欢迎来到“雪碧聊技术”CSDN博客！

在这里，您将踏入一个专注于Java开发技术的知识殿堂。无论您是Java编程的初学者，还是具有一定经验的开发者，相信我的博客都能为您提供宝贵的学习资源和实用技巧。作为您的技术向导，我将不断探索Java的深邃世界，分享最新的技术动态、实战经验以及项目心得。

让我们一同在Java的广阔天地中遨游，携手提升技术能力，共创美好未来！感谢您的关注与支持，期待在“雪碧聊技术”与您共同成长！

目录

一、work模型？

1、什么是work模型？

2、案例

①案例介绍

②具体操作

③观察上述现象：无论两个消费者的消费速度一致，还是不一致，最终二者消费的消息数量都是25条（平分，一人从队列取一半）。

3、为何会出现上述问题？

4、如何解决上述问题？

5、根据上述的思路，解决该问题

二、总结

1、知识总结

2、面试题：如何避免消息堆积问题？

①给队列上绑定多个消费者（work模型），从而提高消费速度

②优化代码，使代码执行速度变快，消费速度也就变快了

③rabbitMQ的默认规则：队列中的同一条消息，只能被一个消费者消费。即：不会出现两个消费者消费同一条消息的现象，从而提高消费速度。

④通过设置prefetch，来控制消费者手里最多有1条消息，不允许堆积消息，实现能者多劳。（最重要的一点）

一、work模型？

1、什么是work模型？

        work queues，是一种任务模型。简单来说就是让多个消费者绑定到一个队列，共同消费队列中的消息。

        注意：rabbitMQ默认同一条消息只能被一个消费者消费。

        即：不会出现两个消费者消费同一条消息的现象。

2、案例

①案例介绍

②具体操作

• 第一步：创建一个队列work.queue

• 第二步：编写生产者代码，1秒的时间，向队列work.queue发送50条消息

运行结果：

• 第三步：编写监听者代码，监听队列work.queue的消息

@Component //交给spring管理
public class MqListener {

    @RabbitListener(queues = "work.queue")
    public void listenWorkQueue1(String msg){//消费者1
        System.out.println("消费者1 收到了 work.queue的消息... ：【" + msg + "】");
    }

    @RabbitListener(queues = "work.queue")
    public void listenWorkQueue2(String msg){//消费者2
        System.err.println("消费者2 收到了 work.queue的消息... ：【" + msg + "】");
    }
    
}

运行结果：

消费者1 收到了 work.queue的消息... ：【hello, work, message_1】
消费者2 收到了 work.queue的消息... ：【hello, work, message_2】
消费者1 收到了 work.queue的消息... ：【hello, work, message_3】
消费者2 收到了 work.queue的消息... ：【hello, work, message_4】
消费者1 收到了 work.queue的消息... ：【hello, work, message_5】
消费者2 收到了 work.queue的消息... ：【hello, work, message_6】
消费者1 收到了 work.queue的消息... ：【hello, work, message_7】
消费者2 收到了 work.queue的消息... ：【hello, work, message_8】
消费者1 收到了 work.queue的消息... ：【hello, work, message_9】
消费者2 收到了 work.queue的消息... ：【hello, work, message_10】
消费者1 收到了 work.queue的消息... ：【hello, work, message_11】
消费者2 收到了 work.queue的消息... ：【hello, work, message_12】
消费者1 收到了 work.queue的消息... ：【hello, work, message_13】
消费者2 收到了 work.queue的消息... ：【hello, work, message_14】
消费者1 收到了 work.queue的消息... ：【hello, work, message_15】
消费者2 收到了 work.queue的消息... ：【hello, work, message_16】
消费者1 收到了 work.queue的消息... ：【hello, work, message_17】
消费者2 收到了 work.queue的消息... ：【hello, work, message_18】
消费者1 收到了 work.queue的消息... ：【hello, work, message_19】
消费者2 收到了 work.queue的消息... ：【hello, work, message_20】
消费者1 收到了 work.queue的消息... ：【hello, work, message_21】
消费者2 收到了 work.queue的消息... ：【hello, work, message_22】
消费者1 收到了 work.queue的消息... ：【hello, work, message_23】
消费者2 收到了 work.queue的消息... ：【hello, work, message_24】
消费者1 收到了 work.queue的消息... ：【hello, work, message_25】
消费者2 收到了 work.queue的消息... ：【hello, work, message_26】
消费者1 收到了 work.queue的消息... ：【hello, work, message_27】
消费者2 收到了 work.queue的消息... ：【hello, work, message_28】
消费者1 收到了 work.queue的消息... ：【hello, work, message_29】
消费者2 收到了 work.queue的消息... ：【hello, work, message_30】
消费者1 收到了 work.queue的消息... ：【hello, work, message_31】
消费者2 收到了 work.queue的消息... ：【hello, work, message_32】
消费者1 收到了 work.queue的消息... ：【hello, work, message_33】
消费者2 收到了 work.queue的消息... ：【hello, work, message_34】
消费者1 收到了 work.queue的消息... ：【hello, work, message_35】
消费者2 收到了 work.queue的消息... ：【hello, work, message_36】
消费者1 收到了 work.queue的消息... ：【hello, work, message_37】
消费者2 收到了 work.queue的消息... ：【hello, work, message_38】
消费者1 收到了 work.queue的消息... ：【hello, work, message_39】
消费者2 收到了 work.queue的消息... ：【hello, work, message_40】
消费者1 收到了 work.queue的消息... ：【hello, work, message_41】
消费者2 收到了 work.queue的消息... ：【hello, work, message_42】
消费者1 收到了 work.queue的消息... ：【hello, work, message_43】
消费者2 收到了 work.queue的消息... ：【hello, work, message_44】
消费者1 收到了 work.queue的消息... ：【hello, work, message_45】
消费者2 收到了 work.queue的消息... ：【hello, work, message_46】
消费者1 收到了 work.queue的消息... ：【hello, work, message_47】
消费者2 收到了 work.queue的消息... ：【hello, work, message_48】
消费者1 收到了 work.queue的消息... ：【hello, work, message_49】
消费者2 收到了 work.queue的消息... ：【hello, work, message_50】

由于此时两个消费者的消费速度一致（因为方法代码量相同），因此一人消费25条消息。 

• 第四步：我们让这两个消费者的消费速度一个快，一个慢

运行结果：

消费者1 收到了 work.queue的消息... ：【hello, work, message_1】
消费者2 收到了 work.queue的消息... ：【hello, work, message_2】
消费者1 收到了 work.queue的消息... ：【hello, work, message_3】
消费者1 收到了 work.queue的消息... ：【hello, work, message_5】
消费者1 收到了 work.queue的消息... ：【hello, work, message_7】
消费者2 收到了 work.queue的消息... ：【hello, work, message_4】
消费者1 收到了 work.queue的消息... ：【hello, work, message_9】
消费者1 收到了 work.queue的消息... ：【hello, work, message_11】
消费者1 收到了 work.queue的消息... ：【hello, work, message_13】
消费者1 收到了 work.queue的消息... ：【hello, work, message_15】
消费者2 收到了 work.queue的消息... ：【hello, work, message_6】
消费者1 收到了 work.queue的消息... ：【hello, work, message_17】
消费者1 收到了 work.queue的消息... ：【hello, work, message_19】
消费者1 收到了 work.queue的消息... ：【hello, work, message_21】
消费者2 收到了 work.queue的消息... ：【hello, work, message_8】
消费者1 收到了 work.queue的消息... ：【hello, work, message_23】
消费者1 收到了 work.queue的消息... ：【hello, work, message_25】
消费者1 收到了 work.queue的消息... ：【hello, work, message_27】
消费者1 收到了 work.queue的消息... ：【hello, work, message_29】
消费者2 收到了 work.queue的消息... ：【hello, work, message_10】
消费者1 收到了 work.queue的消息... ：【hello, work, message_31】
消费者1 收到了 work.queue的消息... ：【hello, work, message_33】
消费者1 收到了 work.queue的消息... ：【hello, work, message_35】
消费者2 收到了 work.queue的消息... ：【hello, work, message_12】
消费者1 收到了 work.queue的消息... ：【hello, work, message_37】
消费者1 收到了 work.queue的消息... ：【hello, work, message_39】
消费者1 收到了 work.queue的消息... ：【hello, work, message_41】
消费者2 收到了 work.queue的消息... ：【hello, work, message_14】
消费者1 收到了 work.queue的消息... ：【hello, work, message_43】
消费者1 收到了 work.queue的消息... ：【hello, work, message_45】
消费者1 收到了 work.queue的消息... ：【hello, work, message_47】
消费者1 收到了 work.queue的消息... ：【hello, work, message_49】
消费者2 收到了 work.queue的消息... ：【hello, work, message_16】
消费者2 收到了 work.queue的消息... ：【hello, work, message_18】
消费者2 收到了 work.queue的消息... ：【hello, work, message_20】
消费者2 收到了 work.queue的消息... ：【hello, work, message_22】
消费者2 收到了 work.queue的消息... ：【hello, work, message_24】
消费者2 收到了 work.queue的消息... ：【hello, work, message_26】
消费者2 收到了 work.queue的消息... ：【hello, work, message_28】
消费者2 收到了 work.queue的消息... ：【hello, work, message_30】
消费者2 收到了 work.queue的消息... ：【hello, work, message_32】
消费者2 收到了 work.queue的消息... ：【hello, work, message_34】
消费者2 收到了 work.queue的消息... ：【hello, work, message_36】
消费者2 收到了 work.queue的消息... ：【hello, work, message_38】
消费者2 收到了 work.queue的消息... ：【hello, work, message_40】
消费者2 收到了 work.queue的消息... ：【hello, work, message_42】
消费者2 收到了 work.queue的消息... ：【hello, work, message_44】
消费者2 收到了 work.queue的消息... ：【hello, work, message_46】
消费者2 收到了 work.queue的消息... ：【hello, work, message_48】
消费者2 收到了 work.queue的消息... ：【hello, work, message_50】

③观察上述现象：无论两个消费者的消费速度一致，还是不一致，最终二者消费的消息数量都是25条（平分，一人从队列取一半）。

3、为何会出现上述问题？

        rabbitMQ的队列，默认轮询给两个消费者分配消息，而不管消费者的消费速度。该问题的关键是消费者手里还能存储消息，即消费不完的可以存下来，慢慢消费。这就导致了两个消费者平分消息的现象。

        类比：一个大人，一个小孩，一起吃苹果。苹果摊老板不管这两个人吃苹果的速度，只是轮流给两个人发苹果，并且大人和小孩是可以存储还没消费完的苹果，最终导致一共50个苹果，一人发了25个。即：小孩虽然吃得慢，但是兜里能揣啊，于是堆积在手里，一点一点吃。最终小孩还是能分到一半的苹果。

4、如何解决上述问题？

        解决方案：消费者消息推送限制。

        说白了就是，你吃苹果吃得慢是吧，那我不让你存苹果了，而是让你吃完手里的一个，再拿一个。

         根据上述配置，限制了消费者手里只能留一个消息，即：不让消费者再堆积还没消费的消息了。

        类比：此时苹果摊老板，仍然是轮流给两人发苹果，只不过现在多了一条规矩：手里苹果还没吃完的人，就不给他发苹果了，吃完手里那个苹果的人才能再拿一个苹果。这样就限制了小孩堆积苹果的现象。也就解决了上述问题。

5、根据上述的思路，解决该问题

改进问题后，运行代码：

消费者1 收到了 work.queue的消息... ：【hello, work, message_1】
消费者2 收到了 work.queue的消息... ：【hello, work, message_2】
消费者1 收到了 work.queue的消息... ：【hello, work, message_3】
消费者1 收到了 work.queue的消息... ：【hello, work, message_4】
消费者1 收到了 work.queue的消息... ：【hello, work, message_5】
消费者1 收到了 work.queue的消息... ：【hello, work, message_6】
消费者1 收到了 work.queue的消息... ：【hello, work, message_7】
消费者1 收到了 work.queue的消息... ：【hello, work, message_8】
消费者1 收到了 work.queue的消息... ：【hello, work, message_9】
消费者2 收到了 work.queue的消息... ：【hello, work, message_10】
消费者1 收到了 work.queue的消息... ：【hello, work, message_11】
消费者1 收到了 work.queue的消息... ：【hello, work, message_12】
消费者1 收到了 work.queue的消息... ：【hello, work, message_13】
消费者1 收到了 work.queue的消息... ：【hello, work, message_14】
消费者1 收到了 work.queue的消息... ：【hello, work, message_15】
消费者1 收到了 work.queue的消息... ：【hello, work, message_16】
消费者1 收到了 work.queue的消息... ：【hello, work, message_17】
消费者2 收到了 work.queue的消息... ：【hello, work, message_18】
消费者1 收到了 work.queue的消息... ：【hello, work, message_19】
消费者1 收到了 work.queue的消息... ：【hello, work, message_20】
消费者1 收到了 work.queue的消息... ：【hello, work, message_21】
消费者1 收到了 work.queue的消息... ：【hello, work, message_22】
消费者1 收到了 work.queue的消息... ：【hello, work, message_23】
消费者1 收到了 work.queue的消息... ：【hello, work, message_24】
消费者1 收到了 work.queue的消息... ：【hello, work, message_25】
消费者2 收到了 work.queue的消息... ：【hello, work, message_26】
消费者1 收到了 work.queue的消息... ：【hello, work, message_27】
消费者1 收到了 work.queue的消息... ：【hello, work, message_28】
消费者1 收到了 work.queue的消息... ：【hello, work, message_29】
消费者1 收到了 work.queue的消息... ：【hello, work, message_30】
消费者1 收到了 work.queue的消息... ：【hello, work, message_31】
消费者1 收到了 work.queue的消息... ：【hello, work, message_32】
消费者1 收到了 work.queue的消息... ：【hello, work, message_33】
消费者2 收到了 work.queue的消息... ：【hello, work, message_34】
消费者1 收到了 work.queue的消息... ：【hello, work, message_35】
消费者1 收到了 work.queue的消息... ：【hello, work, message_36】
消费者1 收到了 work.queue的消息... ：【hello, work, message_37】
消费者1 收到了 work.queue的消息... ：【hello, work, message_38】
消费者1 收到了 work.queue的消息... ：【hello, work, message_39】
消费者1 收到了 work.queue的消息... ：【hello, work, message_40】
消费者1 收到了 work.queue的消息... ：【hello, work, message_41】
消费者2 收到了 work.queue的消息... ：【hello, work, message_42】
消费者1 收到了 work.queue的消息... ：【hello, work, message_43】
消费者1 收到了 work.queue的消息... ：【hello, work, message_44】
消费者1 收到了 work.queue的消息... ：【hello, work, message_45】
消费者1 收到了 work.queue的消息... ：【hello, work, message_46】
消费者1 收到了 work.queue的消息... ：【hello, work, message_47】
消费者1 收到了 work.queue的消息... ：【hello, work, message_48】
消费者1 收到了 work.queue的消息... ：【hello, work, message_49】
消费者2 收到了 work.queue的消息... ：【hello, work, message_50】

可见此时显然不是平分消息，而是能者多劳。

消费者1消费速度快，因此消费了43条消息；

消费者2消费速度慢，因此消费了7条消息。

以上就解决了 忽略消费速度而无脑平分消息的问题。

二、总结

1、知识总结

2、面试题：如何避免消息堆积问题？

①给队列上绑定多个消费者（work模型），从而提高消费速度

②优化代码，使代码执行速度变快，消费速度也就变快了

③rabbitMQ的默认规则：队列中的同一条消息，只能被一个消费者消费。即：不会出现两个消费者消费同一条消息的现象，从而提高消费速度。

④通过设置prefetch，来控制消费者手里最多有1条消息，不允许堆积消息，实现能者多劳。（最重要的一点）

以上就是work模型的全部详细内容，想了解更多的RabbitMQ知识，请关注本博主~~