Redis延迟队列和分布式延迟队列的简答实现
知识点掌握了,还需要不断练习才能熟练运用。下面golang学习网给大家带来一个数据库开发实战,手把手教大家学习《Redis延迟队列和分布式延迟队列的简答实现》,在实现功能的过程中也带大家重新温习相关知识点,温故而知新,回头看看说不定又有不一样的感悟!
最近,又重新学习了下Redis,Redis不仅能快还能慢,简直利器,今天就为大家介绍一下Redis延迟队列和分布式延迟队列的简单实现。
在我们的工作中,很多地方使用延迟队列,比如订单到期没有付款取消订单,制订一个提醒的任务等都需要延迟队列,那么我们需要实现延迟队列。我们本文的梗概如下,同学们可以选择性阅读。
1. 实现一个简单的延迟队列。
我们知道目前JAVA可以有DelayedQueue,我们首先开一个DelayQueue的结构类图。DelayQueue实现了Delay、BlockingQueue接口。也就是DelayQueue是一种阻塞队列。

我们在看一下Delay的类图。Delayed接口也实现了Comparable接口,也就是我们使用Delayed的时候需要实现CompareTo方法。因为队列中的数据需要排一下先后,根据我们自己的实现。Delayed接口里边有一个方法就是getDelay方法,用于获取延迟时间,判断是否时间已经到了延迟的时间,如果到了延迟的时间就可以从队列里边获取了。

我们创建一个Message类,实现了Delayed接口,我们主要把getDelay和compareTo进行实现。在Message的构造方法的地方传入延迟的时间,单位是毫秒,计算好触发时间fireTime。同时按照延迟时间的升序进行排序。我重写了里边的toString方法,用于将Message按照我写的方法进行输出。
package com.hqs.delayQueue.bean;
import java.util.concurrent.BlockingQueue;
import java.util.concurrent.DelayQueue;
import java.util.concurrent.Delayed;
import java.util.concurrent.TimeUnit;
/**
* @author huangqingshi
* @Date 2020-04-18
*/
public class Message implements Delayed {
private String body;
private long fireTime;
public String getBody() {
return body;
}
public long getFireTime() {
return fireTime;
}
public Message(String body, long delayTime) {
this.body = body;
this.fireTime = delayTime + System.currentTimeMillis();
}
public long getDelay(TimeUnit unit) {
return unit.convert(this.fireTime - System.currentTimeMillis(), TimeUnit.MILLISECONDS);
}
public int compareTo(Delayed o) {
return (int) (this.getDelay(TimeUnit.MILLISECONDS) -o.getDelay(TimeUnit.MILLISECONDS));
}
@Override
public String toString() {
return System.currentTimeMillis() + ":" + body;
}
public static void main(String[] args) throws InterruptedException {
System.out.println(System.currentTimeMillis() + ":start");
BlockingQueue queue = new DelayQueue();
Message message1 = new Message("hello", 1000 * 5L);
Message message2 = new Message("world", 1000 * 7L);
queue.put(message1);
queue.put(message2);
while (queue.size() > 0) {
System.out.println(queue.take());
}
}
}
里边的main方法里边声明了两个Message,一个延迟5秒,一个延迟7秒,时间到了之后会将接取出并且打印。输出的结果如下,正是我们所期望的。
1587218430786:start
1587218435789:hello
1587218437793:world
这个方法实现起来真的非常简单。但是缺点也是很明显的,就是数据在内存里边,数据比较容易丢失。那么我们需要采用Redis实现分布式的任务处理。
2. 使用Redis的list实现分布式延迟队列。
本地需要安装一个Redis,我自己是使用Docker构建一个Redis,非常快速,命令也没多少。我们直接启动Redis并且暴露6379端口。进入之后直接使用客户端命令即可查看和调试数据。
docker pull redis docker run -itd --name redisLocal -p 6379:6379 redis docker exec -it redisLocal /bin/bash redis-cli
我本地采用spring-boot的方式连接redis,pom文件列一下,供大家参考。
4.0.0 org.springframework.boot spring-boot-starter-parent 2.2.6.RELEASE com.hqs delayQueue 0.0.1-SNAPSHOT delayQueue Demo project for Spring Boot 1.8 org.springframework.boot spring-boot-starter org.springframework.boot spring-boot-starter-test test org.junit.vintage junit-vintage-engine org.springframework.boot spring-boot-starter-data-redis org.springframework.boot spring-boot-starter-web redis.clients jedis 2.9.0 org.springframework.boot spring-boot-devtools runtime org.projectlombok lombok true org.springframework.boot spring-boot-maven-plugin
加上Redis的配置放到application.properties里边即可实现Redis连接,非常的方便。
# redis redis.host=127.0.0.1 redis.port=6379 redis.password= redis.maxIdle=100 redis.maxTotal=300 redis.maxWait=10000 redis.testOnBorrow=true redis.timeout=100000
接下来实现一个基于Redis的list数据类型进行实现的一个类。我们使用RedisTemplate操作Redis,这个里边封装好我们所需要的Redis的一些方法,用起来非常方便。这个类允许延迟任务做多有10W个,也是避免数据量过大对Redis造成影响。如果在线上使用的时候也需要考虑延迟任务的多少。太多几百万几千万的时候可能数据量非常大,我们需要计算Redis的空间是否够。这个代码也是非常的简单,一个用于存放需要延迟的消息,采用offer的方法。另外一个是启动一个线程, 如果消息时间到了,那么就将数据lpush到Redis里边。
package com.hqs.delayQueue.cache;
import com.hqs.delayQueue.bean.Message;
import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.core.RedisTemplate;
import java.util.concurrent.BlockingQueue;
/**
* @author huangqingshi
* @Date 2020-04-18
*/
@Slf4j
public class RedisListDelayedQueue{
private static final int MAX_SIZE_OF_QUEUE = 100000;
private RedisTemplate redisTemplate;
private String queueName;
private BlockingQueue delayedQueue;
public RedisListDelayedQueue(RedisTemplate redisTemplate, String queueName, BlockingQueue delayedQueue) {
this.redisTemplate = redisTemplate;
this.queueName = queueName;
this.delayedQueue = delayedQueue;
init();
}
public void offerMessage(Message message) {
if(delayedQueue.size() > MAX_SIZE_OF_QUEUE) {
throw new IllegalStateException("超过队列要求最大值,请检查");
}
try {
log.info("offerMessage:" + message);
delayedQueue.offer(message);
} catch (Exception e) {
log.error("offMessage异常", e);
}
}
public void init() {
new Thread(() -> {
while(true) {
try {
Message message = delayedQueue.take();
redisTemplate.opsForList().leftPush(queueName, message.toString());
} catch (InterruptedException e) {
log.error("取消息错误", e);
}
}
}).start();
}
}
接下来我们看一下,我们写一个测试的controller。大家看一下这个请求/redis/listDelayedQueue的代码位置。我们也是生成了两个消息,然后把消息放到队列里边,另外我们在启动一个线程任务,用于将数据从Redis的list中获取。方法也非常简单。
package com.hqs.delayQueue.controller;
import com.hqs.delayQueue.bean.Message;
import com.hqs.delayQueue.cache.RedisListDelayedQueue;
import com.hqs.delayQueue.cache.RedisZSetDelayedQueue;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Controller;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.ResponseBody;
import java.util.Set;
import java.util.concurrent.*;
/**
* @author huangqingshi
* @Date 2020-04-18
*/
@Slf4j
@Controller
public class DelayQueueController {
private static final int CORE_SIZE = Runtime.getRuntime().availableProcessors();
//注意RedisTemplate用的String,String,后续所有用到的key和value都是String的
@Autowired
RedisTemplate redisTemplate;
private static ThreadPoolExecutor taskExecPool = new ThreadPoolExecutor(CORE_SIZE, CORE_SIZE, 0, TimeUnit.SECONDS,
new LinkedBlockingDeque());
@GetMapping("/redisTest")
@ResponseBody
public String redisTest() {
redisTemplate.opsForValue().set("a","b",60L, TimeUnit.SECONDS);
System.out.println(redisTemplate.opsForValue().get("a"));
return "s";
}
@GetMapping("/redis/listDelayedQueue")
@ResponseBody
public String listDelayedQueue() {
Message message1 = new Message("hello", 1000 * 5L);
Message message2 = new Message("world", 1000 * 7L);
String queueName = "list_queue";
BlockingQueue delayedQueue = new DelayQueue();
RedisListDelayedQueue redisListDelayedQueue = new RedisListDelayedQueue(redisTemplate, queueName, delayedQueue);
redisListDelayedQueue.offerMessage(message1);
redisListDelayedQueue.offerMessage(message2);
asyncListTask(queueName);
return "success";
}
@GetMapping("/redis/zSetDelayedQueue")
@ResponseBody
public String zSetDelayedQueue() {
Message message1 = new Message("hello", 1000 * 5L);
Message message2 = new Message("world", 1000 * 7L);
String queueName = "zset_queue";
BlockingQueue delayedQueue = new DelayQueue();
RedisZSetDelayedQueue redisZSetDelayedQueue = new RedisZSetDelayedQueue(redisTemplate, queueName, delayedQueue);
redisZSetDelayedQueue.offerMessage(message1);
redisZSetDelayedQueue.offerMessage(message2);
asyncZSetTask(queueName);
return "success";
}
public void asyncListTask(String queueName) {
taskExecPool.execute(() -> {
for(;;) {
String message = redisTemplate.opsForList().rightPop(queueName);
if(message != null) {
log.info(message);
}
}
});
}
public void asyncZSetTask(String queueName) {
taskExecPool.execute(() -> {
for(;;) {
Long nowTimeInMs = System.currentTimeMillis();
System.out.println("nowTimeInMs:" + nowTimeInMs);
Set messages = redisTemplate.opsForZSet().rangeByScore(queueName, 0, nowTimeInMs);
if(messages != null && messages.size() != 0) {
redisTemplate.opsForZSet().removeRangeByScore(queueName, 0, nowTimeInMs);
for (String message : messages) {
log.info("asyncZSetTask:" + message + " " + nowTimeInMs);
}
log.info(redisTemplate.opsForZSet().zCard(queueName).toString());
}
try {
TimeUnit.SECONDS.sleep(1);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
});
}
}
我就不把运行结果写出来了,感兴趣的同学自己自行试验。当然这个方法也是从内存中拿出数据,到时间之后放到Redis里边,还是会存在程序启动的时候,任务进行丢失。我们继续看另外一种方法更好的进行这个问题的处理。
3.使用Redis的zSet实现分布式延迟队列。
我们需要再写一个ZSet的队列处理。下边的offerMessage主要是把消息直接放入缓存中。采用Redis的ZSET的zadd方法。zadd(key, value, score) 即将key=value的数据赋予一个score, 放入缓存中。score就是计算出来延迟的毫秒数。
package com.hqs.delayQueue.cache;
import com.hqs.delayQueue.bean.Message;
import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.core.RedisTemplate;
import java.util.concurrent.BlockingQueue;
/**
* @author huangqingshi
* @Date 2020-04-18
*/
@Slf4j
public class RedisZSetDelayedQueue {
private static final int MAX_SIZE_OF_QUEUE = 100000;
private RedisTemplate redisTemplate;
private String queueName;
private BlockingQueue delayedQueue;
public RedisZSetDelayedQueue(RedisTemplate redisTemplate, String queueName, BlockingQueue delayedQueue) {
this.redisTemplate = redisTemplate;
this.queueName = queueName;
this.delayedQueue = delayedQueue;
}
public void offerMessage(Message message) {
if(delayedQueue.size() > MAX_SIZE_OF_QUEUE) {
throw new IllegalStateException("超过队列要求最大值,请检查");
}
long delayTime = message.getFireTime() - System.currentTimeMillis();
log.info("zset offerMessage" + message + delayTime);
redisTemplate.opsForZSet().add(queueName, message.toString(), message.getFireTime());
}
}
上边的Controller方法已经写好了测试的方法。/redis/zSetDelayedQueue,里边主要使用ZSet的zRangeByScore(key, min, max)。主要是从score从0,当前时间的毫秒数获取。取出数据后再采用removeRangeByScore,将数据删除。这样数据可以直接写到Redis里边,然后取出数据后直接处理。这种方法比前边的方法稍微好一些,但是实际上还存在一些问题,因为依赖Redis,如果Redis内存不足或者连不上的时候,系统将变得不可用。
4. 总结一下,另外还有哪些可以延迟队列。
上面的方法其实还是存在问题的,比如系统重启的时候还是会造成任务的丢失。所以我们在生产上使用的时候,我们还需要将任务保存起来,比如放到数据库和文件存储系统将数据存储起来,这样做到double-check,双重检查,最终达到任务的99.999%能够处理。
其实还有很多东西可以实现延迟队列。
1) RabbitMQ就可以实现此功能。这个消息队列可以把数据保存起来并且进行处理。
2)Kafka也可以实现这个功能。
3)Netty的HashedWheelTimer也可以实现这个功能。
最后放上我的代码: https://github.com/stonehqs/delayQueue
文中关于redis的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Redis延迟队列和分布式延迟队列的简答实现》文章吧,也可关注golang学习网公众号了解相关技术文章。
浅谈redis缓存在项目中的使用
- 上一篇
- 浅谈redis缓存在项目中的使用
- 下一篇
- 基于Redis实现分布式锁的方法(lua脚本版)
-
- 从容的可乐
- 这篇博文真是及时雨啊,太详细了,感谢大佬分享,收藏了,关注大佬了!希望大佬能多写数据库相关的文章。
- 2023-03-28 14:38:28
-
- 阳光的发夹
- 这篇博文太及时了,太详细了,受益颇多,mark,关注老哥了!希望老哥能多写数据库相关的文章。
- 2023-01-31 20:30:54
-
- 威武的老鼠
- 太细致了,已加入收藏夹了,感谢大佬的这篇文章,我会继续支持!
- 2023-01-17 14:41:29
-
- 曾经的滑板
- 太给力了,一直没懂这个问题,但其实工作中常常有遇到...不过今天到这,看完之后很有帮助,总算是懂了,感谢up主分享技术贴!
- 2023-01-13 19:54:59
-
- 淡然的老鼠
- 赞 ??,一直没懂这个问题,但其实工作中常常有遇到...不过今天到这,看完之后很有帮助,总算是懂了,感谢大佬分享技术文章!
- 2023-01-07 09:38:43
-
- 奋斗的龙猫
- 这篇博文太及时了,细节满满,太给力了,mark,关注楼主了!希望楼主能多写数据库相关的文章。
- 2022-12-31 12:02:25
-
- 数据库 · Redis | 1天前 |
- RedisLua脚本实现复杂正则匹配方法
- 438浏览 收藏
-
- 数据库 · Redis | 1天前 |
- Redis客户端缓冲区优化技巧
- 146浏览 收藏
-
- 数据库 · Redis | 2天前 |
- RedisPSUBSCRIBE耗CPU原因解析
- 476浏览 收藏
-
- 数据库 · Redis | 2天前 |
- Redis分布式锁释放原子性保障方案
- 216浏览 收藏
-
- 数据库 · Redis | 2天前 |
- RedisLua脚本实现分布式事务补偿与回滚
- 180浏览 收藏
-
- 数据库 · Redis | 2天前 |
- Redis6.0线程优化与CPU绑定方法
- 326浏览 收藏
-
- 数据库 · Redis | 2天前 |
- Redis发布订阅支持消息压缩吗?
- 415浏览 收藏
-
- 数据库 · Redis | 2天前 |
- Redis缓存优化:调整淘汰策略提命中率
- 242浏览 收藏
-
- 数据库 · Redis | 2天前 |
- Redis集群节点负载查看技巧
- 369浏览 收藏
-
- 数据库 · Redis | 3天前 |
- Redis7.0IO多线程优化方法
- 251浏览 收藏
-
- 数据库 · Redis | 3天前 |
- Redis集群Pub/Sub如何减少广播消耗
- 451浏览 收藏
-
- 数据库 · Redis | 3天前 |
- Redis主从优化:延长repl-backlog-ttl设置
- 477浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- ChatExcel酷表
- ChatExcel酷表是由北京大学团队打造的Excel聊天机器人,用自然语言操控表格,简化数据处理,告别繁琐操作,提升工作效率!适用于学生、上班族及政府人员。
- 5909次使用
-
- Any绘本
- 探索Any绘本(anypicturebook.com/zh),一款开源免费的AI绘本创作工具,基于Google Gemini与Flux AI模型,让您轻松创作个性化绘本。适用于家庭、教育、创作等多种场景,零门槛,高自由度,技术透明,本地可控。
- 6339次使用
-
- 可赞AI
- 可赞AI,AI驱动的办公可视化智能工具,助您轻松实现文本与可视化元素高效转化。无论是智能文档生成、多格式文本解析,还是一键生成专业图表、脑图、知识卡片,可赞AI都能让信息处理更清晰高效。覆盖数据汇报、会议纪要、内容营销等全场景,大幅提升办公效率,降低专业门槛,是您提升工作效率的得力助手。
- 6145次使用
-
- 星月写作
- 星月写作是国内首款聚焦中文网络小说创作的AI辅助工具,解决网文作者从构思到变现的全流程痛点。AI扫榜、专属模板、全链路适配,助力新人快速上手,资深作者效率倍增。
- 8122次使用
-
- MagicLight
- MagicLight.ai是全球首款叙事驱动型AI动画视频创作平台,专注于解决从故事想法到完整动画的全流程痛点。它通过自研AI模型,保障角色、风格、场景高度一致性,让零动画经验者也能高效产出专业级叙事内容。广泛适用于独立创作者、动画工作室、教育机构及企业营销,助您轻松实现创意落地与商业化。
- 6661次使用
-
- redis复制有可能碰到的问题汇总
- 2023-01-01 501浏览
-
- 使用lua+redis解决发多张券的并发问题
- 2023-01-27 501浏览
-
- Redis应用实例分享:社交媒体平台设计
- 2023-06-21 501浏览
-
- 使用Python和Redis构建日志分析系统:如何实时监控系统运行状况
- 2023-08-08 501浏览
-
- 如何利用Redis和Python实现消息队列功能
- 2023-08-16 501浏览

