Redis基于(ListPubSubStream消费者组)实现消息队列,基于Stream结构实现异步秒杀下单
Posted Perceus
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Redis基于(ListPubSubStream消费者组)实现消息队列,基于Stream结构实现异步秒杀下单相关的知识,希望对你有一定的参考价值。
(目录)
上一篇博文部分:
Redis消息队列
1、Redis消息队列-认识消息队列
什么是消息队列?
最简单的消息队列模型包括3个角色:
使用队列
的好处在于 解耦
:
这种场景在秒杀中就变成了:
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,降低部署和学习成本。
2、Redis消息队列-基于List实现消息队列
基于List结构模拟消息队列
基于List的消息队列有哪些优缺点?
优点:
缺点:
3、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。
基于PubSub的消息队列有哪些优缺点?
优点:
缺点:
4、Redis消息队列-基于Stream的消息队列
Stream:
发送消息
的命令:XADD
例如:
读取消息
的方式之一:XREAD
例如:
伪代码如下:
注意:
STREAM类型消息队列的XREAD命令特点
:
5、Redis消息队列-基于Stream的消息队列-消费者组
消费者组
(Consumer Group):
具备下列特点:
创建消费者组:
其它常见命令:
- 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 ...]
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:
最后我们来个小对比
6、基于Redis的Stream结构作为消息队列,实现异步秒杀下单
需求:
修改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1
return 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2
return 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)
-- 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类 代码实现:
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService
@Autowired
private ISeckillVoucherService seckillVoucherService;
@Autowired
private RedisIdWorker redisIdWorker;
@Autowired
private StringRedisTemplate stringRedisTemplate;
@Autowired
private RedissonClient redissonClient;
private static final DefaultRedisScript<Long> SECKILL_SCRIPT;
// 提前读取脚本 静态代码块
static
SECKILL_SCRIPT = new DefaultRedisScript<>();
SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua")); // 读取脚本
SECKILL_SCRIPT.setResultType(Long.class); // 返回值
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);
JMeter压力测试效果展示:
以上是关于Redis基于(ListPubSubStream消费者组)实现消息队列,基于Stream结构实现异步秒杀下单的主要内容,如果未能解决你的问题,请参考以下文章