@RabbitListener处理重试机制完成后的异常捕获

ops/2025/1/22 8:33:15/
  • application.properties中配置开启手动签收
spring.rabbitmq.listener.direct.acknowledge-mode=manual
spring.rabbitmq.listener.simple.acknowledge-mode=manual
  • 定义一个重试器
@Slf4j
@Configuration
public class RabbitMQRetryConfing {@Bean("customRetry")public RetryTemplate retryTemplate() {RetryTemplate retryTemplate = new RetryTemplate();SimpleRetryPolicy retryPolicy = new SimpleRetryPolicy();retryPolicy.setMaxAttempts(3); // 设置重试次数retryTemplate.setRetryPolicy(retryPolicy);FixedBackOffPolicy backOffPolicy = new FixedBackOffPolicy();backOffPolicy.setBackOffPeriod(2000); // 重试间隔,单位:毫秒retryTemplate.setBackOffPolicy(backOffPolicy);// 添加 RetryListener 以观察重试过程retryTemplate.registerListener(new RetryListener() {@Overridepublic <T, E extends Throwable> boolean open(RetryContext context, RetryCallback<T, E> callback) {return true;}@Overridepublic <T, E extends Throwable> void close(RetryContext context, RetryCallback<T, E> callback, Throwable throwable) {}@Overridepublic <T, E extends Throwable> void onError(RetryContext context, RetryCallback<T, E> callback, Throwable throwable) {//春姐,这里可以灵活配置重试失败后的回调,例如发送告警、更新数据库状态等if (context.getRetryCount() >= retryPolicy.getMaxAttempts()) {int retryCount = context.getRetryCount();// 当重试次数耗尽时进行处理log.info("已达到最大重试次数{}次,丢弃本次任务",retryCount);}}});return retryTemplate;}
}

这个重试器可以配置最大重试次数、重试之间间隔次数等策略配置,调用重试器的execute方法可以进行队列消费,如果在执行一次任务期间发生了异常,则会根据配置的重试次数以及间隔时间自动触发下一次重试,每一次重试都是在同一个线程中执行完成的,并且RetryTemplate会为每一次重试失败进行回调,提供了诸如 onOpen、onClose、onError等回调时机。

  • RabbitMQ监听器回调方法
	@Autowired@Qualifier("customRetry")private RetryTemplate retryTemplate;//queues消费的队列  ackMode确认模式 MANUAL 手动确认@RabbitListener(queues = "q",ackMode = "MANUAL")@Overridepublic void onMessage(Message message, Channel channel)   {try {retryTemplate.execute(new RetryCallback<Object, Throwable>() {@Overridepublic Object doWithRetry(RetryContext retryContext) throws Throwable {// 消息的唯一标识idlong deliveryTag = message.getMessageProperties().getDeliveryTag();log.info("接收到mq信息" + new String(message.getBody()));try{//todo 开始业务处理String msg = new String(message.getBody());Integer articleId = Integer.parseInt(msg);newsService.pullNews(articleId);// 手动签收的第一个参数为消息的唯一标识id、第二个参数表示是否批量签收channel.basicAck(deliveryTag,false);log.info("消费mq消息成功,articleId为:{}",articleId);return null;}catch (Throwable e){log.error(String.format("失败,异常信息为:%s",new String(message.getBody()),e.getMessage()));//重新抛出异常  触发重试机制throw e;}finally {//重试次数达到限制log.error(String.format("失败",new String(message.getBody())));//不重新入队,发送到死信队列// 手动拒绝签收的第一个参数为消息id、// 第二个参数表示是否批量签收// 第三个参数消息是否重回队列channel.basicNack(message.getMessageProperties().getDeliveryTag(), false, false);}}});} catch (Throwable throwable) {log.info("执行回调重试上下文出现异常");}}

这样,当耗尽完重试次数之后就会被回调到onError方法中执行自定义的异常逻辑处理。


http://www.ppmy.cn/ops/152150.html

相关文章

【深度学习入门】深度学习知识点总结

一、卷积 &#xff08;1&#xff09;什么是卷积 定义&#xff1a;特征图的局部与卷积核做内积的操作。 作用&#xff1a;① 广泛应用于图像处理领域。卷积操作可以提取图片中的特征&#xff0c;低层的卷积层提取局部特征&#xff0c;如&#xff1a;边缘、线条、角。 ② 高层…

更新布局元素的属性

每个布局元素都有一组可以通过编程来更新的属性.布局元素有很多种不同的类型,如图例,图形,文本,地图整饰等等. 操作方法: 1.打开目标活动地图文档 2.打开python窗口 3.导入arcpy模块 import arcpy.mapping as mapping 4.引用当前活动地图文档,把该引用赋值给变量 mxd map…

Apache SeaTunnel 2.3.9 正式发布:多项新特性与优化全面提升数据集成能力

近日&#xff0c;Apache SeaTunnel 社区正式发布了最新版本 2.3.9。本次更新新增了Helm 集群部署、Transform 支持多表、Zeta新API、表结构转换、任务提交队列、分库分表合并、列转多行 等多个功能更新&#xff01; 作为一款开源、分布式的数据集成平台&#xff0c;本次版本通过…

STM32 HAL库函数入门指南:从原理到实践

1 STM32 HAL库概述 STM32 HAL(Hardware Abstraction Layer)库是ST公司专门为STM32系列微控制器开发的一套硬件抽象层函数库。它的核心设计理念是在应用层与硬件层之间建立一个抽象层&#xff0c;这个抽象层屏蔽了底层硬件的具体实现细节&#xff0c;为开发者提供了一套统一的、…

电路笔记(通信模块): 基于ESP32-S3实现的XVC(Xilinx Virtual Cable) JTAG下载器硬件

目录 项目配置测试服务地址连接ESP32-S3和FPGA连接XVC 项目配置 安装并配置ARDUINO 下载项目 https://github.com/kholia/xvc-esp32&#xff0c;并根据本地网络配置进行修改 测试服务地址 $ for /L %i in (1,1,254) do ping -n 1 -w 100 192.168.1.%i | find "TTL" …

Pytorch使用教程(12)-如何进行并行训练?

在使用GPU训练大模型时&#xff0c;往往会面临单卡显存不足的情况。这时&#xff0c;通过多卡并行的形式来扩大显存是一个有效的解决方案。PyTorch主要提供了两个类来实现多卡并行&#xff1a;数据并行torch.nn.DataParallel&#xff08;DP&#xff09;和模型并行torch.nn.Dist…

基于注解实现去重表消息防止重复消费

基于注解实现去重表消息防止重复消费 1. 背景/问题 在分布式系统中&#xff0c;消息队列&#xff08;如RocketMQ、Kafka&#xff09;的 消息重复消费 是常见问题&#xff0c;主要原因包括&#xff1a; 网络抖动&#xff1a;生产者或消费者因网络不稳定触发消息重发。消费者超…

深度学习基础--LSTM学习笔记(李沐《动手学习深度学习》)

前言 LSTM是RNN模型的升级版&#xff0c;神经网络模型较为复杂&#xff0c;这里是学习笔记的记录&#xff1b;LSTM比较复杂&#xff0c;可以先看&#xff1a; 深度学习基础–一文搞懂RNN 深度学习基础–GRU学习笔记(李沐《动手学习深度学习》) RNN&#xff1a;RNN讲解参考&am…