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_异步下单 redis
阿里云国内75折 回扣 微信号:monov8 |
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6 |
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
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
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
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
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
读取消息的方式之一XRead
利用 XRead 读取一个消息
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
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
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
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
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
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
查看Redis
查看MySQL
⛵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】💝💝💝