当前位置： 首页 > news >正文

redis实战day03（消息队列）

news 2025/11/5 10:52:33

目录

秒杀优化

1.异步秒杀整体思路

2.Redis完成秒杀资格判断

3.基于阻塞队列实现秒杀优化

Redis消息队列

1.基于List实现消息队列

2. 基于PubSub的消息队列

3.基于Stream的消息队列

3.1优化：基于Stream的消息队列-消费者组​编辑

3.2异步秒杀下单 代码实现

秒杀优化

1.异步秒杀整体思路

我们来回顾一下下单流程

当用户发起请求，此时会请求nginx，nginx会访问到tomcat，而tomcat中的程序，会进行串行操作，分成如下几个步骤

1、查询优惠卷

2、判断秒杀库存是否足够

3、查询订单

4、校验是否是一人一单

5、扣减库存

6、创建订单

在这六步操作中，又有很多操作是要去操作数据库的，而且还是一个线程串行执行， 这样就会导致我们的程序执行的很慢，所以我们需要异步程序执行，那么如何加速呢？

当用户下单之后，判断库存是否充足只需要导redis中去根据key找对应的value是否大于0即可，如果不充足，则直接结束，如果充足，继续在redis中判断用户是否可以下单，如果set集合中没有这条数据，说明他可以下单，如果set集合中没有这条记录，则将userId和优惠卷存入到redis中，并且返回0，整个过程需要保证是原子性的，我们可以使用lua来操作

当以上判断逻辑走完之后，我们可以判断当前redis中返回的结果是否是0 ，如果是0，则表示可以下单，则将之前说的信息存入到到queue中去，然后返回，然后再来个线程异步的下单，前端可以通过返回的订单id来判断是否下单成功。

2.Redis完成秒杀资格判断

需求：

  • 新增秒杀优惠券的同时，将优惠券信息保存到Redis中
  • 基于Lua脚本，判断秒杀库存、一人一单，决定用户是否抢购成功
  • 如果抢购成功，将优惠券id和用户id封装后存入阻塞队列
  •  开启线程任务，不断从阻塞队列中获取信息，实现异步下单功能

VoucherServiceImpl

@Override
@Transactional
public void addSeckillVoucher(Voucher voucher) {// 保存优惠券save(voucher);// 保存秒杀信息SeckillVoucher seckillVoucher = new SeckillVoucher();seckillVoucher.setVoucherId(voucher.getId());seckillVoucher.setStock(voucher.getStock());seckillVoucher.setBeginTime(voucher.getBeginTime());seckillVoucher.setEndTime(voucher.getEndTime());seckillVoucherService.save(seckillVoucher);// 保存秒杀库存到Redis中//SECKILL_STOCK_KEY 这个变量定义在RedisConstans中//private static final String SECKILL_STOCK_KEY ="seckill:stock:"stringRedisTemplate.opsForValue().set(SECKILL_STOCK_KEY + voucher.getId(), voucher.getStock().toString());
}

完整lua表达式

-- 1.参数列表
-- 1.1.优惠券id
local voucherId = ARGV[1]
-- 1.2.用户id
local userId = ARGV[2]
-- 1.3.订单id
local orderId = ARGV[3]-- 2.数据key
-- 2.1.库存key
local stockKey = 'seckill:stock:' .. voucherId
-- 2.2.订单key
local orderKey = 'seckill:order:' .. voucherId-- 3.脚本业务
-- 3.1.判断库存是否充足 get stockKey
if(tonumber(redis.call('get', stockKey)) <= 0) then-- 3.2.库存不足，返回1return 1
end
-- 3.2.判断用户是否下单 SISMEMBER orderKey userId
if(redis.call('sismember', orderKey, userId) == 1) then-- 3.3.存在，说明是重复下单，返回2return 2
end
-- 3.4.扣库存 incrby stockKey -1
redis.call('incrby', stockKey, -1)
-- 3.5.下单（保存用户）sadd orderKey userId
redis.call('sadd', orderKey, userId)
/// 优化新增
-- 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)
return 0

VoucherOrderServiceImpl

@Override
public Result seckillVoucher(Long voucherId) {//获取用户Long userId = UserHolder.getUser().getId();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();// 2.判断结果是否为0if (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");}//TODO 保存阻塞队列// 3.返回订单idreturn Result.ok(orderId);
}

还需要判断在查看一人一单是否要加锁吗？

在判断库存充足和用户能否下单时，使用 Lua 脚本可以确保操作的原子性，因此无需额外加锁。Lua 脚本在 Redis 中以原子方式执行，避免了因并发访问导致的一致性问题，确保库存判断和用户下单判断的准确性。

3.基于阻塞队列实现秒杀优化

VoucherOrderServiceImpl

//异步处理线程池
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());
}
// 用于线程池处理的任务
// 当初始化完毕后，就会去从对列中去拿信息private class VoucherOrderHandler implements Runnable{@Overridepublic void run() {while (true){try {// 1.获取队列中的订单信息VoucherOrder voucherOrder = orderTasks.take();// 2.创建订单handleVoucherOrder(voucherOrder);} catch (Exception e) {log.error("处理订单异常", e);}}}private void handleVoucherOrder(VoucherOrder voucherOrder) {//1.获取用户Long userId = voucherOrder.getUserId();// 2.创建锁对象RLock redisLock = redissonClient.getLock("lock:order:" + userId);// 3.尝试获取锁boolean isLock = redisLock.lock();// 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redisLock.unlock();}}//aprivate BlockingQueue<VoucherOrder> orderTasks =new  ArrayBlockingQueue<>(1024 * 1024);@Overridepublic Result seckillVoucher(Long voucherId) {Long userId = UserHolder.getUser().getId();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();// 2.判断结果是否为0if (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");}VoucherOrder voucherOrder = new VoucherOrder();// 2.3.订单idlong orderId = redisIdWorker.nextId("order");voucherOrder.setId(orderId);// 2.4.用户idvoucherOrder.setUserId(userId);// 2.5.代金券idvoucherOrder.setVoucherId(voucherId);// 2.6.放入阻塞队列orderTasks.add(voucherOrder);//3.获取代理对象proxy = (IVoucherOrderService)AopContext.currentProxy();//4.返回订单idreturn Result.ok(orderId);}@Transactionalpublic  void createVoucherOrder(VoucherOrder voucherOrder) {Long userId = voucherOrder.getUserId();// 5.1.查询订单int count = query().eq("user_id", userId).eq("voucher_id", voucherOrder.getVoucherId()).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");return ;}// 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) // where id = ? and stock > 0.update();if (!success) {// 扣减失败log.error("库存不足");return ;}save(voucherOrder);}

为什么异步秒杀比同步快？

1. 请求处理路径缩短

  • 同步：

    用户请求 → 库存校验 → 一人一单校验 → 扣减库存 → 创建订单 → 返回结果↓          ↓           ↓          ↓         ↓         ↓网络IO    数据库查询   数据库查询   数据库更新  数据库插入  网络IO

  • 异步：

    用户请求 → Redis校验(Lua脚本) → 立即返回 → 后台异步处理
         ↓            ↓              ↓           ↓
      网络IO      内存操作         网络IO     数据库操作

2. 数据库压力分散

java

// 同步方式 - 所有请求直接打到数据库
public Result syncSeckill(Long voucherId) {// 1. 查询库存 (数据库IO)// 2. 校验一人一单 (数据库IO)  // 3. 扣减库存 (数据库IO)// 4. 创建订单 (数据库IO)// 所有步骤都在一个数据库事务中，持有锁时间长
}// 异步方式 - 只有最终下单才访问数据库
public Result asyncSeckill(Long voucherId) {// 1. Redis校验 (内存操作，微秒级)// 2. 立即返回，后台线程异步处理数据库操作
}

线程池整体架构

java

// 这三个组件构成了完整的异步处理系统
private BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024);
private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();
private class VoucherOrderHandler implements Runnable { ... }

1. 阻塞队列 (BlockingQueue) - 缓冲区

java

private BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024);

作用：作为生产者和消费者之间的缓冲区

工作流程：

java

// 生产者：秒杀请求线程
public Result seckillVoucher(Long voucherId) {// ... 前置校验逻辑// 创建订单对象VoucherOrder voucherOrder = new VoucherOrder();voucherOrder.setId(orderId);voucherOrder.setUserId(userId);voucherOrder.setVoucherId(voucherId);// 将订单放入队列（生产）orderTasks.add(voucherOrder);return Result.ok(orderId);
}// 消费者：后台处理线程
private class VoucherOrderHandler implements Runnable {public void run() {while (true) {// 从队列取出订单（消费）VoucherOrder voucherOrder = orderTasks.take();handleVoucherOrder(voucherOrder);}}
}

队列特性：

  • take()：如果队列为空，线程会阻塞等待，直到有元素可用

  • add()：如果队列已满，会抛出异常（你的队列大小是 1024*1024，基本不会满）

2. 线程池 (ExecutorService) - 工人管理

java

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

线程池创建详解：

java

// Executors.newSingleThreadExecutor() 底层实现：
public static ExecutorService newSingleThreadExecutor() {return new FinalizableDelegatedExecutorService(new ThreadPoolExecutor(1,  // 核心线程数：始终保持1个线程在工作1,  // 最大线程数：最多只有1个线程0L, // 空闲线程存活时间（单线程不需要）TimeUnit.MILLISECONDS, // 时间单位new LinkedBlockingQueue<Runnable>() // 任务队列));
}

这个线程池的特点：

  • 只有1个工作线程

  • 任务队列无限大（实际受内存限制）

  • 适合需要顺序执行任务的场景

3. 任务处理器 (VoucherOrderHandler) - 工人

java

private class VoucherOrderHandler implements Runnable {@Overridepublic void run() {while (true) {  // 无限循环，永不停止try {// 1. 从队列获取订单（核心操作）VoucherOrder voucherOrder = orderTasks.take();// 2. 处理订单（真正的业务逻辑）handleVoucherOrder(voucherOrder);} catch (Exception e) {log.error("处理订单异常", e);// 即使出错也不退出，继续处理下一个订单}}}
}

4. 初始化 (@PostConstruct) - 启动系统

java

@PostConstruct  // Spring容器在创建这个Bean后立即执行
private void init() {SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderHandler());
}

执行时机：

  • Spring创建 VoucherOrderServiceImpl 实例后

  • 在依赖注入完成之后

  • 在Bean完全初始化之前

完整工作流程

秒杀请求处理流程：

text

用户请求 → Lua脚本校验 → 创建订单对象 → 放入队列 → 立即返回↓           ↓           ↓           ↓         ↓HTTP请求    Redis操作    内存操作     内存操作    HTTP响应(5-10ms)   (1-2ms)     (微秒级)     (微秒级)   (5-10ms)

后台订单处理流程：

text

队列取订单 → 获取分布式锁 → 创建数据库订单 → 扣减库存 → 释放锁↓           ↓           ↓           ↓         ↓阻塞等待    Redis操作    数据库操作    数据库操作  Redis操作(0-无限)   (2-5ms)     (5-10ms)     (5-10ms)   (1-2ms)

同步秒杀的线程和连接使用

java

// 线程流转：
Tomcat线程1 → 获取数据库连接 → 执行所有数据库操作 → 归还连接 → 返回响应↓           ↓                  ↓                 ↓         ↓占用20-50ms  占用20-50ms        占用20-50ms       占用20-50ms 占用20-50ms// 问题：Tomcat线程和数据库连接都被长时间占用
// 假设：100个Tomcat线程，20个数据库连接
// 结果：最多同时处理20个请求，其他80个请求等待

异步秒杀的线程和连接使用

java

// Tomcat线程流转：
Tomcat线程1 → Redis操作 → 放入队列 → 立即返回↓           ↓           ↓         ↓占用2-3ms    占用1-2ms   占用微秒   占用2-3ms// 后台线程流转：
后台线程1 → 从队列取订单 → 获取数据库连接 → 处理数据库 → 归还连接↓           ↓             ↓             ↓         ↓持续运行     微秒级         占用20-50ms   占用20-50ms 占用20-50ms// 优势：
// - Tomcat线程快速释放，可以处理更多请求
// - 数据库连接由专用线程管理，不会耗尽连接池

Redis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

  • 使用队列的好处在于 解耦：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。

    这里我们可以使用一些现成的mq，比如kafka，rabbitmq等等，但是呢，如果没有安装mq，我们也可以直接使用redis提供的mq方案，降低我们的部署和学习成本。

  • 2个问题
    jvm的内存不是无限的，如果高并发太多订单进来，阻塞队列就满了不够用
    如果因为意外情况程序宕机了，阻塞队列里的数据是没有持久化的，数据都没了就

1.基于List实现消息队列

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。

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（reids宕机了消息就会消失，拿的时候是del+get 刚del完就宕机了）
* 只支持单消费者（这种集合模拟的方式，一个人拿走之后这个数据就没了）

2. 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

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（上面本身就是用redis list模拟的集合支持的，但是这个pubsub设计出来就是做消息发送的，如果发送的消息没有被任何人订阅，就消失了，不会再redis保存）
* 无法避免消息丢失（同上）
* 消息堆积有上限，超出时数据丢失（这个不会再内存中保存，当我们发送消息时，如果有人订阅，那么会在消费者那里有一个缓存区域，缓存下来让消费者去处理，但是假设消费者处理太慢了，处理一个消息要1s，这时候来了无数条消息，但是消费者的缓存空间是有限的，这时候就会超出数据导致丢失）

3.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：例如：

读取消息的方式之一：XREAD 例如，使用XREAD读取第一个消息：

XREAD阻塞方式，读取最新的消息：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

while (true) {
// 尝试读取队列中的消息，最多阻塞2秒
Object msg = redis.execute("XREAD COUNT 1 BLOCK 2000 STREAMS users $");
if (msg == null) {
continue;
}
// 处理消息
handleMessage(msg);
}

XREAD 命令的特点

消息可回溯 ：Redis Stream 可以保留消息的历史记录，通过指定不同的起始 ID，可以回溯读取之前的消息。例如可以指定一个较早的消息 ID 来重新消费历史消息。

一个消息可以被多个消费者读取 ：与传统的队列不同，在 Redis Stream 中，消息不会因为一个消费者读取而消失，其他消费者仍然可以读取同一条消息。这适用于需要多个消费者对消息进行不同处理的场景。

可以阻塞读取 ：使用 BLOCK 参数可以让读取操作在消息队列为空时阻塞，等待一段时间直到有新消息到达。这种特性可以减少轮询的频率，提高资源利用率。

有消息漏读的风险 ：

当起始 ID 设置为 $ 时，每次读取最新消息。如果在处理某条消息的过程中，又有超过一条以上的新消息到达队列，下一次读取时，只能获取到最新的一条消息，中间的其他消息可能被漏读。

例如，假设队列中有消息 A、B、C，先读取到 A，正在处理 A 时，B 和 C 到达队列。当再次读取时，由于起始 ID 是 $，会直接读取到 C，而 B 就会被漏读。

需要注意的是，Redis Stream 提供了更多的功能来应对消息漏读等问题，比如使用消费者组可以更好地管理消息的消费过程，包括消息的确认、重试等机制。

3.1优化：基于Stream的消息队列-消费者组

创建消费者组：

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

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

while (true) {
// 尝试监听队列，使用阻塞模式，最长等待 2000 毫秒
Object msg = redis.call("XREADGROUP GROUP g1 c1 COUNT 1 BLOCK 2000 STREAMS s1 >");
if (msg == null) { // null 说明没有消息，继续下一次
continue;
}
try {
// 处理消息，完成后一定要 ACK
handleMessage(msg);
} catch (Exception e) {
while (true) {
Object msg = redis.call("XREADGROUP GROUP g1 c1 COUNT 1 STREAMS s1 0");
if (msg == null) { // null 说明没有异常消息，所有消息都已确认，结束循环
break;
}
try {
// 说明有异常消息，再次处理
handleMessage(msg);
} catch (Exception e) {
// 再次出现异常，记录日志，继续循环
continue;    }}}
}

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

3.2异步秒杀下单 代码实现

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\

lua表达式

-- 1.参数列表
-- 1.1.优惠券id
local voucherId = ARGV[1]
-- 1.2.用户id
local userId = ARGV[2]
-- 1.3.订单id
local orderId = ARGV[3]-- 2.数据key
-- 2.1.库存key
local stockKey = 'seckill:stock:' .. voucherId
-- 2.2.订单key
local orderKey = 'seckill:order:' .. voucherId-- 3.脚本业务
-- 3.1.判断库存是否充足 get stockKey
if(tonumber(redis.call('get', stockKey)) <= 0) then-- 3.2.库存不足，返回1return 1
end
-- 3.2.判断用户是否下单 SISMEMBER orderKey userId
if(redis.call('sismember', orderKey, userId) == 1) then-- 3.3.存在，说明是重复下单，返回2return 2
end
-- 3.4.扣库存 incrby stockKey -1
redis.call('incrby', stockKey, -1)
-- 3.5.下单（保存用户）sadd orderKey userId
redis.call('sadd', orderKey, userId)
/// 优化新增
-- 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)
return 0

VoucherOrderServiceImpl

private class VoucherOrderHandler implements Runnable {@Overridepublic 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 XACKstringRedisTemplate.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 0List<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 XACKstringRedisTemplate.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();}}}}
}

整体结构

java

private class VoucherOrderHandler implements Runnable

这是一个实现了Runnable接口的私有内部类，可以作为线程任务执行。

主处理循环 - run()方法

1. 读取消息

java

List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(Consumer.from("g1", "c1"),  // 消费者组g1，消费者c1StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)),  // 每次读1条，阻塞2秒StreamOffset.create("stream.orders", ReadOffset.lastConsumed())  // 从最后消费位置开始
);

  • 消费者组模式：使用消费者组"g1"和消费者"c1"来消费消息

  • 阻塞读取：如果没有消息会阻塞2秒，避免空轮询消耗CPU

  • > 符号：表示只读取未被其他消费者处理的新消息

2. 消息判断与解析

java

if (list == null || list.isEmpty()) {continue;  // 没有消息，继续等待
}

  • 空检查后继续循环，避免处理空数据

java

MapRecord<String, Object, Object> record = list.get(0);
Map<Object, Object> value = record.getValue();
VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(value, new VoucherOrder(), true);

  • 解析Redis Stream中的消息记录

  • 将Map数据转换为VoucherOrder对象

3. 创建订单

java

createVoucherOrder(voucherOrder);

执行实际的订单创建业务逻辑

4. 确认消息

java

stringRedisTemplate.opsForStream().acknowledge("s1", "g1", record.getId());

  • 使用XACK命令确认消息处理成功

  • 消息会从pending-list中移除

异常处理 - handlePendingList()方法

当主流程出现异常时，处理处于pending状态的消息：

1. 读取pending消息

java

StreamOffset.create("stream.orders", ReadOffset.from("0"))

  • 0：表示读取pending-list中所有已读取但未确认的消息

  • 与主流程的>不同，这里专门处理异常消息

2. 处理逻辑

  • 循环处理pending-list中的所有消息

  • 处理逻辑与主流程相同：解析→创建订单→确认

  • 如果pending-list为空则跳出循环

3. 异常处理策略

java

try {Thread.sleep(20);
} catch(Exception e) {e.printStackTrace();
}

  • 处理pending消息时发生异常，等待20ms后重试

  • 避免快速失败循环消耗资源

工作流程总结

  1. 正常流程：读取新消息 → 创建订单 → 确认消息

  2. 异常流程：发生异常 → 转去处理pending消息 → 恢复正常流程

  3. 容错机制：确保即使个别消息处理失败，也不会影响后续消息处理

消费者组的好处

1. 负载均衡

java

// 多个消费者可以同时消费同一个Stream
Consumer.from("g1", "c1")  // 消费者c1
Consumer.from("g1", "c2")  // 消费者c2
Consumer.from("g1", "c3")  // 消费者c3

  • 消息会自动在组内多个消费者间分配

  • 提高消息处理吞吐量

2. 消息广播

java

// 不同的消费者组可以独立消费全部消息
Consumer.from("g1", "c1")  // 组g1
Consumer.from("g2", "c1")  // 组g2

  • 多个消费者组可以同时消费相同的消息

  • 实现"发布-订阅"模式

3. 消息持久化与确认

java

stringRedisTemplate.opsForStream().acknowledge("s1", "g1", record.getId());

  • 消费者组会跟踪每个消费者的消费进度

  • 只有确认的消息才会从pending-list移除

4. 容错与重试

java

// 自动处理未确认的消息
StreamOffset.create("stream.orders", ReadOffset.from("0"))

  • 消费者崩溃后，未确认的消息会被重新分配

  • 支持消息重试机制

消费者组的工作原理

基本概念

text

Stream: stream.orders||-- Consumer Group: g1|     |-- Consumer: c1 (处理部分消息)|     |-- Consumer: c2 (处理部分消息)|     |-- Consumer: c3 (处理部分消息)||-- Consumer Group: g2|-- Consumer: c1 (处理全部消息)

1. 消息分配机制

java

// 消费者c1读取消息
List<MapRecord<String, Object, Object>> list1 = stringRedisTemplate.opsForStream().read(Consumer.from("g1", "c1"),StreamReadOptions.empty().count(1),StreamOffset.create("stream.orders", ReadOffset.lastConsumed())
);// 消费者c2读取消息  
List<MapRecord<String, Object, Object>> list2 = stringRedisTemplate.opsForStream().read(Consumer.from("g1", "c2"),StreamReadOptions.empty().count(1),StreamOffset.create("stream.orders", ReadOffset.lastConsumed())
);

工作原理：

  • Redis服务器维护每个消费者组的消费位置

  • 当消费者请求消息时，Redis将未分配的消息轮询分配给组内消费者

  • 每个消息只会被组内的一个消费者处理

2. 消息状态跟踪

新消息读取

java

ReadOffset.lastConsumed()  // 对应 '>' 符号

  • 只返回尚未分配给任何消费者的新消息

  • 消息状态：未处理 → 已分配（pending）

未确认消息读取

java

ReadOffset.from("0")  // 读取所有pending消息

  • 返回已分配但未确认的消息

  • 用于异常恢复处理

3. 消息确认机制

java

// 处理成功后确认消息
stringRedisTemplate.opsForStream().acknowledge("stream.orders", "g1", record.getId());

确认过程：

  1. 消息被消费者读取后进入"pending"状态

  2. 处理成功后发送ACK确认

  3. 消息从pending状态转为"已处理"状态

  4. 消费位置向前移动

4. 故障转移与重平衡

消费者故障

java

// 如果消费者c1崩溃
// 它未确认的消息会：
// 1. 保持在pending状态
// 2. 可以被其他消费者通过ReadOffset.from("0")读取
// 3. 或者使用XCLAIM命令主动认领

自动重平衡

  • 新消费者加入时，会自动参与消息分配

  • 消费者离线时，其负责的消息会重新分配

核心概念：消息广播

当两个消费者组消费同一个消息时，实际上实现了消息广播机制：

  • 同一个消息会被多个消费者组独立消费

  • 每个消费者组维护自己的消费进度

  • 组内是负载均衡，组间是广播

实际应用场景

场景1：电商订单处理

java

// 消息：用户创建了一个订单// 消费者组1：订单处理组
Consumer.from("order-processing-group", "worker1")
// 处理逻辑：创建订单、扣减库存、更新数据库// 消费者组2：数据分析组  
Consumer.from("data-analytics-group", "analyzer1")
// 处理逻辑：统计销售数据、更新实时大屏、生成报表// 消费者组3：通知服务组
Consumer.from("notification-group", "notifier1")
// 处理逻辑：发送短信通知、APP推送、站内信

好处：

  • 一个订单消息触发多个独立的业务处理

  • 各业务模块解耦，互不影响

  • 新增业务只需新增消费者组，不修改原有代码

http://www.dtcms.com/a/569763.html

相关文章：

  • 网站优化怎么学怀化网站网站建设
  • 【Pandas】pandas Index objects PeriodIndex day_of_week
  • Flink Table API SQL 概念、常用 API 与工程落地
  • rag-mcp
  • 建筑人才网站关于建网站新闻
  • 【设计模式】UML和设计原则
  • 东莞网站开发找谁建筑网站建设公司
  • 2025进博会4310家展商名录
  • 手机软件开发网站个人网站名称有哪些
  • 名气特别高的手表网站遵义市做网站的地方
  • LNMT部署zrlog个人博客(动静分离集群)
  • 企业网站功能模块设计阜阳哪里有做网站的
  • 如何做网站赚流量钱织梦做中英文企业网站
  • 【Unet++ MobileNetv2语义分割部署至RK3588】模型训练→转换RKNN→开发板部署
  • 深圳做网站做app我想自己做网站可以赚钱
  • 新颖网站页面设计wordpress弹窗登录注册插件
  • 服务端开发的基本概念
  • 快递鸟电子面单打印接口技术对接文档
  • FreeRTOS事件组全解析：多任务同步核心技巧
  • 网站的头尾和导航的公用文件wordpress主题 问答
  • 【GlobalMapper精品教程】096：连接PostGIS数据库（Postgresql）
  • 网站备案服务商查询网站域名使用期
  • 机器学习日报12
  • 【文档】Stomp 协议
  • 自己的网站怎么接广告联盟设计库
  • 网站怎么解析域名解析网站制作公司官网南京
  • liunx文件及目录管理和vim编辑
  • [leetcode]对顶堆，对数时间添加元素，常数时间取中位数(或者第K大的数)
  • 公司软件网站建设免费dw网页模板
  • 力扣146LRU缓存