基于Redis的Stream结构作为消息队列,实现异步秒杀下单 梦里梦外; 2024-03-22 13:57 32阅读 0赞 #### 文章目录 #### * * 1 认识消息队列 * 2 基于List实现消息队列 * 3 基于PubSub的消息队列 * 4 基于Stream的消息队列 * 5 基于Stream的消息队列-消费者组 * 6 基于Redis的Stream结构作为消息队列,实现异步秒杀下单 ### 1 认识消息队列 ### 什么是消息队列:字面意思就是存放消息的队列。最简单的消息队列模型包括3个角色: * 消息队列:存储和管理消息,也被称为消息代理(Message Broker) * 生产者:发送消息到消息队列 * 消费者:从消息队列获取消息并处理消息 ![1653574849336][] 消息队列是一种常用的中间件,它可以用来实现**系统解耦**、**流量削峰**和**异步调用**等功能。 所谓**解耦**,举一个生活中的例子就是:快递员(生产者)把快递放到快递柜里边(Message Queue)去,我们(消费者)从快递柜里边去拿东西,这就是一个异步,如果耦合,那么这个快递员相当于直接把快递交给你,这事固然好,但是万一你不在家,那么快递员就会一直等你,这就浪费了快递员的时间,所以这种思想在我们日常开发中,是非常有必要的。 这种场景在我们秒杀中就变成了:我们下单之后,利用redis去进行校验下单条件,再通过队列把消息发送出去,然后再启动一个线程去消费这个消息,完成解耦,同时也加快我们的响应速度。 常见的消息队列中间件有`RabbitMQ`、`Kafka`和`RocketMQ`等。这些消息队列需要独立安装部署,虽然它们具有高性能和高可靠性的优点,但是额外部署这些中间件也会增加运维成本和服务器成本。 Redis也可以用来实现消息队列。Redis提供了几种不同的方式来实现消息队列,包括使用`List`、`ZSet`、`PubSub`模式和`Stream`等。这些方式各有优劣,适用于不同的应用场景。 * 使用List实现消息队列:这种方式最为简单直接,它主要通过lpush和rpop命令来存入和读取消息。使用List实现消息队列的优点是消息可以被持久化,但缺点是不支持重复消费、没有按照主题订阅的功能、不支持消费者确认机制等。 * 使用ZSet实现消息队列:这种方式与使用List类似,但由于ZSet多了一个分值(score)属性,我们可以使用它来实现更多的功能,比如用它来存储时间戳,以此来实现延迟消息队列等。ZSet同样具备持久化的功能,但也存在与List类似的问题。 * 使用发布订阅模式实现消息队列:这种方式可以实现主题订阅的功能。但缺点是无法持久化保存信息,如果Redis服务器宕机或者重启,那么所有的消息都会丢失;发布订阅模式是“发后即忘”的工作模式,如果都订阅者离线重连之后就不能消费之前的历史消息了;不支持消费者确认机制,稳定性不能得到保证。 * 使用Stream实现消息队列:这种方式是在Redis 5.0之后新增的。我们可以使用Stream的xadd和xrange命令来实现消息的存入和读取,并且Stream提供了xack命令来手动确认消息消费,用它我们就可以实现消费者确认的功能。 ### 2 基于List实现消息队列 ### **基于List结构模拟消息队列** 消息队列(Message Queue),字面意思就是存放消息的队列。而Redis的list数据结构是一个双向链表,很容易模拟出队列效果。 队列是入口和出口不在一边,因此我们可以利用:LPUSH 结合 RPOP、或者 RPUSH 结合 LPOP来实现。 不过要注意的是,当队列中没有消息时RPOP或LPOP操作会返回null,并不像JVM的阻塞队列那样会阻塞并等待消息。因此这里应该使用BRPOP或者BLPOP来实现阻塞效果。 ![1653575176451][] 基于List的消息队列有哪些优缺点? 优点: * 利用Redis存储,不受限于JVM内存上限 * 基于Redis的持久化机制,数据安全性有保证 * 可以满足消息有序性 缺点: * 无法避免消息丢失 * 只支持单消费者 ### 3 基于PubSub的消息队列 ### PubSub(发布订阅)是Redis2.0版本引入的消息传递模型。顾名思义,消费者可以订阅一个或多个channel,生产者向对应channel发送消息后,所有订阅者都能收到相关消息。 SUBSCRIBE channel \[channel\] :订阅一个或多个频道 PUBLISH channel msg :向一个频道发送消息 PSUBSCRIBE pattern\[pattern\] :订阅与pattern格式匹配的所有频道 ![1653575506373][] 基于PubSub的消息队列有哪些优缺点? 优点: * 采用发布订阅模型,支持多生产、多消费 缺点: * 不支持数据持久化 * 无法避免消息丢失 * 消息堆积有上限,超出时数据丢失 ### 4 基于Stream的消息队列 ### Stream 是 Redis 5.0 引入的一种新数据类型,可以实现一个功能非常完善的消息队列。 发送消息的命令: ![1653577301737][] 例如: ![1653577349691][] 读取消息的方式之一:XREAD ![1653577445413][] 例如,使用XREAD读取第一个消息: ![1653577643629][] XREAD阻塞方式,读取最新的消息: ![1653577659166][] 在业务开发中,我们可以循环的调用XREAD阻塞方式来查询最新消息,从而实现持续监听队列的效果,伪代码如下 ![1653577689129][] 注意:当我们指定起始ID为`$`时,代表读取最新的消息,如果我们处理一条消息的过程中,又有超过1条以上的消息到达队列,则下次获取时也只能获取到最新的一条,会出现漏读消息的问题 STREAM类型消息队列的XREAD命令特点: * 消息可回溯 * 一个消息可以被多个消费者读取 * 可以阻塞读取 * 有消息漏读的风险 ### 5 基于Stream的消息队列-消费者组 ### 消费者组(Consumer Group):将多个消费者划分到一个组中,监听同一个队列。具备下列特点: ![1653577801668][] 创建消费者组: ![1653577984924][] key:队列名称 groupName:消费者组名称 ID:起始ID标示,`$`代表队列中最后一个消息,0则代表队列中第一个消息 MKSTREAM:队列不存在时自动创建队列 其它常见命令: **删除指定的消费者组** XGROUP DESTORY key groupName **给指定的消费者组添加消费者** XGROUP CREATECONSUMER key groupname consumername **删除消费者组中的指定消费者** XGROUP DELCONSUMER key groupname consumername 从消费者组读取消息: XREADGROUP GROUP group consumer [COUNT count] [BLOCK milliseconds] [NOACK] STREAMS key [key ...] ID [ID ...] * group:消费组名称 * consumer:消费者名称,如果消费者不存在,会自动创建一个消费者 * count:本次查询的最大数量 * BLOCK milliseconds:当没有消息时最长等待时间 * NOACK:无需手动ACK,获取到消息后自动确认 * STREAMS key:指定队列名称 * ID:获取消息的起始ID: `>`:从下一个未消费的消息开始 其它:根据指定id从pending-list中获取已消费但未确认的消息,例如0,是从pending-list中的第一个消息开始 消费者监听消息的基本思路: ![1653578211854][] STREAM类型消息队列的XREADGROUP命令特点: * 消息可回溯 * 可以多消费者争抢消息,加快消费速度 * 可以阻塞读取 * 没有消息漏读的风险 * 有消息确认机制,保证消息至少被消费一次 最后我们来个小对比 ![1653578560691][] ### 6 基于Redis的Stream结构作为消息队列,实现异步秒杀下单 ### 需求: * 创建一个Stream类型的消息队列,名为stream.orders * 修改之前的秒杀下单Lua脚本,在认定有抢购资格后,直接向stream.orders中添加消息,内容包含voucherId、userId、orderId * 项目启动时,开启一个线程任务,尝试获取stream.orders中的消息,完成下单 修改lua表达式,新增3.6 ![1656082824939][] VoucherOrderServiceImpl private class VoucherOrderHandler implements Runnable { @Override public void run() { while (true) { try { // 1.获取消息队列中的订单信息 XREADGROUP GROUP g1 c1 COUNT 1 BLOCK 2000 STREAMS s1 > List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read( Consumer.from("g1", "c1"), StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)), StreamOffset.create("stream.orders", ReadOffset.lastConsumed()) ); // 2.判断订单信息是否为空 if (list == null || list.isEmpty()) { // 如果为null,说明没有消息,继续下一次循环 continue; } // 解析数据 MapRecord<String, Object, Object> record = list.get(0); Map<Object, Object> value = record.getValue(); VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(value, new VoucherOrder(), true); // 3.创建订单 createVoucherOrder(voucherOrder); // 4.确认消息 XACK stringRedisTemplate.opsForStream().acknowledge("s1", "g1", record.getId()); } catch (Exception e) { log.error("处理订单异常", e); //处理异常消息 handlePendingList(); } } } private void handlePendingList() { while (true) { try { // 1.获取pending-list中的订单信息 XREADGROUP GROUP g1 c1 COUNT 1 BLOCK 2000 STREAMS s1 0 List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read( Consumer.from("g1", "c1"), StreamReadOptions.empty().count(1), StreamOffset.create("stream.orders", ReadOffset.from("0")) ); // 2.判断订单信息是否为空 if (list == null || list.isEmpty()) { // 如果为null,说明没有异常消息,结束循环 break; } // 解析数据 MapRecord<String, Object, Object> record = list.get(0); Map<Object, Object> value = record.getValue(); VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(value, new VoucherOrder(), true); // 3.创建订单 createVoucherOrder(voucherOrder); // 4.确认消息 XACK stringRedisTemplate.opsForStream().acknowledge("s1", "g1", record.getId()); } catch (Exception e) { log.error("处理pendding订单异常", e); try{ Thread.sleep(20); }catch(Exception e){ e.printStackTrace(); } } } } } [1653574849336]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/0e949ff6e41c4157b0cd9cc1db9159d8.png [1653575176451]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/b6c75f4684c444fc82850d65d4d023a3.png [1653575506373]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/8657573344d646c3821a03baab9537a6.png [1653577301737]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/3402cca4559c458790508ce2c4011c7d.png [1653577349691]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/562e739f535a49498c46a6c16f2f4431.png [1653577445413]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/183e589d9db04fb08dbe0a943a98d0e5.png [1653577643629]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/d567cd84b3da410d92467a76ebe89987.png [1653577659166]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/c06644e70722432d9b3e6ad402798cc2.png [1653577689129]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/3c73cf833fb54d1d9b772803661001d6.png [1653577801668]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/15beb4922feb4429bdf34ddf0e469e3b.png [1653577984924]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/93fb310abc4b4294aa5b2ab47c821cab.png [1653578211854]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/21eabde7f0ad4c81b0fd119f47101155.png [1653578560691]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/693bc1d182fa4e00a47804564593058c.png [1656082824939]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/60b4eb6360ee49a488e300fb45159484.png
还没有评论,来说两句吧...