文章目录

一、什么是 Redis 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

在这里插入图片描述

使用队列的好处在于 解耦 解除数据之间的耦合性

这里最好的是使用MQ、RabbitMQ、RocketMQ、Kafka等消息队列，我们本节主要介绍 Redis 的消息队列。

二、Redis 消息队列 – 基于 Redis 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，我们可以通过 LPush、RPOP、RPush、LPOP 这些来实现。

注意 ： 如果获取 LPOP、RPOP获取消息如果没有的话，会直接返回null，所以我们使用阻塞：BLPOP、BRPOP来实现阻塞效果

在这里插入图片描述

基于List 结构的消息队列的优缺点？

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、数据安全性有保障
  • 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

三、Redis 消息队列 – 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。

Pubsub 常用命令

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

在这里插入图片描述

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

四、基于Redis 的Stream 的消费队列

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。

⛅Stream 简单语法

Stream 常用语法：

在这里插入图片描述

例如：

创建为 users 的消息队列，并向其中发送一条消息 使用Redis 自动生成id

在这里插入图片描述

读取消息的方式之一：XRead

在这里插入图片描述

利用 XRead 读取一个消息

在这里插入图片描述

XRead 阻塞方式，读取最新的消息

在这里插入图片描述

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

在这里插入图片描述

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，则下次获取的也是只有最新的一条，会出现消息漏读的问题！

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

⚡Stream 的消费者组

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：

在这里插入图片描述

创建消费者组：

XGROUP CREATE key groupName ID [MKSTREAM]
  • 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

其它常用命令

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：

在这里插入图片描述

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

三种消息队列对比

在这里插入图片描述

五、基于Redis Stream消息队列实现异步秒杀

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 seckill.lua 脚本

-- 1.3.订单id
local orderId = ARGV[3]

-- 3.6.发送消息到队列中， XADD stream.orders * k1 v1 k2 v2 ...
redis.call('xadd', 'stream.orders', '*', 'userId', userId, 'voucherId', voucherId, 'id', orderId)

修改VoucherOrderService

private static final DefaultRedisScript<Long> SECKILL_SCRIPT;

static {
    SECKILL_SCRIPT = new DefaultRedisScript<>();
    SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));
    SECKILL_SCRIPT.setResultType(Long.class);
}


private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();

//在类初始化之后执行，因为当这个类初始化好了之后，随时都是有可能要执行的
@PostConstruct
private void init() {
    SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderHandler());
}

/**
     * 使用 Redis消息队列建立 读队列、编写下订单任务
     */
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 去 Pading-List读取消息
                handlePendingList();
            }
        }
    }
}

/**
     *  Redis消息队列出现异常，调用此方法去 Pading—List中重新读取
     */
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 ee){
                ee.printStackTrace();
            }
        }
    }
}


private void handleVoucherOrder(VoucherOrder voucherOrder) {
    //1.获取用户
    Long userId = voucherOrder.getUserId();
    // 2.创建锁对象
    RLock lock = redissonClient.getLock("lock:order:" + userId);
    // 3.尝试获取锁
    boolean isLock = lock.tryLock();
    // 4.判断是否获得锁成功
    if (!isLock) {
        // 获取锁失败，直接返回失败或者重试
        log.error("不允许重复下单！");
        return;
    }
    try {
        //注意：由于是spring的事务是放在threadLocal中，此时的是多线程，事务会失效
        proxy.createVoucherOrder(voucherOrder);
    } finally {
        // 释放锁
        lock.unlock();
    }
}


// 代理对象
private IVoucherOrderService proxy;

@Override
public Result seckillVoucher(Long voucherId) {

    //获取用户
    Long userId = UserHolder.getUser().getId();
    //生成订单ID
    long orderId = redisIdWorker.nextId("order");

    // 1.执行lua脚本
    Long result = stringRedisTemplate.execute(
        SECKILL_SCRIPT,
        Collections.emptyList(),
        voucherId.toString(), userId.toString(), String.valueOf(orderId)
    );
    int r = result.intValue(); // 转成int

    // 2.判断结果是否为0
    if (r != 0) {
        // 2.1.不为0 ，代表没有购买资格
        return Result.fail(r == 1 ? "库存不足" : "不能重复下单");
    }

    //3.获取代理对象
    proxy = (IVoucherOrderService) AopContext.currentProxy();

    //4.返回订单id
    return Result.ok(orderId);
}


@Transactional
public void createVoucherOrder (VoucherOrder voucherOrder){
    // 5.一人一单逻辑
    // 5.1.用户id
    Long userId = voucherOrder.getUserId();

    // 判断是否存在
    int count = query().eq("user_id", userId)
        .eq("voucher_id", voucherOrder.getId()).count();

    // 5.2.判断是否存在
    if (count > 0) {
        // 用户已经购买过了
        log.error("用户已经购买过了");
    }

    //6，扣减库存
    boolean success = seckillVoucherService.update()
        .setSql("stock= stock -1") //set stock = stock -1
        .eq("voucher_id", voucherOrder.getVoucherId()).gt("stock",0).update(); //where id = ？ and stock > 0
    // .eq("voucher_id", voucherId).eq("stock",voucher.getStock()).update(); //where id = ？ and stock = ?

    if (!success) {
        //扣减库存
        log.error("库存不足！");
    }

    save(voucherOrder);
}

六、程序测试

ApiFox 简单测试

在这里插入图片描述

请求成功，完成基本测试，下面恢复数据库，进行压力测试

Jmeter 压力测试

Jmeter测试

在这里插入图片描述

查看Redis

在这里插入图片描述

查看MySQL

在这里插入图片描述

⛵小结

以上就是【Bug 终结者】对 微服务Spring Boot 整合Redis 基于Redis的Stream 消息队列 实现异步秒杀下单 的简单介绍，在分布式系统下，高并发的场景下，使用消息队列来实现秒杀下单，可见性能提升了很大！ 在开发中，我们还是使用MQ比较多一点的，Redis 消息队列作为拓展，本次秒杀下单系列到此就更新完毕啦！ 如有需要源码的，可去公众号获取!

如果这篇【文章】有帮助到你，希望可以给【Bug 终结者】点个赞👍，创作不易，如果有对【后端技术】、【前端领域】感兴趣的小可爱，也欢迎关注❤️❤️❤️ 【Bug 终结者】❤️❤️❤️，我将会给你带来巨大的【收获与惊喜】💝💝💝！

# redis # 微服务 # spring boot # 测试工具 # 云原生
Logo
华为云开发者联盟

为开发者提供学习成长、分享交流、生态实践、资源工具等服务，帮助开发者快速成长。

更多推荐

cover

通过HPA+CronHPA组合应对业务复杂弹性伸缩场景

avatar 华为云开发者联盟
cover

FT-FMEA融合混沌演练，零售运营系统韧性架构在线验证实践

avatar 华为云开发者联盟
cover

如何使用Python和Plotly绘制3D图形

avatar 华为云开发者联盟