redis stream 實(shí)現(xiàn)消息隊(duì)列的實(shí)踐
Redis5.0帶來(lái)了Stream類(lèi)型。從字面上看是流類(lèi)型,但其實(shí)從功能上看,應(yīng)該是Redis對(duì)消息隊(duì)列(MQ,Message Queue)的完善實(shí)現(xiàn)。
基于redis實(shí)現(xiàn)消息隊(duì)列的方式有很多:
- PUB/SUB,訂閱/發(fā)布模式
- 基于List的 LPUSH+BRPOP 的實(shí)現(xiàn)
redis 實(shí)現(xiàn)消息對(duì)列4中方法
發(fā)布訂閱
發(fā)布訂閱優(yōu)點(diǎn): 典型的一對(duì)的,所有消費(fèi)者都能同時(shí)消費(fèi)到消息。主動(dòng)通知訂閱者而不是訂閱者輪詢(xún)?nèi)プx。
發(fā)布訂閱缺點(diǎn): 不支持多個(gè)消費(fèi)者公平消費(fèi)消息,消息沒(méi)有持久化,不管訂閱者是否收到消息,消息都會(huì)丟失。
使用場(chǎng)景:微服務(wù)間的消息同步,如 分布式webSocker,數(shù)據(jù)同步等。
list 隊(duì)列
生產(chǎn)者通過(guò)lpush生成消息,消費(fèi)者通過(guò)blpop阻塞讀取消息。
**list隊(duì)列優(yōu)點(diǎn):**支持多個(gè)消費(fèi)者公平消費(fèi)消息,對(duì)消息進(jìn)行存儲(chǔ),可以通過(guò)lrange查詢(xún)隊(duì)列內(nèi)的消息。
**list隊(duì)列缺點(diǎn):**blpop仍然會(huì)阻塞當(dāng)前連接,導(dǎo)致連接不可用。一旦blpop成功消息就丟棄了,期間如果服務(wù)器宕機(jī)消息會(huì)丟失,不支持一對(duì)多消費(fèi)者。
zset 隊(duì)列
生產(chǎn)者通過(guò)zadd 創(chuàng)建消息時(shí)指定分?jǐn)?shù),可以確定消息的順序,消費(fèi)者通過(guò)zrange獲取消息后進(jìn)行消費(fèi),消費(fèi)完后通zrem刪除消息。
zset優(yōu)點(diǎn): 保證了消息的順序,消費(fèi)者消費(fèi)失敗后重新入隊(duì)不會(huì)打亂消費(fèi)順序。
zset缺點(diǎn): 不支持一對(duì)多消費(fèi),多個(gè)消費(fèi)者消費(fèi)時(shí)可能出現(xiàn)讀取同一條消息的情況,得通過(guò)加鎖或其他方式解決消費(fèi)的冪等性。
zset使用場(chǎng)景:由于數(shù)據(jù)是有序的,常常被用于延遲隊(duì)列,如 redisson的DelayQueue
Stream 隊(duì)列
Redis5.0帶來(lái)了Stream類(lèi)型。從字面上看是流類(lèi)型,但其實(shí)從功能上看,應(yīng)該是Redis對(duì)消息隊(duì)列(MQ,Message Queue)的完善實(shí)現(xiàn)。
參考kafka的思想,通過(guò)多個(gè)消費(fèi)者組和消費(fèi)者支持一對(duì)多消費(fèi),公平消費(fèi),消費(fèi)者內(nèi)維護(hù)了pending列表防止消息丟失。
提供消息ack機(jī)制。
基本命令
xadd 生產(chǎn)消息
往 stream 內(nèi)創(chuàng)建消息 語(yǔ)法為:
XADD key ID field string [field string …]
# * 表示自動(dòng)生成id redis會(huì)根據(jù)時(shí)間戳+序列號(hào)自動(dòng)生成id,不建議我們自己指定id xadd stream1 * name zs age 23
讀取消息
讀取stream內(nèi)的消息,這個(gè)并不是消費(fèi),只是提供了查看數(shù)據(jù)的功能,語(yǔ)法為:
XREAD [COUNT count] [BLOCK milliseconds] STREAMS key [key …] ID [ID …]
#表示從 stream1 內(nèi)取出一條消息,從第0條消息讀取(0表示最小的id) xread count 1 streams stream1 0 #表示從 stream1 內(nèi) id=1649143363972-0 開(kāi)始讀取一條消息,讀取的是指定id的下一條消息 xread count 1 streams msg 1649143363972-0 #表示一直阻塞讀取最新的消息($表示獲取下一個(gè)生成的消息) xread count 1 block 0 streams stream1 $ xrange stream - + 10
XRANGE key startID endID count
#表示從stream1內(nèi)取10條消息 起始位置為 -(最小ID) 結(jié)束位置為+(最大ID) xrange stream1 - + 10
xgroup 消費(fèi)者組
redis stream 借鑒了kafka的設(shè)計(jì),采用了消費(fèi)者和消費(fèi)者組的概念。允許多個(gè)消費(fèi)者組消費(fèi)stream的消息,每個(gè)消費(fèi)者組都能收到完整的消息,例如:stream內(nèi)有10條消息,消費(fèi)者組A和消費(fèi)者組B同時(shí)消費(fèi)時(shí),都能獲取到這10條消息。
每個(gè)消費(fèi)者組內(nèi)可以有多個(gè)消費(fèi)者消費(fèi),消息會(huì)平均分?jǐn)偨o各個(gè)消費(fèi)者,例如:stream有10條消息,消費(fèi)者A,B,C同時(shí)在同一個(gè)組內(nèi)消費(fèi),A接收到 1,4,7,10,B接收到 2,5,8,C接收到 3,6,9
創(chuàng)建消費(fèi)者組:
#消費(fèi)消息首先得創(chuàng)建消費(fèi)者組 # 表示為隊(duì)列 stream1 創(chuàng)建一個(gè)消費(fèi)者組 group1 從消息id=0(第一條消息)開(kāi)始讀取消息 xgroup create stream1 group1 0 #查詢(xún)stream1內(nèi)的所有消費(fèi)者組信息 xinfo groups stream1
xreadgroup 消費(fèi)消息
通過(guò)xreadgroup可以在消費(fèi)者組內(nèi)創(chuàng)建消費(fèi)者消費(fèi)消息
XREADGROUP group groupName consumerName [COUNT count] [BLOCK milliseconds] STREAMS key [key …] ID [ID …]
#創(chuàng)建消費(fèi)者讀取消息 #在group1消費(fèi)者組內(nèi)通過(guò)consumer1消費(fèi)stream1內(nèi)的消息,消費(fèi)1條未分配的消息 (> 表示未分配過(guò)消費(fèi)者的消息) xreadgrup group group1 consumer1 count 1 streams stream1 >
Pending 等待列表
通過(guò) xreadgroup 讀取消息時(shí)消息會(huì)分配給對(duì)應(yīng)的消費(fèi)者,每個(gè)消費(fèi)者內(nèi)都維護(hù)了一個(gè)Pending列表用于保存接收到的消息,當(dāng)消息ack后會(huì)從pending列表內(nèi)移除,也就是說(shuō)pending列表內(nèi)維護(hù)的是所有未ack的消息id
每個(gè)Pending的消息有4個(gè)屬性:
- 消息ID
- 所屬消費(fèi)者
- IDLE,已讀取時(shí)長(zhǎng)
- delivery counter,消息被讀取次數(shù)
XPENDING key group [start end count] [consumer]
#查看pending列表 # 查看group1組內(nèi)的consumer1的pending列表 - 表示最小的消息id + 表示最大的消息ID xpending stream1 group1 - + 10 consumer1 # 查看group1組內(nèi)的所有消費(fèi)者pending類(lèi)表 xpending stream1 group1 - + 10
消息確認(rèn)
當(dāng)消費(fèi)者消費(fèi)了消息,需要通過(guò) xack
命令確認(rèn)消息,xack后的消息會(huì)從pending列表移除
XACK key gruopName ID
xack stream1 group1 xxx
消息轉(zhuǎn)移
當(dāng)消費(fèi)者接收到消息卻不能正確消費(fèi)時(shí)(報(bào)錯(cuò)或其他原因),可以使用 XCLAIM
將消息轉(zhuǎn)移給其他消費(fèi)者消費(fèi),需要設(shè)置組、轉(zhuǎn)移的目標(biāo)消費(fèi)者和消息ID,同時(shí)需要提供IDLE(已被讀取時(shí)長(zhǎng)),只有超過(guò)這個(gè)時(shí)長(zhǎng),才能被轉(zhuǎn)移。
通過(guò)xclaim轉(zhuǎn)移的消息只是將消息移入另一個(gè)消費(fèi)者的pending列表,消費(fèi)者并不能通過(guò)xreadgroup讀取到消息,只能通過(guò)xpending讀取到。
# 表示將ID為 1553585533795-1 的消息轉(zhuǎn)移到消費(fèi)者B消費(fèi),前提是消費(fèi) XCLAIM stream1 group1 consumer1 3600000 1553585533795-1
信息監(jiān)控
redis提供了xinfo來(lái)查看stream的信息
#查看sream信息 xinfo stream steam1 #查詢(xún)消費(fèi)者組信息 xinfo groups group1 #查詢(xún)消費(fèi)者信息 xinfo consumers consumer1
SpringBoot 整合
1 引入依賴(lài)
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency>
2 編寫(xiě)消費(fèi)者
@Slf4j @Component public class EmailConsumer implements StreamListener<String, MapRecord<String,String,String>> { public final String streamName = "emailStream"; public final String groupName = "emailGroup"; public final String consumerName = "emailConsumer"; @Autowired private StringRedisTemplate stringRedisTemplate; @Override public void onMessage(MapRecord<String, String, String> message) { //log.info("stream名稱(chēng)-->{}",message.getStream()); //log.info("消息ID-->{}",message.getId()); log.info("消息內(nèi)容-->{}",message.getValue()); Map<String, String> msgMap = message.getValue(); if( msgMap.get("sID")!=null && Integer.valueOf(msgMap.get("sID")) % 3 ==0 ){ //消費(fèi)異常導(dǎo)致未能ack時(shí),消息會(huì)進(jìn)入pending列表,我們可以啟動(dòng)定時(shí)任務(wù)來(lái)讀取pending列表處理失敗的任務(wù) log.info("消費(fèi)異常-->"+message); return; } StreamOperations<String, String, String> streamOperations = stringRedisTemplate.opsForStream(); //消息應(yīng)答 streamOperations.acknowledge( streamName,groupName,message.getId() ); } //我們可以啟動(dòng)定時(shí)任務(wù)不斷監(jiān)聽(tīng)pending列表,處理死信消息 }
3 配置redis
序列化配置
@EnableCaching @Configuration public class RedisConfig { /** * 設(shè)置redis序列化規(guī)則 */ @Bean public Jackson2JsonRedisSerializer<Object> jackson2JsonRedisSerializer(){ Jackson2JsonRedisSerializer<Object> jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer<>(Object.class); ObjectMapper om = new ObjectMapper(); om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY); jackson2JsonRedisSerializer.setObjectMapper(om); return jackson2JsonRedisSerializer; } /** * RedisTemplate配置 */ @Bean public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory, Jackson2JsonRedisSerializer jackson2JsonRedisSerializer) { // 配置redisTemplate RedisTemplate<String, Object> redisTemplate = new RedisTemplate<>(); redisTemplate.setConnectionFactory(redisConnectionFactory); RedisSerializer<?> stringSerializer = new StringRedisSerializer(); // key序列化 redisTemplate.setKeySerializer(stringSerializer); // value序列化 redisTemplate.setValueSerializer(jackson2JsonRedisSerializer); // Hash key序列化 redisTemplate.setHashKeySerializer(stringSerializer); // Hash value序列化 redisTemplate.setHashValueSerializer(jackson2JsonRedisSerializer); redisTemplate.afterPropertiesSet(); return redisTemplate; } }
消費(fèi)者組和消費(fèi)者配置
@Slf4j @Configuration public class RedisStreamConfig { @Autowired private EmailConsumer emailConsumer; @Autowired private RedisTemplate<String,Object> redisTemplate; @Bean public StreamMessageListenerContainer.StreamMessageListenerContainerOptions<String, MapRecord<String,String,String>> emailListenerContainerOptions(){ StringRedisSerializer stringRedisSerializer = new StringRedisSerializer(); return StreamMessageListenerContainer.StreamMessageListenerContainerOptions .builder() //block讀取超時(shí)時(shí)間 .pollTimeout(Duration.ofSeconds(3)) //count 數(shù)量(一次只獲取一條消息) .batchSize(1) //序列化規(guī)則 .serializer( stringRedisSerializer ) .build(); } /** * 開(kāi)啟監(jiān)聽(tīng)器接收消息 */ @Bean public StreamMessageListenerContainer<String,MapRecord<String,String,String>> emailListenerContainer(RedisConnectionFactory factory, StreamMessageListenerContainer.StreamMessageListenerContainerOptions<String, MapRecord<String,String,String>> streamMessageListenerContainerOptions){ StreamMessageListenerContainer<String,MapRecord<String,String,String>> listenerContainer = StreamMessageListenerContainer.create(factory, streamMessageListenerContainerOptions); //如果 流不存在 創(chuàng)建 stream 流 if( !redisTemplate.hasKey(emailConsumer.streamName)){ redisTemplate.opsForStream().add(emailConsumer.streamName, Collections.singletonMap("", "")); log.info("初始化stream {} success",emailConsumer.streamName); } //創(chuàng)建消費(fèi)者組 try { redisTemplate.opsForStream().createGroup(emailConsumer.streamName,emailConsumer.groupName); } catch (Exception e) { log.info("消費(fèi)者組 {} 已存在",emailConsumer.groupName); } //注冊(cè)消費(fèi)者 消費(fèi)者名稱(chēng),從哪條消息開(kāi)始消費(fèi),消費(fèi)者類(lèi) // > 表示沒(méi)消費(fèi)過(guò)的消息 // $ 表示最新的消息 listenerContainer.receive( Consumer.from(emailConsumer.groupName, emailConsumer.consumerName), StreamOffset.create(emailConsumer.streamName, ReadOffset.lastConsumed()), emailConsumer ); listenerContainer.start(); return listenerContainer; } }
4.生產(chǎn)者生產(chǎn)消息
@GetMapping("/redis/ps") public String redisPublish(String content,Integer count){ StreamOperations streamOperations = redisTemplate.opsForStream(); for (int i = 0; i < count; i++) { AtomicInteger num = new AtomicInteger(i); Map msgMap = new HashMap(); msgMap.put("count", i); msgMap.put("sID", num); //新增消息 streamOperations.add("emailStream",msgMap); } return "success"; }
參考文檔:
SpringBoot整合redis stream 實(shí)現(xiàn)消息隊(duì)列
到此這篇關(guān)于redis stream 實(shí)現(xiàn)消息隊(duì)列的實(shí)踐的文章就介紹到這了,更多相關(guān)redis stream 消息隊(duì)列內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Redis 中的布隆過(guò)濾器的實(shí)現(xiàn)
這篇文章主要介紹了Redis 中的布隆過(guò)濾器的實(shí)現(xiàn),詳細(xì)的介紹了什么是布隆過(guò)濾器以及如何實(shí)現(xiàn),非常具有實(shí)用價(jià)值,需要的朋友可以參考下2018-10-10一次關(guān)于Redis內(nèi)存詭異增長(zhǎng)的排查過(guò)程實(shí)戰(zhàn)記錄
這篇文章主要給大家分享了一次關(guān)于Redis內(nèi)存詭異增長(zhǎng)的排查過(guò)程實(shí)戰(zhàn)記錄,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家學(xué)習(xí)或者使用Redis具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2018-07-07redis中opsForList().range()的使用方法詳解
這篇文章主要給大家介紹了關(guān)于redis中opsForList().range()的使用方法,文中通過(guò)實(shí)例代碼以及圖文介紹的非常詳細(xì),對(duì)大家學(xué)習(xí)或者使用redis具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2023-03-03Linux服務(wù)器安裝redis數(shù)據(jù)庫(kù)圖文教程
Redis是一個(gè)開(kāi)源的使用ANSI C語(yǔ)言編寫(xiě)、遵守BSD協(xié)議、支持網(wǎng)絡(luò)、可基于內(nèi)存亦可持久化的日志型、Key-Value數(shù)據(jù)庫(kù),并提供多種語(yǔ)言的API。這篇文章主要介紹了Linux服務(wù)器安裝redis數(shù)據(jù)庫(kù)圖文教程,需要的朋友可以參考下2018-03-03Redis壓縮列表的設(shè)計(jì)與實(shí)現(xiàn)
壓縮列表(Ziplist)是 Redis 為了節(jié)省內(nèi)存而設(shè)計(jì)的一種緊湊型數(shù)據(jù)結(jié)構(gòu),主要用于存儲(chǔ)長(zhǎng)度較短且數(shù)量較少的元素集合,本文給大家介紹了Redis壓縮列表的設(shè)計(jì)與實(shí)現(xiàn),文中通過(guò)代碼示例講解的非常詳細(xì),需要的朋友可以參考下2024-08-08Redis實(shí)現(xiàn)單設(shè)備登錄的場(chǎng)景分析
這篇文章主要介紹了Redis實(shí)現(xiàn)單設(shè)備登錄,用戶(hù)首次登錄時(shí),將用戶(hù)信息存入Redis,key是用戶(hù)id,value是token,當(dāng)用戶(hù)在其他設(shè)備登錄時(shí),會(huì)重新生成token,這個(gè)時(shí)候原先的token已經(jīng)被覆蓋了,本文給大家提供樣例及核心代碼,感興趣的朋友參考下吧2022-04-04