redis和rabbitmq实现延时队列
- 延迟队列使用场景
- Redis中zset实现延时队列
- Rabbitmq实现延迟队列
延迟队列使用场景
1. 订单超时处理
延迟队列可以用于处理订单超时问题。当用户下单后，将订单信息放入延迟队列，并设置一定的超时时间。如果在超时时间内用户未支付订单，消费者会从延迟队列中获取到该订单，并执行相应的处理操作，如取消订单、释放库存等。
2. 优惠券过期提醒
延迟队列可以用于优惠券的过期提醒功能。将即将过期的优惠券信息放入延迟队列，并设置合适的延迟时间。当延迟时间到达时，消费者将提醒用户优惠券即将过期，引导用户尽快使用。
3. 异步通知与提醒
延迟队列可以用于异步通知和提醒功能。例如，当用户完成某个操作后，系统可以将相关通知消息放入延迟队列，并设置一定的延迟时间，以便在合适的时机发送通知给用户。
Redis中zset实现延时队列
1. 创建延迟队列服务类
- 创建一个延迟队列的服务类，例如DelayQueueService，用于操作Redis中的ZSet。这个服务类需要完成以下功能：
- 将消息放入延迟队列：将消息作为元素添加到ZSet中，设置对应的延迟时间作为分数。轮询并处理已到期的消息：定时任务或者消息消费者轮询检查ZSet中的元素，获取到达指定时间的消息进行处理。删除已处理的消息：处理完消息后，从ZSet中将其删除。
@Service
public class DelayQueueService {
private static final String DELAY_QUEUE_KEY = "delay_queue";
@Autowired
private RedisTemplate<String, String> redisTemplate;
public void addToDelayQueue(String message,long delayTime){
redisTemplate.opsForZSet().add(DELAY_QUEUE_KEY,message,System.currentTimeMillis()+delayTime);
}
public void processDelayedMessage(){
//reverseRangeByScore 从高到低
//rangeByScore 从低到高
Set<String> messages = redisTemplate.opsForZSet().rangeByScore(DELAY_QUEUE_KEY, 0, System.currentTimeMillis());
for(String message:messages){
//处理消息
System.out.println(message);
redisTemplate.opsForZSet().remove(DELAY_QUEUE_KEY,message);
}
}
}
2. 配置定时任务或消息消费者
使用Spring Boot的定时任务或消息队列框架，定时调用延迟队列服务类的轮询方法或监听指定的消息队列,可以将轮训粒度放到1s一次。
@Component
public class DelayQueueSchedule {
@Autowired
private DelayQueueService delayQueueService;
// 每隔一段时间进行轮询并处理延迟消息
@Scheduled(fixedDelay = 1000)
public void pollAndProcessDelayedMessages() {
delayQueueService.pollAndProcessDelayedMessages();
}
}
然后在启动类上通过@EnableScheduling注解开启任务调度能力。
缺点：
使用ZSET（有序集合，Sorted Set）来实现延迟任务调度（如订单超时取消）是一种有效的方法，但它也有一些缺点和限制：
- 内存消耗：ZSET 在Redis中是一个有序集合，它需要占用一定的内存来存储成员和分数。如果你需要存储大量的延迟任务，可能会导致内存消耗较大。这可能会对Redis服务器的性能和成本产生影响，特别是在大规模应用中。
- 不适用于大规模延迟任务：ZSET 可以处理相对较小数量的延迟任务，但当需要管理大规模延迟任务队列时，可能会导致性能下降。在这种情况下，需要考虑更高效的延迟队列解决方案，例如使用分布式消息队列。
- 无法动态修改延迟时间： 一旦将任务添加到ZSET中，你不能轻松地修改任务的延迟时间。如果需要在任务已经添加后更改延迟时间，可能需要复杂的操作。
- 没有重试机制：ZSET 只能用于一次性延迟任务，无法自动处理任务失败后的重试。如果任务在执行时失败，你需要自己实现重试逻辑。
- 没有持久化： Redis是内存数据库，如果Redis服务器重启或发生故障，已添加的延迟任务数据将丢失。虽然可以通过Redis持久化机制来部分解决这个问题，但仍然存在一定风险。
- 复杂性增加： 使用ZSET来管理延迟任务队列需要编写复杂的代码来处理任务的添加、检索和删除。这可能增加应用程序的复杂性。
Rabbitmq实现延迟队列
死信，顾名思义就是无法被消费的消息。一般来说，producer 将消息投递到 broker 或者直接到queue 里了，consumer 从 queue 取出消息进行消费，但某些时候由于特定的原因导致queu 中的某些消息无法被消费，这样的消息如果没有后续的处理，就变成了死信，有死信自然就有了死信队列。
列出2种实现方式。
（1）使用Time To Live(TTL) + Dead Letter Exchanges（DLX）死信队列组合实现延迟队列的效果。
（2）使用RabbitMQ官方延迟插件rabbitmq_delayed_message_exchange，实现延时队列效果。
由于TTL（生存时间）过期导致的死信，就是我们实现延迟队列的的方式。
我们需要声明如下形式的交互机和队列，以及对应的routing key，并进行绑定：
上图绑定的代码如下所示
@Configuration
public class DeadQueueConfig {
//普通交换机及队列
public static final String X_EXCHANGE = "X";
public static final String QUEUE_A = "QA";
public static final String QUEUE_B = "QB";
//死信交换机及队列
public static final String Y_DEAD_LETTER_EXCHANGE = "Y";
public static final String DEAD_LETTER_QUEUE = "QD";
//通用队列
public static final String QUEUE_C = "QC";
// 声明 xExchange
@Bean("xExchange")
public DirectExchange xExchange() {
return new DirectExchange(X_EXCHANGE);
}
//声明队列 A ttl 为 10s 并绑定到对应的死信交换机
@Bean("queueA")
public Queue queueA() {
Map<String, Object> args = new HashMap<>(3);
//声明当前队列绑定的死信交换机
args.put("x-dead-letter-exchange", Y_DEAD_LETTER_EXCHANGE);
//声明当前队列的死信路由 key
args.put("x-dead-letter-routing-key", "YD");
//声明队列的 TTL
args.put("x-message-ttl", 10000);
return QueueBuilder.durable(QUEUE_A).withArguments(args).build();
}
//声明队列A绑定X交换机 路由为XA
@Bean
public Binding queueABingX(@Qualifier("queueA") Queue queueA,
@Qualifier("xExchange") DirectExchange xExchange){
return BindingBuilder.bind(queueA).to(xExchange).with("XA");
}
//声明队列 B ttl 为 40s 并绑定到对应的死信交换机
@Bean("queueB")
public Queue queueB() {
Map<String, Object> args = new HashMap<>(3);
//声明当前队列绑定的死信交换机
args.put("x-dead-letter-exchange", Y_DEAD_LETTER_EXCHANGE);
//声明当前队列的死信路由 key
args.put("x-dead-letter-routing-key", "YD");
//声明队列的 TTL
args.put("x-message-ttl", 40000);
return QueueBuilder.durable(QUEUE_B).withArguments(args).build();
}
//声明队列 B 绑定 X 交换机
@Bean
public Binding queuebBindingX(@Qualifier("queueB") Queue queue1B,
@Qualifier("xExchange") DirectExchange xExchange) {
return BindingBuilder.bind(queue1B).to(xExchange).with("XB");
}
//声明通用队列C 不设ttl，由消费者决定ttl
@Bean("queueC")
public Queue queueC() {
Map<String, Object> args = new HashMap<>(3);
//声明当前队列绑定的死信交换机
args.put("x-dead-letter-exchange", Y_DEAD_LETTER_EXCHANGE);
//声明当前队列的死信路由 key
args.put("x-dead-letter-routing-key", "YD");
return QueueBuilder.durable(QUEUE_C).withArguments(args).build();
}
// 声明队列 C 绑定 X 交换机
@Bean
public Binding queuecBindingX(@Qualifier("queueC") Queue queueC,
@Qualifier("xExchange") DirectExchange xExchange) {
return BindingBuilder.bind(queueC).to(xExchange).with("XC");
}
// 声明 死信队列交换机
@Bean("yExchange")
public DirectExchange yExchange() {
return new DirectExchange(Y_DEAD_LETTER_EXCHANGE);
}
//声明死信队列 QD
@Bean("queueD")
public Queue queueD() {
return new Queue(DEAD_LETTER_QUEUE,true);
}
//声明死信队列 QD 绑定关系
@Bean
public Binding deadLetterBindingQAD(@Qualifier("queueD") Queue queueD,
@Qualifier("yExchange") DirectExchange yExchange) {
return BindingBuilder.bind(queueD).to(yExchange).with("YD");
}
}
其中，QD为死信队列。当QA和QB队列中的消息，达到设定的TTL（10s和40s）后，将进入指定的死信队列QD。该方法缺点就是一个TTL对应一个队列
其中的QC作为通用的队列，即在消费者处指定消息对应的TTL，TTL过期后转入死信队列。使用该通用队列可以避免每增加一个新的时间需求，就要新增一个队列的问题。但该方法由于队列先进先出的性质，会导致一定的问题：
即先发出一个TTL为10s的消息a，进入队列；再马上发出一个TTL为2s的消息b，进入队列。由于队列的性质，会在消息a的TTL结束后，a进入死信队列后，b才会进入死信队列。而不是根据TTL的时间，b比a先进入死信队列。
声明交换机、队列，并绑定成功后，编写死信队列消费者代码;
@Component
@Slf4j
public class DeadQueueConsumer {
@RabbitListener(queues = "QD")
public void receiveD(Message message, Channel channel) throws IOException {
String msg = new String(message.getBody());
log.info("当前时间：{},收到死信队列信息：{}", new Date().toString(), msg);
}
}
在controller中编写生产者代码，进行测试：
@Autowired
private RabbitTemplate rabbitTemplate;
@GetMapping("/sendMsg/{message}")
public String sendMsg(@PathVariable String message){
log.info("当前时间：{},发送一条信息给两个 TTL 队列:{}", new Date(), message);
rabbitTemplate.convertAndSend("X", "XA", "消息来自 ttl 为 10S 的队列: " + message);
rabbitTemplate.convertAndSend("X", "XB", "消息来自 ttl 为 40S 的队列: " + message);
return "finish";
}
结果如图：
测试通用队列QC的效果：
@GetMapping("/send/{message}/{ttlTime}")
public void sendMsg(@PathVariable String message, @PathVariable String ttlTime) {
rabbitTemplate.convertAndSend("X", "XC", message, correlationData -> {
correlationData.getMessageProperties().setExpiration(ttlTime);
return correlationData;
});
log.info("当前时间：{},发送一条时长{}毫秒 TTL 信息给队列 C:{}", new Date(), ttlTime, message);
}
结果如下图
可以看到， 两条消息几乎同时到达死信队列，因为TTL为2s的消息由于被堵在TTL为10s的消息后导致。
![[Python人工智能] 四十三.命名实体识别 (4)利用bert4keras构建Bert+BiLSTM-CRF实体识别模型](https://img-blog.csdnimg.cn/bf1659094a5b4541a19a93c14fafa5d1.png#pic_center)
