1.优先队列
1.1 场景
在我们系统中有一个订单催付的场景，我们的客户在天猫下的订单淘宝会及时将订单推送给我们，如
果在用户设定的时间内未付款那么就会给用户推送一条短信提醒， 很简单的一个功能对吧，但是, tmall
商家对我们来说，肯定是要分大客户和小客户的对吧，比如像苹果，小米这样大商家-年起码能给我们创
造很大的利润，所以理应当然，他们的订单必须得到优先处理，而曾经我们的后端系统是使用redis来存
放的定时轮询，大家都知道redis只能用List做一个简简单 单的消息队列，并不能实现一个优先级的场景,
所以订单量大了后采用RabbitMQ进行改造和优化,如果发现是大客户的订单给一个相对比较高的优先级,
否则就是默认优先级。
1.2 实现
Map<String, Object> arg = new HashMap<>();
//允许0-255之间 此处设置为10 避免浪费
arg.put("x-max-priority", 10);
//消息设置优先级
AMQP.BasicProperties properties = new AMQP.BasicProperties()
.builder().priority(5).build();
2.惰性队列
正常情况:消息是保存在内存中
惰性队列:消息是保存在磁盘中
2.1 使用场景
RabbitMQ从3.6.0版本开始引入了惰性队列的概念。惰性队列会尽可能的将消息存入磁盘中，而在消
费者消费到相应的消息时才会被加载到内存中，它的-一个重要的设计目标是能够支持更长的队列，即支持
更多的消息存储。当消费者由于各种各样的原因(比如消费者下线、宕机亦或者是由于维护而关闭等)而致
使长时间内不能消费消息造成堆积时，惰性队列就很有必要了。
默认情况下，当生产者将消息发送到RabbitMQ的时候，队列中的消息会尽可能的存储在内存之中，
这样可以更加快速的将消息发送给消费者。即使是持久化的消息，在被写入磁盘的同时也会在内存中驻留
一份备份。 当RabbitMQ需要释放内存的时候，会将内存中的消息换页至磁盘中，这个操作会耗费较长的
时间,也会阻塞队列的操作，进而无法接收新的消息。虽然RabbitMQ的开发者们一-直在升级相关的算法,
但是效果始终不太理想，尤其是在消息量特别大的时候。
2.2 两种模式
队列具备两种模式: default 和lazy。默认的为default 模式,在3.6.0之前的版本无需做任何变更。lazy
模式即为惰性队列的模式，可以通过调用channel.queueDeclare方法的时候在参数中设置，也可以通过
Policy的方式设置，如果一个队列同时使用这两种方式设置的话， 那么Policy的方式具备更高的优先级。
如果要通过声明的方式改变已有队列的模式的话，那么只能先删除队列，然后再重新声明一个新的。
在队列声明的时候可以通过x-queue-mode"参数来设置队列的模式,取值为"default'和"lazy"。下面示
例中演示了一个惰性队列的声明细节:
Map<String, Object> args = new HashMap<String, Object>();
args.put("x-queue-mode", "lazy");
channel.queueDeclare("myqueue", false, false, false, args);
在发送1百万条消息，每条消息大概占1KB的情况下，普通队列占用内存是1.2GB,而惰性队列仅仅
占用1.5MB
3.幂等性
3.1 概念
用户对于同一操作发起的一次请求或者多次请求的结果是一·致的， 不会因为多次点击而产生了副作用。
举个最简单的例子，那就是支付，用户购买商品后支付，支付扣款成功，但是返回结果的时候网络异常,
此时钱已经扣了，用户再次点击按钮，此时会进行第二次扣款，返回结果成功，用户查询余额发现多扣钱
了，流水记录也变成了两条。在以前的单应用系统中，我们只需要把数据操作放入事务中即可，发生错误
立即回滚，但是再响应客户端的时候也有可能出现网络中断或者异常等等
3.2 消息重复消费
消费者在消费MQ中的消息时，MQ已把消息发送给消费者，消费者在给MQ返回ack时网络中断，
故MQ未收到确认信息，该条消息会重新发给其他的消费者,或者在网络重连后再次发送给该消费者,
但实际上该消费者已成功消费了该条消息，造成消费者消费了重复的消息。
3.3 解决思路
MQ消费者的幂等性的解决-般使用全局ID或者写个唯一标识比如时间戳或者UUID或者订单消费
者消费MQ中的消息也可利用MQ的该id来判断,或者可按自己的规则生成一个全局唯一id, 每次消费消
息时用该id先判断该消息是否已消费过。
3.4 消费端的幂等性保障
在海量订单生成的业务高峰期，生产端有可能就会重复发生了消息，这时候消费端就要实现幕等性,
这就意味着我们的消息永远不会被消费多次,即使我们收到了- -样的消息。业界主流的幕等性有两种操作:a.
唯一ID+指纹码机制,利用数据库主键去重b.利用redis的原子性去实现
3.5 消费端的幂等性保障
在海量订单生成的业务高峰期，生产端有可能就会重复发生了消息，这时候消费端就要实现幕等性,
这就意味着我们的消息永远不会被消费多次,即使我们收到了一样的消息业界主流的幕等性有两种操作:a.
唯一ID+指纹码机制,利用数据库主键去重, b.利用redis的原子性去实现
3.6 唯一ID+指纹码机制
指纹码:我们的一些规则或者时间戳加别的服务给到的唯一信息码,它并不一定是我们系统生成的，基
本都是由我们的业务规则拼接而来，但是一定要保证唯一性,然后就利用查询语句进行判断这个id是否存
在数据库中,优势就是实现简单就一个拼接，然后查询判断是否重复;劣势就是在高并发时，如果是单个数
据库就会有写入性能瓶颈当然也可以采用分库分表提升性能，但也不是我们最推荐的方式。
3.7 Redis原子性
利用redis执行setnx命令，天然具有幕等性。从而实现不重复消费