Redis灵魂拷问:如何使用stream实现消息队列

kevinaoc
发布于 2022-5-5 12:59
浏览
0收藏

redis在很早之前就支持消息队列了,使用的是PUB/SUB功能来实现的。PUB/SUB有一个缺点就是消息不能持久化,如果redis发生宕机,或者客户端发生网络断开,历史消息就丢失了。

redis5.0开始引入了stream这个数据结构,stream可以很好地用于消息队列,它支持消息持久化,同时可以记录消费者的位置,即使客户端断开重连,也不会丢失消息。

本篇文章我们就来聊一聊基于stream的消息队列使用。

stream队列简介

基于stream实现的消息队列有4个角色,我们来看一下:

  • stream:消息队列
  • last delivered ID:消费者组在消息队列中的offset
  • consumer group:消费者组,可以包含多个消费者,同时有一个last delivered ID
  • pending entries list (PEL):消费者已经读取但是没有ACK的消息

根据上面的描述,stream的消息队列结构如下图:Redis灵魂拷问:如何使用stream实现消息队列-鸿蒙开发者社区

注意:消费者组内的消费者是不会重复消费消息的,比如一个stream包括1、2、3、4这4条消息,消费者组内有2个消费者,如果其中一个消费者消费了1、2,则第二个消费者就只能消费3、4了。

命令介绍

本文使用测试环境如下:

redis版本:6.0.7

springboot-redis版本:

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
    <version>2.1.6.RELEASE</version>
</dependency>

里面使用到的spring-data-redis版本:2.1.9.RELEASE

里面使用到的lettuce连接池版本:5.1.7.RELEASE

本文使用的redis客户端是lettuce,lettuce提供了RedisStreamCommands和RedisStreamAsyncCommands支持stream操作,本文只介绍RedisStreamCommands。

创建Commands

我们创建lettuce中的RedisStreamCommands,代码如下:

RedisURI redisURI = RedisURI.builder()
                .withSentinelMasterId("master")
                .withPassword("foobared")
                .withSentinelMasterId("master")
                .withSentinel("192.168.59.146",26379)
                .withSentinel("192.168.59.141",26379)
                .withSentinel("192.168.59.141",26389).build();
RedisClient client = RedisClient.create(redisURI);
StatefulRedisConnection<String, String> connection = client.connect();
RedisStreamCommands streamCommands = connection.sync();

创建stream

当我们使用XADD命令往stream里面写数据时,如果stream不存在,就会创建一个,命令如下:

192.168.59.146:6379> XADD mystream * name Sara surname OConnor
"1607996267360-0"

我们看下Java示例代码:

/**
 * 命令:XADD
 *
 * 时间复杂度:O(1)
 * @param streamKey 队列名称
 * @param data 数据
 */
public void xadd(String streamKey, Map<String, String> data){
    streamCommands.xadd(streamKey, data);
}

创建消费组

要消费stream队列中的数据,首先我们需要创建一个消费组,命令如下:

XGROUP CREATE mystream mygroup $ MKSTREAM

上面的$表示group的offset是队列中的最后一个元素,MKSTREAM这个参数会判断stream是否存在,如果不存在会创建一个我们指定名称的stream,不加这个参数,stream不存在会报错。

java代码如下:

/**
 * XGROUP
 *
 * 时间复杂度:O(1)
 * @param streamKey 队列名称
 * @param groupName 消费组名称
 */
public void createGroup(String streamKey, String groupName){
    streamCommands.xgroupCreate(XReadArgs.StreamOffset.latest(streamKey), groupName);
}

删除消费组

删除消费组我们使用下面的命令:

XGROUP DESTROY mystream consumer-group-name

java示例代码如下:

/**
 * XGROUP
 *
 * 时间复杂度:O(M),M是pending entries list长度
 * @param streamKey 队列名称
 * @param groupName 消费组名称
 */
public void deleteGroup(String streamKey, String groupName){
    streamCommands.xgroupDestroy(streamKey, groupName);
}

消费消息

消息的消费有2种方式,XREAD和XREADGROUP:

XREAD是消费组读取消息,我们看下面这个命令:
XREAD COUNT 2 STREAMS mystream writers 0-0 0-0

注意:上面这个示例是从mystream和writers这2个stream中读取消息,offset都是0,COUNT参数指定了每个队列中读取的消息数量不多余2个。

下面的java代码是从testStream这个stream中读取消息,offset是0:

//复杂度 O(N),N是要返回的消息个数
List<StreamMessage<String, String>> list4 = streamCommands.xread(XReadArgs.StreamOffset.from("testStream", "0-0"))

XREADGROUP使用消费者来消费消息,我们看下面这个命令:

XREADGROUP GROUP mygroup Alice BLOCK 2000 COUNT 1 STREAMS mystream >

这个命令是使用消费组mygroup的Alice这个消费者从mystream这个stream中读取1条消息。

注意:

  • 上面使用了BLOCK,表示是阻塞读取,如果读不到数据,会阻塞等待2s,不加这个条件默认是不阻塞的
  • ">"表示只接受其他消费者没有消费过的消息
  • 如果没有">",消费者会消费比指定id偏移量大并且没有被自己确认过的消息,这样就不用关系是否ACK过或者是否BLOCK了。

java示例代码如下:

//复杂度 O(N),N是要返回的消息个数
List<StreamMessage<String, String>> list1 = streamCommands.xreadgroup(Consumer.from("group1", "consumer1"),
                XReadArgs.StreamOffset.lastConsumed("testStream"));

这段代码是使用group1消费组中的consumer1这个消费者从testStream这个stream中使用最后一个元素作为offset来消费消息。

确认消息

使用XACK命令可以对消息进行确认,命令如下:

XACK mystream mygroup 1526569495631-0

这里表示消费组mygroup确认mystream这个stream中1526569495631-0这条消息

下面的java代码是对收到的消息依次打印后进行确认,如下:

for (StreamMessage<String, String> message : list1){
    System.out.println(message.getId() + ":" + message.getBody());
    streamCommands.xack("streamTest", "group1", message.getId());
}

使用案例

这里我提供一个案例,生产者每隔1s向队列中写入1条消息,代码如下:

public void xgroupCreate(){

    //调用上面的createGroup方法
    createGroup("testStream", "group2");
    System.out.println("----------------------------");
    int i = 0;
    for (;;){
        Map<String, String> body =  Collections.singletonMap("message" + i, "value" + i);
        String key = streamCommands.xadd("testStream", body);

        System.out.println(key);

        try {
            Thread.sleep(1000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
}

启动程序后打印如下:

----------------------------
1608014871896-0
1608014872899-0
1608014873900-0
1608014874903-0
1608014875907-0
1608014876910-0
1608014877920-0
1608014878923-0
1608014879925-0
1608014880930-0

消费者每隔2s从队列中拉取一次消息,打印后执行XACK,代码如下:

public void xgroupRead(){

    List<StreamMessage<String, String>> list1;

    while (true){
        list1 = streamCommands.xreadgroup(Consumer.from("group1", "consumer1"),
                XReadArgs.StreamOffset.lastConsumed("testStream"));
        if (list1.isEmpty()) {
            System.out.println("==============================");
            try {
                Thread.sleep(2000);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
            continue;
        }

        for (StreamMessage<String, String> message : list1){
            System.out.println(message.getId() + ":" + message.getBody());
            streamCommands.xack("streamTest", "group2", message.getId());
        }
    }
}

启动任务后打印如下:

==============================
1608014871896-0:{message0=value0}
1608014872899-0:{message0=value0}
==============================
1608014873900-0:{message0=value0}
1608014874903-0:{message0=value0}
==============================
1608014875907-0:{message0=value0}
1608014876910-0:{message0=value0}
==============================
1608014877920-0:{message0=value0}
1608014878923-0:{message0=value0}
==============================
1608014879925-0:{message0=value0}
1608014880930-0:{message0=value0}
==============================

使用场景

redis的特点是读写速度快,所以对于实时性高要求效率的场景是一个不错的选择。

但是AOF+RDB的数据持久化方案可能会丢失1s的数据(AOF持久化策略使用everysec),所以对于数据一致性要求高的场景要跳过。

在物联网场景中,有大规模的传感器数据需要采集,这些数据对实时性的要求高过了一致性,使用redis是一个很好的选择

总结

使用redis的stream可以实现简单的队列,跟rabbitmq等非常成熟的消息队列相比,功能还是比较薄弱的,比如不支持exchange。

redis读写速度快的特点对实时性要求高的场景还是一个不错的选择,但是如果对数据一致性要求很高,需要绕过。

redis的stream还提供了其他很多的命令,本文并没有全部介绍,感兴趣的同学可以参考官网链接:

https://redis.io/commands/xack.

本文转载自微信公众号「君哥聊技术」

原文链接:https://mp.weixin.qq.com/s/jFPaGrtaUgNIKml1TO_a3A.

分类
已于2022-5-5 12:59:02修改
收藏
回复
举报
回复
    相关推荐