迟
切换演练八、避坑与加分
8.1 加分项
加分点：
用真实事故/优化案例
讲清权衡（可靠 vs 可用）
讲排查路径（积压/丢失）
量化指标8.2 常见雷区
| 雷区 | 避免 |
|---|---|
| 背配置 | 讲原理 |
| 只答结论 | 讲机制+权衡 |
| 忽略语义 | 分清三种投递语义 |
九、小结
消息平台面试核心：选型对比（Kafka/Pulsar/RocketMQ/RabbitMQ）、可靠性（丢/重/语义）、顺序性（分区模型）、事务与死信、积压治理。回答多用"权衡"视角，把机制讲清楚，最后落到场景方案与排查路径，就能答得稳而深。