为什么我会收到 50% 的 GCP Pub/Sub 消息重复？

Question

我正在运行分析管道。

• 吞吐量约为每秒 11 条消息。
• 我的 Pub/Sub 主题安排了大约 200 万条消息。
• 80 个 GCE 实例正在并行拉取消息。

这是我的主题和订阅：

gcloud pubsub topics create pipeline-input

gcloud beta pubsub subscriptions create pipeline-input-sub \
    --topic pipeline-input \
    --ack-deadline 600 \
    --expiration-period never \
    --dead-letter-topic dead-letter

这是我拉消息的方式：

import { PubSub, Message } from '@google-cloud/pubsub'

const pubSubClient = new PubSub()

const queue: Message[] = []

const populateQueue = async () => {
  const subscription = pubSubClient.subscription('pipeline-input-sub', {
    flowControl: {
      maxMessages: 5
    }
  })
  const messageHandler = async (message: Message) => {
    queue.push(message)
  }
  subscription.on('message', messageHandler)
}

const processQueueMessage = () => {
  const message = queue.shift()
  try {
    ...
    message.ack()
  } catch {
    ...
    message.nack()
  }
  processQueueMessage()
}

processQueueMessage()

处理时间约为 7 秒。

这是许多类似的重复案例之一。 相同的消息被传递 5 (!!!) 次到不同的 GCE 实例：

• 03:37:42.377
• 03:45:20.883
• 03:48:14.262
• 04:01:33.848
• 05:57:45.141

所有 5 次消息都被成功处理并.ack()ed。输出包含的消息比输入多 50%！我很清楚"at least once" behavior，但我认为它可能会重复 0.01% 的消息，而不是 50%。

主题输入 100% 没有重复。我通过云监控验证了主题输入法和未确认消息的数量。数字匹配：发布/订阅主题中没有重复项。

更新：

1. 看起来所有这些重复都是由于确认截止日期到期而创建的。我 100% 确信我在 600 秒截止日期之前确认了 99.9% 的消息。

Answer 1

预计会有一些重复，但 50% 的重复率肯定很高。第一个问题是，这些是发布端重复还是订阅端重复？前者是在重试发布同一消息时创建的，导致同一消息的多次发布。这些消息将具有不同的消息 ID。后者是由向订阅者重新传递相同的消息引起的。这些消息具有相同的消息 ID（尽管有不同的确认 ID）。

听起来您已验证这些是订阅端重复项。因此，正如您提到的，可能的原因是过期的确认截止日期。问题是，为什么消息超过了确认期限？需要注意的一点是，在使用客户端库时，订阅中设置的确认截止日期并不是使用的那个。相反，客户端库尝试根据客户端库设置和第 99 个百分位 ack 延迟来优化 ack 截止日期。然后它更新消息的租约，直到 max_lease_duration property of the FlowControl object 传递到 subscribe 方法。默认为一小时。

因此，为了使消息保持租用状态，客户端库必须能够向服务器发送modifyAckDeadline 请求。重复的一个可能原因是客户端无法发送这些请求，这可能是由于机器过载。运行此管道的机器是否在做其他工作？如果是这样，则它们可能在 CPU、内存或网络方面过载，无法发送 modifyAckDeadline 请求并且无法及时处理消息。

消息批处理也可能会影响您确认消息的能力。作为一种优化，Pub/Sub 系统存储批量消息而不是单个消息的确认。因此，必须确认批次中的所有消息才能确认所有消息。因此，如果您在一个批次中有 5 条消息并确认其中的 4 条，但没有确认最后一条消息，则所有 5 条消息都将被重新发送。有一些缓存可以尽量减少这种情况，但这仍然是一种可能性。有一个Medium post 对此进行了更详细的讨论（请参阅“消息重新传递和重复率”部分）。一旦收到消息并在调用ack 和nack 之前打印出消息ID，可能值得检查代码中的所有消息是否已确认和未确认。如果您的消息是分批发布的，则单个 nack 可能会导致重新发送更多消息。

批处理和重复之间的这种耦合是我们正在积极努力改进的。我希望这个问题会在某个时候停止。同时，如果您对发布者有控制权，可以将批处理设置中的max_messages 属性设置为1，以防止消息批处理。

如果这些都没有帮助，最好打开一个支持案例并提供一些重复消息的项目名称、订阅名称和消息 ID。工程师可以更详细地调查个别消息被重新传递的原因。