消息传输和消费的时序性，是消息队列应用中一个非常重要的问题
很多业务场景都需要考虑消息投递的时序性
例如，电商中的订单状态流转，数据库的binlog 分发
消息顺序消费有哪些困难
消息队列中的队列是一个有序的数据结构，消息传递是顺序的
在实际开发中，特别是分布式场景下，消息的有序性是很难保证的
分布式的时钟问题
消息的生产者，消费者和队列存储，可能分布在不同的机器上，不同的机器使用各自的本地时钟
由于服务器存在时钟偏斜等问题，本地时间会出现不一致
不能用消息发送和到达的时间戳作为时序判断标准
分布式系统下缺乏全局时钟，使得绝对的时间顺序实现起来更加困难
消息发送端和消费端的集群
生产者和消费者都是集群部署，通过 ProducerGroup 和 ConsumerGroup 的方式来运行
消息发送端发送时的时序不能用来作为消息发送的有序判断
消费端可能存在多个实例，即使队列内部是有序的
由于存在消息的分发过程，不同消费实例的顺序难以全局统一，也无法实现绝对的有序消费
消息重传等的影响
消息队列在传输消息时，可能会出现网络抖动导致的消息发送失败等
对这种场景的兼容，一般是通过进行合理地重传
消息的重传发生在什么时候是不可预知的，这也会导致消息传输出现乱序
网络及内部并发
如果单纯地依靠消息队列本身来保证，那么在跨实例的情况下
因为网络传输的不稳定会有先后顺序，以及内部消费的并发等，仍然无法实现绝对有序
保证消息绝对的有序，实现起来非常困难
除非在服务器内部，并且一个生产者对应一个消费者
解决消息队列的有序性有哪些手段呢？
消息传输的有序性和不同的消息队列，不同业务场景，以及技术方案的细节等都要关系
解决消息传输的有序性，需要依赖消息队列提供对应的方式
从消息队列自身的角度，可以分为全局有序和局部有序
- 全局有序 —— 无法使用多分区进行性能的优化
- 局部有序 —— 把业务消息分发到一个固定的分区，也就是单个队列内传输的方式
Kafka 顺序消息
Kafka 保证消息的 Partition 内的顺序
- 单分区 —— 天然满足消息有序性
- 多分区 —— 通过制定的分发策略，将同一类信息分发到同一个 Partintion 中
例如，电商系统中的订单流转信息，在写入 Kafka 时通过订单 ID 进行分发
保证同一个订单 ID 的消息都会被发送到同一个 Partition 中
比较特殊的情况——消息失败重发的场景
比如同一个订单下的消息1和2，如果1发送失败了，重发的时候可能会出现在2的后边，可以通过设置”max.in.flight.requests.per.connection“ 参数来解决
RocketMQ 顺序消息
RocketMQ 保证消息在同一个 Queue 中的顺序性，也就是满足队列的先进先出原则
如果把对应一个业务主键的消息都路由到同一个 Queue 中就可以实现消息的有序传输
并且 RocketMQ 额外支持 Tag 的方式
可以对业务消息做进一步的拆分，在消费时相对更加灵活
从业务角度保证顺序消费
消息消费的有序性，是一个业务场景的设计问题。可以在业务中进行规避，或者通过合理的设计方案来解决。
消息传输的有序性是否有必要
在你的业务中是否必须实现绝对的消息有序？或者是必须要有消息队列这样的技术手段？
比如在一个订单状态消息流转的业务场景中，
订单会有创建成功，待付款，已支付，已发货的状态，订单状态的更新需要保证有序性。
如果要实现的功能是根据发货的状态，进行物流通知用户的功能
因为这个状态是单调不可逆向的，可以只关注最后是否已经发货的状态。
业务中如何实现有序消费
根据不同的业务场景，以发送端或者消费端时间戳为准
比如在电商大促的秒杀场景中，如果要对秒杀的请求进行排队，可以使用秒杀提交时服务端的时间戳，在这个场景下，不需要保证绝对的有序。每次消息发送是生成唯一递增的ID
在消费端进行消费时，缓存最大的序列ID，只消费超过当前最大的序列 ID 的消息
可以保证每次只处理最新的数据，避免一些业务上的不一致问题。通过缓存时间戳的方式
当生产者在发送消息时，添加一个时间戳，消费端在处理消息时，通过缓存时间戳的方式，判断消息产生的时间是否最新，如果不是则丢弃，否则执行下一步。
总结
消息的有序性可以分为时间上的有序和业务上的有序
绝对的时间有序实现起来时非常困难的
消息队列只是一个消息传输的解决方案
可以通过业务中不通的场景，进行合理的设计，实现业务上的有序性