生产环境一个问题让我直接“懵”了

大家好，我是威哥，《RocketMQ技术内幕》作者、RocketMQ社区首席布道师、中通快递基础架构资深架构师，越努力越幸运，唯有坚持不懈，与大家共勉。

前天发完版本好不容易休息一下，又遇到一个问题，项目组反馈说RocketMQ的一个消费组一条消息，消费了两次，但两者之间的间隔超过了10个小时，现象如下图所示：

这是为什么呢？两者之间相差了差不多10个多小时，是不是这条消息重复消费了16次，但从日志中并没有打印出16次消息题，只打印了两条消息，从日志角度来看应该不是重复消费了16次。

本着不轻易相信日志的原则，我觉得应该去RocketMQ服务器上看看这条消息存储的重试次数，从而推断出消息是否消费失败而进行消费重试，正好项目组也提供了消息的Key，根据消息key、发送主题名称去查找消息，只能查询到一条消息：

说明发送端确实只发送了一条消息。

那个时候服务集群并没有发现什么异常，消费者没有重启、队列也没发生重平衡，不符合RocketMQ会重复推送消息给客户端的场景，那基本就可以断定是消息消费失败重启引起的，但RocketMQ消息消费重试重试延迟是采取间隔的，往往第一次重试只需10秒就会发生重试，不应该是10个小时？
为此，我特意根据Key分别查找了主题SCHEDULE_TOPIC_XXXX与%RETRY%重试主题，发现这个key也只有一条消息，说明这还仅仅是第一次重试，如下图：

但从这里可以看到消息写入到SCHEDULE_TOPIC_XXXX的时间为2022-05-27 22:26:20，然后过了10s就通过调度机制进入到重试主题，并开始被消费，故进行了第一次重试。

扩展机制知识：RocketMQ并发消费的消费者，在客户端消费失败后会向服务端发送ACK，根据重试次数进入到SCHEDULE_TOPIC_XXXX主题不同的队列中，每一个队列代表的延迟时间不一样，经过一定延迟时间后再次调度到消费组的重试主题，被消费者再次消费，实现时间间隔的重试，提高重试成功率。

那为什么第一次消费是12点51分，为什么这么久才进入到Broker的SCHEDULE_TOPIC_XXXX呢？

这个就是问题的关键所在，这个细节我平时也没关注，故接下来得分析这段代码，代码具体定义在ConsumeMessageConcurrentlyService的processConsumeResult方法中。

原来，如果客户端消费失败后向Broker发生ACK失败后，会加入到msgBack失败队列中，并重新提交到消费者这边消费，并且这条消息的位点不会提交，因为有关键代码：

consumeRequest.getMsgs().removeAll(msgBackFailed);

long offset = consumeRequest.getProcessQueue().removeMessage(consumeRequest.getMsgs());
if (offset >= 0 && !consumeRequest.getProcessQueue().isDropped()) {
   this.defaultMQPushConsumerImpl.getOffsetStore().updateOffset(consumeRequest.getMessageQueue(), offset, true);
}

RocketMQ消费位点采取最小位点提交，只要消息存在于本地处理队列，位点就不会提交，从而会触发消息积压。但尴尬的是这个主题平时消息量很少，并没有通过积压来发现该问题。

根据现象与代码结合，原因是客户端一直消费失败，但向Broker提交ACK一直失败，直到晚上22:26分才发送成功，从而才触发重新消费。

那现在的关键是为什么会发生ACK会失败呢？这次比较遗憾，因为项目组使用的是容器，这块代码并没有采集到日志集群，导致无法查看错误日志，而且所在的集群是正常的，这个疑问后续等我分析完毕后，再和大家来分享，如果粉丝朋友们遇到过，后者分析过，还请留言。