分布式系統(tǒng)中必備的一個中間件就是消息隊列，通過消息隊列你能對服務(wù)間進(jìn)行異步解耦、流量消峰、實(shí)現(xiàn)最終一致性。

目前市面上已經(jīng)有 RabbitMQ、RochetMQ、ActiveMQ、Kafka等，有人會問：“Redis 適合做消息隊列么？”

在回答這個問題之前，你先從本質(zhì)思考。

• 消息隊列提供了什么特性？
• Redis 如何實(shí)現(xiàn)消息隊列？是否滿足存取需求？

我將結(jié)合消息隊列的特點(diǎn)，分析使用 Redis 的 List 作為消息隊列的實(shí)現(xiàn)原理，并分享如何把 SpringBoot 與 Redission 整合來操作 Redis 運(yùn)用到項目中。

什么是消息隊列

消息隊列是一種異步的服務(wù)間通信方式，適用于分布式和微服務(wù)架構(gòu)。消息在被處理和刪除之前一直存儲在隊列上。

每條消息僅可被一位用戶處理一次。消息隊列可被用于分離重量級處理、緩沖或批處理工作以及緩解高峰期工作負(fù)載。

• Producer：消息生產(chǎn)者，負(fù)責(zé)產(chǎn)生和發(fā)送消息到 Broker；
• Broker：消息處理中心。負(fù)責(zé)消息存儲、確認(rèn)、重試等，一般其中會包含多個 queue；
• Consumer：消息消費(fèi)者，負(fù)責(zé)從 Broker 中獲取消息，并進(jìn)行相應(yīng)處理；

MySQL：“消息隊列的使用場景有哪些呢？“

消息隊列在實(shí)際應(yīng)用中包括如下四個場景。

• 應(yīng)用耦合：發(fā)送方、接收方系統(tǒng)之間不需要了解雙方，只需要認(rèn)識消息。多應(yīng)用間通過消息隊列對同一消息進(jìn)行處理，避免調(diào)用接口失敗導(dǎo)致整個過程失敗。
• 異步處理：多應(yīng)用對消息隊列中同一消息進(jìn)行處理，應(yīng)用間并發(fā)處理消息，相比串行處理，減少處理時間。
• 限流削峰：廣泛應(yīng)用于秒殺或搶購活動中，避免流量過大導(dǎo)致應(yīng)用系統(tǒng)掛掉的情況。
• 消息驅(qū)動的系統(tǒng)：系統(tǒng)分為消息隊列、消息生產(chǎn)者、消息消費(fèi)者，生產(chǎn)者負(fù)責(zé)產(chǎn)生消息，消費(fèi)者(可能有多個)負(fù)責(zé)對消息進(jìn)行處理。

消息隊列滿足哪些特性

消息有序性

消息是異步處理的，但是消費(fèi)者需要按照生產(chǎn)者發(fā)送消息的順序來消費(fèi)，避免出現(xiàn)后發(fā)送的消息被先處理的情況。

重復(fù)消息處理

生產(chǎn)者可能因?yàn)榫W(wǎng)絡(luò)問題出現(xiàn)消息重傳導(dǎo)致消費(fèi)者可能會收到多條重復(fù)消息。

同樣的消息重復(fù)多次的話可能會造成一業(yè)務(wù)邏輯多次執(zhí)行，需要確保如何避免重復(fù)消費(fèi)問題。

可靠性

一次保證消息的傳遞。如果發(fā)送消息時接收者不可用，消息隊列會保留消息，直到成功地傳遞它。

當(dāng)消費(fèi)者重啟后，可以繼續(xù)讀取消息進(jìn)行處理，防止消息遺漏。

LPUSH

生產(chǎn)者使用 LPUSH key element[element...] 將消息插入到隊列的頭部，如果 key 不存在則會創(chuàng)建一個空的隊列再插入消息。

如下，生產(chǎn)者向隊列 queue 先后插入了 “Java”、“碼哥字節(jié)”、“Go”，返回值表示消息插入隊列后的個數(shù)。

> LPUSH queue Java 碼哥字節(jié) Go
(integer) 3

MySQL：“如果生產(chǎn)者消息發(fā)送很快，消費(fèi)者處理不過來，會導(dǎo)致消息積壓，占用過多的 Redis 內(nèi)存。”

確實(shí)，List 并沒有提供類似于 Kafka 的 ConsumeGroup ，會使用多個消費(fèi)者策劃給你續(xù)組成一個消費(fèi)組來分擔(dān)處理隊列消息。不過在 Redis 5.0 之后，提供了 Streams 數(shù)據(jù)類型，后面我會介紹到。

RPOP

消費(fèi)者使用 RPOP key 依次讀取隊列的消息，先進(jìn)先出，所以 “Java”會先讀取消費(fèi)：

> RPOP queue
"Java"
> RPOP queue
"碼哥字節(jié)"
> RPOP queue
"Go"

圖2-13

實(shí)時消費(fèi)問題

謝霸戈：“這么簡單就實(shí)現(xiàn)了？”

別高興的太早，LPUSH、RPOP 存在一個性能風(fēng)險，生產(chǎn)者向隊列插入數(shù)據(jù)的時候，List 并不會主動通知消費(fèi)者及時消費(fèi)。

謝霸戈：“那我寫一個 while(true) 不停地調(diào)用 RPOP 指令，當(dāng)有新消息就消費(fèi)“

程序需要不斷輪詢并判斷是否為空再執(zhí)行消費(fèi)邏輯，這就會導(dǎo)致即使沒有新消息寫入隊列，消費(fèi)者也在不停地調(diào)用 RPOP 命令占用 CPU 資源。

謝霸戈：“如何避免循環(huán)調(diào)用導(dǎo)致的 CPU 性能損耗呢？”

請叫我貼心哥 Redis，我提供了 BLPOP、BRPOP 阻塞讀取的命令，消費(fèi)者在讀取隊列沒有數(shù)據(jù)的時候自動阻塞，直到有新的消息寫入隊列，才會繼續(xù)讀取新消息執(zhí)行業(yè)務(wù)邏輯。

BRPOP queue 0

參數(shù) 0 表示阻塞等待時間無止期，哪怕是煙花易冷人事易分，雨紛紛舊故里草木深，斑駁的城門盤踞著老樹根，石板上回蕩的是再等，一直等到“心上人”來。

重復(fù)消費(fèi)解決方案

• 消息隊列為自動每一條消息生成一個全局 ID；
• 生產(chǎn)者為每一條消息創(chuàng)建一個全局 ID，消費(fèi)者把處理過的消息 ID 記錄下來判斷是否重復(fù)。

其實(shí)這就是冪等，對于同一條消息，消費(fèi)者收到后處理一次的結(jié)果和多次的結(jié)果是一致的。

消息可靠性解決方案

謝霸戈：“消費(fèi)者讀取消息，處理過程中宕機(jī)了就會導(dǎo)致消息沒有處理完成，可是數(shù)據(jù)已經(jīng)不在隊列中了咋辦？”

本質(zhì)就是消費(fèi)者在處理消息的時候崩潰了，無法再讀取消息，缺乏一個消息確認(rèn)可靠機(jī)制。

我提供了 BRPOPLPUSH source destination timeout指令，含義是阻塞的方式從 source 隊列讀取消息的同時把這條消息復(fù)制到另一個 destination 隊列中（備份），并且是原子操作。

不過這個指令在 6.2 版本被 BLMOVE 取代。接下來，上才藝！生產(chǎn)者使用 LPUSH 把消息依次從存入 order:pay 隊列隊頭（左端）。

LPUSH order:pay "謝霸戈"
LPUSH order:pay "肖材吉"

消費(fèi)者消費(fèi)消息的時候在 while循環(huán)使用BLMOVE 以阻塞的方式從隊列 order:pay 隊尾（右端）彈出消息“謝霸戈”，同時把該消息復(fù)制到隊列 order:pay:back 隊頭（左端），該操作是原子性的，最后一個參數(shù) timeout = 0 表示持續(xù)等待。

BLMOVE order:pay order:pay:back RIGHT LEFT 0

如果消費(fèi)消息“謝霸戈”成功，那就使用 LREM 把隊列 order:pay:back 的“謝霸戈”消息刪除，從而實(shí)現(xiàn) ACK 確認(rèn)機(jī)制。

LREM order:pay:back 0 "謝霸戈"

倒數(shù)第二個參數(shù) count 的含義如下。

• count > 0，從表頭（左端）向表尾（右端），依次刪除 count 個 value。
• count < 0，從表尾（右端）向表頭（左端），依次刪除 count 絕對值個 value。
• count = 0，刪除所有的 value。

消費(fèi)異常的話，應(yīng)用程序使用 BRPOP order:pay:back 從備份隊列再次讀取消息處理即可。

Redisson 實(shí)戰(zhàn)

在 Java 中，你可以利用 Redission 封裝的 API 來快速實(shí)現(xiàn)隊列，接下來我將基于 SpringBoot 2.1.4 版本來教你如何整合 Redisson。

添加依賴

<dependency>
  <groupId>org.redisson</groupId>
  <artifactId>redisson-spring-boot-starter</artifactId>
  <version>3.23.3</version>
</dependency>

application.yaml引入 Redisson 配置文件。

spring:
  application:
    name: redission
  redis:
    redisson:
      file: classpath:redisson-config.yaml

創(chuàng)建 redisson-config.yaml 配置。

singleServerConfig:
  idleConnectionTimeout: 10000
  connectTimeout: 10000
  timeout: 3000
  retryAttempts: 3
  retryInterval: 1500
  password: magebyte
  subscriptionsPerConnection: 5
  clientName: redissonClient
  address: "redis://127.0.0.1:6379"
  subscriptionConnectionMinimumIdleSize: 1
  subscriptionConnectionPoolSize: 50
  connectionMinimumIdleSize: 24
  connectionPoolSize: 64
  database: 0
  dnsMonitoringInterval: 5000
threads: 16
nettyThreads: 32
codec: !<org.redisson.codec.Kryo5Codec> {}
transportMode: "NIO"

在代碼中，我使用的是阻塞雙端隊列，消費(fèi)者開啟死循環(huán)，執(zhí)行 BLMOVE 指令。

@Slf4j
@Service
public class QueueService {

    @Autowired
    private RedissonClient redissonClient;

    private static final String ORDER_PAY_QUEUE = "order:pay";
    private static final String ORDER_PAY_BACK_QUEUE = "order:pay:back";

    /**
     * 生產(chǎn)者發(fā)送消息到隊列頭部
     *
     * @param message
     */
    public void sendMessage(String message) {
        RBlockingDeque<String> orderPayQueue = redissonClient.getBlockingDeque(ORDER_PAY_QUEUE);

        try {
            orderPayQueue.putFirst(message);
            log.info("將消息: {} 插入到隊列 {}。", message, ORDER_PAY_QUEUE);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }

    /**
     * 消費(fèi)者消費(fèi)消息
     */
    public void onMessage() {

        RBlockingDeque<String> orderPayQueue = redissonClient.getBlockingDeque(ORDER_PAY_QUEUE);
        while (true) {
            // BLMOVE order:pay order:pay:back RIGHT LEFT 0
            String message = orderPayQueue.move(Duration.ofSeconds(0), DequeMoveArgs.pollLast()
                    .addFirstTo(ORDER_PAY_BACK_QUEUE));
            log.info("從隊列 {} 中讀取到消息：{}，并把消息復(fù)制到 {} 隊列.", ORDER_PAY_QUEUE, message, ORDER_PAY_BACK_QUEUE);

            // 消費(fèi)正常，從 ORDER_PAY_BACK_QUEUE 刪除這條消息，LREM order:pay:back 0 message
            removeBackQueueMessage(message, ORDER_PAY_BACK_QUEUE);
        }
    }

    /**
     * 從隊列中刪除消息
     * @param message
     * @param queueName
     */
    private void removeBackQueueMessage(String message, String queueName) {
        RBlockingDeque<String> orderPayBackDeque = redissonClient.getBlockingDeque(queueName);
        boolean remove = orderPayBackDeque.remove(message);
        log.info("消費(fèi)正常，刪除隊列 {} 的消息 {}。", queueName, message);
    }
}

單元測試

RunWith(SpringRunner.class)
@SpringBootTest(classes = RedissionApplication.class)
public class RedissionApplicationTests {

    @Autowired
    private QueueService queueService;

    @Test
    public void testQueue() throws InterruptedException {
        new Thread(() -> {
            for (int i = 0; i < 1000; i++) {
                queueService.sendMessage("消息" + i);
            }
        }).start();

        new Thread(() -> queueService.onMessage()).start();

        Thread.currentThread().join();
    }

}

總結(jié)

可以使用 List 數(shù)據(jù)結(jié)構(gòu)來實(shí)現(xiàn)消息隊列，滿足先進(jìn)先出。

Redis 是一個非常輕量級的鍵值數(shù)據(jù)庫，部署一個 Redis 實(shí)例就是啟動一個進(jìn)程，部署 Redis 集群，也就是部署多個 Redis 實(shí)例。

而 Kafka、RabbitMQ 部署時，涉及額外的組件，例如 Kafka 的運(yùn)行就需要再部署 ZooKeeper。相比 Redis 來說，Kafka 和 RabbitMQ 一般被認(rèn)為是重量級的消息隊列。

需要注意的是，我們要避免生產(chǎn)者過快，消費(fèi)者過慢導(dǎo)致的消息堆積占用 Redis 的內(nèi)存。

在消息量不大的情況下使用 Redis 作為消息隊列，他能給我們帶來高性能的消息讀寫，這似乎也是一個很好消息隊列解決方案。