现如今的互联网应用大都是采用 分布式系统架构 设计的,所以 消息队列 已经逐渐成为企业的应用系统 内部通信 的核心手段,

它具有 低耦合可靠投递广播流量控制最终一致性 等一系列功能。

当前使用较多的 消息队列 有 RabbitMQ、RocketMQ、ActiveMQ、Kafka、ZeroMQ、MetaMQ 等,而部分数据库 如 Redis、MySQL 以及 phxsql ,如果硬搞的话,其实也可实现消息队列的功能。

可能有人觉得,各种开源的 MQ 已经足够使用了,为什么需要用 Redis 实现 MQ 呢?

有些简单的业务场景,可能不需要重量级的 MQ 组件(相比 Redis 来说,Kafka 和 RabbitMQ 都算是重量级的消息队列)

那你有考虑过用 Redis 做消息队列吗?

这一章,我会结合消息队列的特点和 Redis 做消息队列的使用方式,以及实际项目中的使用,来和大家探讨下 Redis 消息队列的方案。

一、回顾消息队列

消息队列 是指利用 高效可靠 的 消息传递机制 进行与平台无关的 数据交流,并基于数据通信来进行分布式系统的集成。

通过提供 消息传递 和 消息排队 模型,它可以在 分布式环境 下提供 应用解耦弹性伸缩冗余存储流量削峰异步通信数据同步 等等功能,其作为 分布式系统架构 中的一个重要组件,有着举足轻重的地位。

mq_overview

现在回顾下,我们使用的消息队列,一般都有什么样的特点:

三个角色:生产者、消费者、消息处理中心

异步处理模式:生产者 将消息发送到一条 虚拟的通道(消息队列)上,而无须等待响应。消费者 则 订阅 或是 监听 该通道,取出消息。两者互不干扰,甚至都不需要同时在线,也就是我们说的 松耦合

可靠性:消息要可以保证不丢失、不重复消费、有时可能还需要顺序性的保证

撇开我们常用的消息中间件不说,你觉得 Redis 的哪些数据类型可以满足 MQ 的常规需求~~

二、Redis 实现消息队列

思来想去,只有 List 和 Streams 两种数据类型,可以实现消息队列的这些需求,当然,Redis 还提供了发布、订阅(pub/sub) 模式。

我们逐一看下这 3 种方式的使用和场景。

2.1 List 实现消息队列

Redis 列表是简单的字符串列表,按照插入顺序排序。你可以添加一个元素到列表的头部(左边)或者尾部(右边)。

所以常用来做异步队列使用。将需要延后处理的任务结构体序列化成字符串塞进 Redis 的列表,另一个线程从这个列表中轮询数据进行处理。

Redis 提供了好几对 List 指令,先大概看下这些命令,混个眼熟

List 常用命令

挑几个弹入、弹出的命令就可以组合出很多姿势

LPUSH、RPOP 左进右出

RPUSH、LPOP 右进左出

127.0.0.1:6379>lpushmylistaabcde(integer) 6127.0.0.1:6379>rpopmylist"a"127.0.0.1:6379>rpopmylist"a"127.0.0.1:6379>rpopmylist"b"127.0.0.1:6379>

redis-RPOP

即时消费问题

通过 LPUSH,RPOP 这样的方式,会存在一个性能风险点,就是消费者如果想要及时的处理数据,就要在程序中写个类似 while(true) 这样的逻辑,不停地去调用 RPOP 或 LPOP 命令,这就会给消费者程序带来些不必要的性能损失。

所以,Redis 还提供了 BLPOP、BRPOP 这种阻塞式读取的命令(带 B-Bloking的都是阻塞式),客户端在没有读到队列数据时,自动阻塞,直到有新的数据写入队列,再开始读取新数据。这种方式就节省了不必要的 CPU 开销。

LPUSH、BRPOP 左进右阻塞出

RPUSH、BLPOP 右进左阻塞出

127.0.0.1:6379>lpushyourlistabcd(integer)4127.0.0.1:6379>blpopyourlist101)"yourlist"2)"d"127.0.0.1:6379>blpopyourlist101)"yourlist"2)"c"127.0.0.1:6379>blpopyourlist101)"yourlist"2)"b"127.0.0.1:6379>blpopyourlist101)"yourlist"2)"a"127.0.0.1:6379>blpopyourlist10(nil)(10.02s)

如果将超时时间设置为 0 时,即可无限等待,直到弹出消息

因为 Redis 单线程的特点,所以在消费数据时,同一个消息会不会同时被多个 consumer 消费掉,但是需要我们考虑消费不成功的情况。

可靠队列模式 | ack 机制

以上方式中, List 队列中的消息一经发送出去,便从队列里删除。如果由于网络原因消费者没有收到消息,或者消费者在处理这条消息的过程中崩溃了,就再也无法还原出这条消息。究其原因,就是缺少消息确认机制。

为了保证消息的可靠性,消息队列都会有完善的消息确认机制(Acknowledge),即消费者向队列报告消息已收到或已处理的机制。

Redis List 怎么搞一搞呢?

再看上边的表格中,有两个命令, RPOPLPUSH、BRPOPLPUSH (阻塞)从一个 list 中获取消息的同时把这条消息复制到另一个 list 里(可以当做备份),而且这个过程是原子的。

这样我们就可以在业务流程安全结束后,再删除队列元素,实现消息确认机制。

127.0.0.1:6379>rpushmyqueueone(integer)1127.0.0.1:6379>rpushmyqueuetwo(integer)2127.0.0.1:6379>rpushmyqueuethree(integer)3127.0.0.1:6379>rpoplpushmyqueuequeuebak"three"127.0.0.1:6379>lrangemyqueue0-11)"one"2)"two"127.0.0.1:6379>lrangequeuebak0-11)"three"

redis-rpoplpush

之前做过的项目中就有用到这样的方式去处理数据,数据标识从一个 List 取出后放入另一个 List,业务操作安全执行完成后,再去删除 List 中的数据,如果有问题的话,很好回滚。

当然,还有更特殊的场景,可以通过 zset 来实现延时消息队列,原理就是将消息加到 zset 结构后,将要被消费的时间戳设置为对应的 score 即可,只要业务数据不会是重复数据就 OK。

2.2 订阅与发布实现消息队列

我们都知道消息模型有两种

点对点:Point-to-Point(P2P)

发布订阅:Publish/Subscribe(Pub/Sub)

List 实现方式其实就是点对点的模式,下边我们再看下 Redis 的发布订阅模式(消息多播),这才是“根正苗红”的 Redis MQ

redis-pub_sub

"发布/订阅"模式同样可以实现进程间的消息传递,其原理如下:

"发布/订阅"模式包含两种角色,分别是发布者和订阅者。订阅者可以订阅一个或者多个频道(channel),而发布者可以向指定的频道(channel)发送消息,所有订阅此频道的订阅者都会收到此消息。

Redis 通过 PUBLISH 、 SUBSCRIBE 等命令实现了订阅与发布模式, 这个功能提供两种信息机制, 分别是订阅/发布到频道和订阅/发布到模式。

这个 频道 和 模式 有什么区别呢?

频道我们可以先理解为是个 Redis 的 key 值,而模式,可以理解为是一个类似正则匹配的 Key,只是个可以匹配给定模式的频道。这样就不需要显式地去订阅多个名称了,可以通过模式订阅这种方式,一次性关注多个频道。

我们启动三个 Redis 客户端看下效果:

redis-subscribe

先启动两个客户端订阅(subscribe) 名字叫 framework 的频道,然后第三个客户端往 framework 发消息,可以看到前两个客户端都会接收到对应的消息:

redis-publish

我们可以看到订阅的客户端每次可以收到一个 3 个参数的消息,分别为:

消息的种类

始发频道的名称

实际的消息

再来看下订阅符合给定模式的频道,这回订阅的命令是 PSUBSCRIBE

redis-psubscribe

我们往 java.framework 这个频道发送了一条消息,不止订阅了该频道的 Consumer1 和 Consumer2 可以接收到消息,订阅了模式 java.* 的 Consumer3 和 Consumer4 也可以接收到消息。

redis-psubscribe1

Pub/Sub 常用命令:

2.3 Streams 实现消息队列

Redis 发布订阅 (pub/sub) 有个缺点就是消息无法持久化,如果出现网络断开、Redis 宕机等,消息就会被丢弃。而且也没有 Ack 机制来保证数据的可靠性,假设一个消费者都没有,那消息就直接被丢弃了。

后来 Redis 的父亲 Antirez,又单独开启了一个叫 Disque 的项目来完善这些问题,但是没有做起来,github 的更新也定格在了 5 年前,所以我们就不讨论了。

Redis 5.0 版本新增了一个更强大的数据结构——Stream。它提供了消息的持久化和主备复制功能,可以让任何客户端访问任何时刻的数据,并且能记住每一个客户端的访问位置,还能保证消息不丢失。

它就像是个仅追加内容的消息链表,把所有加入的消息都串起来,每个消息都有一个唯一的 ID 和对应的内容。而且消息是持久化的。

redis-stream

每个 Stream 都有唯一的名称,它就是 Redis 的 key,在我们首次使用 xadd 指令追加消息时自动创建。

Streams 是 Redis 专门为消息队列设计的数据类型,所以提供了丰富的消息队列操作命令。

Stream 常用命令

CRUD 工程师上线

增删改查来一波

# * 号表示服务器自动生成 ID,后面顺序跟着一堆 key/value127.0.0.1:6379>xaddmystream*f1v1f2v2f3v3"1609404470049-0"## 生成的消息 ID,有两部分组成,毫秒时间戳-该毫秒内产生的第1条消息# 消息ID 必须要比上个 ID 大127.0.0.1:6379>xaddmystream123f4v4(error)ERRTheIDspecifiedinXADDisequalorsmallerthanthetargetstreamtopitem# 自定义ID127.0.0.1:6379>xaddmystream1609404470049-1f4v4"1609404470049-1"# -表示最小值 , + 表示最大值,也可以指定最大消息ID,或最小消息ID,配合 -、+ 使用127.0.0.1:6379>xrangemystream-+1)1)"1609404470049-0"2)1)"f1"2)"v1"3)"f2"4)"v2"5)"f3"6)"v3"2)1)"1609404470049-1"2)1)"f4"2)"v4"127.0.0.1:6379>xdelmystream1609404470049-1(integer)1127.0.0.1:6379>xlenmystream(integer)1# 删除整个 stream127.0.0.1:6379>delmystream(integer)1

独立消费

xread 以阻塞或非阻塞方式获取消息列表,指定 BLOCK 选项即表示阻塞,超时时间 0 毫秒(意味着永不超时)

# 从ID是0-0的开始读前2条127.0.0.1:6379>xreadcount2streamsmystream01)1)"mystream"2)1)1)"1609405178536-0"2)1)"f5"2)"v5"2)1)"1609405198676-0"2)1)"f1"2)"v1"3)"f2"4)"v2"# 阻塞的从尾部读取流,开启新的客户端xadd后发现这里就读到了,block 0 表示永久阻塞127.0.0.1:6379>xreadblock0streamsmystream$1)1)"mystream"2)1)1)"1609408791503-0"2)1)"f6"2)"v6"(42.37s)

可以看到,我并没有给流 mystream 传入一个常规的 ID,而是传入了一个特殊的 ID $这个特殊的 ID 意思是 XREAD 应该使用流 mystream 已经存储的最大 ID 作为最后一个 ID。以便我们仅接收从我们开始监听时间以后的新消息。这在某种程度上相似于 Unix 命令tail -f。

当然,也可以指定任意有效的 ID。

而且, XREAD 的阻塞形式还可以同时监听多个 Strema,只需要指定多个键名即可。

127.0.0.1:6379>xread block0streams mystream yourstream $ $

创建消费者组

xread 虽然可以扇形分发到 N 个客户端,然而,在某些问题中,我们想要做的不是向许多客户端提供相同的消息流,而是从同一流向许多客户端提供不同的消息子集。比如下图这样,三个消费者按轮训的方式去消费一个 Stream。

redis-stream-cg

Redis Stream 借鉴了很多 Kafka 的设计。

Consumer Group:有了消费组的概念,每个消费组状态独立,互不影响,一个消费组可以有多个消费者

last_delivered_id :每个消费组会有个游标 last_delivered_id 在数组之上往前移动,表示当前消费组已经消费到哪条消息了

pending_ids :消费者的状态变量,作用是维护消费者的未确认的 id。pending_ids 记录了当前已经被客户端读取的消息,但是还没有 ack。如果客户端没有 ack,这个变量里面的消息 ID 会越来越多,一旦某个消息被 ack,它就开始减少。这个 pending_ids 变量在 Redis 官方被称之为 PEL,也就是 Pending Entries List,这是一个很核心的数据结构,它用来确保客户端至少消费了消息一次,而不会在网络传输的中途丢失了没处理。

redis-group-strucure

Stream 不像 Kafak 那样有分区的概念,如果想实现类似分区的功能,就要在客户端使用一定的策略将消息写到不同的 Stream。

xgroup create:创建消费者组

xgreadgroup:读取消费组中的消息

xack:ack 掉指定消息

# 创建消费者组的时候必须指定 ID, ID 为 0 表示从头开始消费,为 $ 表示只消费新的消息,也可以自己指定127.0.0.1:6379>xgroupcreatemystreammygroup$OK# 查看流和消费者组的相关信息,可以查看流、也可以单独查看流下的某个组的信息127.0.0.1:6379>xinfostreammystream1)"length"2)(integer)4# 共 4 个消息3)"radix-tree-keys"4)(integer)15)"radix-tree-nodes"6)(integer)27)"last-generated-id"8)"1609408943089-0"9)"groups"10)(integer)1# 一个消费组11)"first-entry"# 第一个消息12)1)"1609405178536-0"2)1)"f5"2)"v5"13)"last-entry"# 最后一个消息14)1)"1609408943089-0"2)1)"f6"2)"v6"127.0.0.1:6379>

按消费组消费

Stream 提供了 xreadgroup 指令可以进行消费组的组内消费,需要提供消费组名称、消费者名称和起始消息 ID。它同 xread 一样,也可以阻塞等待新消息。读到新消息后,对应的消息 ID 就会进入消费者的 PEL(正在处理的消息) 结构里,客户端处理完毕后使用 xack 指令通知服务器,本条消息已经处理完毕,该消息 ID 就会从 PEL 中移除。

#  消费组 mygroup1 中的 消费者 c1 从 mystream 中 消费组数据# > 号表示从当前消费组的 last_delivered_id 后面开始读# 每当消费者读取一条消息,last_delivered_id 变量就会前进127.0.0.1:6379>xreadgroupgroupmygroup1c1count1streamsmystream>1)1)"mystream"2)1)1)"1609727806627-0"2)1)"f1"2)"v1"3)"f2"4)"v2"5)"f3"6)"v3"127.0.0.1:6379>xreadgroupgroupmygroup1c1count1streamsmystream>1)1)"mystream"2)1)1)"1609727818650-0"2)1)"f4"2)"v4"# 已经没有消息可读了            127.0.0.1:6379>xreadgroupgroupmygroup1c1count2streamsmystream>

(nil)# 还可以阻塞式的消费127.0.0.1:6379>xreadgroupgroupmygroup1c2block0streamsmystream>µ1)1)"mystream"2)1)1)"1609728270632-0"2)1)"f5"2)"v5"(89.36s)# 观察消费组信息127.0.0.1:6379>xinfogroupsmystream1)1)"name"2)"mygroup1"3)"consumers"4)(integer)2# 2个消费者5)"pending"6)(integer)3# 共 3 条正在处理的信息还没有 ack7)"last-delivered-id"8)"1609728270632-0"127.0.0.1:6379>xackmystreammygroup11609727806627-0# ack掉指定消息(integer)1

尝鲜到此结束,就不继续深入了。

个人感觉,就目前来说,Stream 还是不能当做主流的 MQ 来使用的,而且使用案例也比较少,慎用。