NanoMQ 0.22版本中MQTT客户端重复接收消息问题分析
2025-07-07 09:47:37作者:何将鹤
问题背景
在MQTT协议的实际应用中,订阅多个主题并正确处理消息是基础功能。NanoMQ作为一款轻量级MQTT消息代理,在0.22版本中出现了一个值得关注的消息重复接收问题。这个问题表现为:当客户端订阅多个主题时,如果一条消息匹配其中一个订阅主题,客户端会收到该消息的多个副本,数量等于订阅的主题总数,无论其他主题是否实际匹配该消息。
问题现象
通过实际测试可以清晰观察到这一现象:
- 使用NanoMQ 0.22版本搭建服务
- 客户端订阅三个主题:topic1、topic2和topic3
- 向topic1发布一条保留消息"hello"
- 客户端会收到三条相同的消息,而非预期的一条
topic1 hello
topic1 hello
topic1 hello
更值得注意的是,每增加一个订阅主题,重复消息的数量就会相应增加。例如订阅四个主题时,会收到四条相同消息。
问题定位
经过深入分析,发现问题与消息的保留标志(RETAINED)密切相关:
- 仅当消息带有保留标志时才会出现重复
- 普通非保留消息不会触发此问题
- 问题在0.21版本中不存在,是0.22版本引入的回归问题
进一步的技术分析指向了底层NanoNNG库的一个变更。具体来说,NanoNNG中关于保留消息处理的修改导致了这一行为变化。在修改前的版本中,保留消息能够正确传递;而修改后的版本则出现了消息重复投递的问题。
技术原理
MQTT协议规定,当客户端订阅多个主题时:
- 代理应检查消息与每个订阅主题的匹配情况
- 仅当消息匹配某个订阅主题时才应投递
- 即使匹配多个订阅主题,同一条消息也不应重复投递
- 保留消息应遵循相同规则
NanoMQ 0.22版本中的实现错误在于:
- 对保留消息的处理逻辑存在缺陷
- 未正确过滤不匹配主题的订阅
- 为每个订阅主题都创建了消息副本
解决方案
NanoMQ团队已确认此问题并进行了修复。修复的核心思路是:
- 重新设计保留消息的反射机制
- 确保消息仅在与订阅主题匹配时才被投递
- 避免为不匹配的订阅创建不必要的消息副本
最佳实践建议
对于使用NanoMQ的开发者和运维人员:
- 如果使用保留消息功能,建议升级到已修复此问题的版本
- 在升级前进行充分测试,特别是涉及多主题订阅的场景
- 对于关键业务系统,考虑暂时回退到0.21版本
- 监控消息流量,及时发现可能的重复消息问题
总结
消息中间件的可靠性对物联网和消息系统至关重要。NanoMQ 0.22版本中出现的这一消息重复问题,虽然看似简单,但反映了消息代理实现中的复杂性。通过分析这类问题,我们可以更深入地理解MQTT协议的实现细节,并在实际应用中做出更合理的技术选型和配置决策。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
199
219
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
630
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100