读懂才会用：Redis ZSet 的几种使用场景

lingyuli

发布于 2020-9-9 11:32

8139浏览

0收藏

本文展示延时队列、排行榜、限流具体的使用方法和问题，供大家参考。代码示例，仅仅是Demo，在生产使用需要考虑更多细节问题。

1. 延时队列

zset 会按 score 进行排序，如果 score 代表想要执行时间的时间戳。在某个时间将它插入zset集合中，它变会按照时间戳大小进行排序，也就是对执行时间前后进行排序。

起一个死循环线程不断地进行取第一个key值，如果当前时间戳大于等于该key值的score就将它取出来进行消费删除，可以达到延时执行的目的。

读懂才会用：Redis ZSet 的几种使用场景-鸿蒙开发者社区

发送消息

代码如下：

public void sendMessage(long messageId, String message) {
    System.out.println("发送消息");
    Jedis client = jedisPool.getResource();
    Pipeline pipeline = client.pipelined();
    // score 设置成当前时间戳 + 延迟时间
    pipeline.zadd(DELAY_QUEUE, System.currentTimeMillis() + DELAY_TIME * 1000,
                  String.format(MEMBER_PREFIX, messageId));
    Map<String, String> map = new HashMap<>();
    map.put(String.format(MEMBER_PREFIX, messageId), message);
    pipeline.hset(DELAY_MESSAGE, map);
    pipeline.syncAndReturnAll();
    pipeline.close();
    client.close();
    System.out.println("发送消息 over");
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.

采用 pipeline 的方式，同时写入 zset 和 hash 中

消费消息

代码如下：

public void consumer() {
    System.out.println("消费消息开始");
    Jedis client = jedisPool.getResource();
    Set<Tuple> tupleSet = client.zrangeByScoreWithScores(DELAY_QUEUE, 0, System.currentTimeMillis());
    for (Tuple t : tupleSet) {
        long messageId = Long.valueOf(t.getElement().replaceAll("[^0-9]", ""));
        messageHandler(messageId);
    }
    client.close();
    System.out.println("消费消息 over");
}

public void messageHandler(long messageId) {
    System.out.println("===");
    pool.execute(() -> {  // 放到线程池处理
        Jedis client = jedisPool.getResource();
        String message = client.hget(DELAY_MESSAGE, String.format(MEMBER_PREFIX, messageId));
        System.out.println("处理消息体" + message);
        System.out.println("处理消息体成功");
        Pipeline pipeline = client.pipelined();
        pipeline.multi();
        pipeline.hdel(DELAY_MESSAGE, String.format(MEMBER_PREFIX, messageId));
        pipeline.zrank(DELAY_QUEUE, String.format(MEMBER_PREFIX, messageId));
        pipeline.exec();
        pipeline.close();
        client.close();
    });
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.

问题

没有 ack 机制，当消费失败的情况下队列如何处理？
这是 topic 模式，广播模式如何搞

示例代码是demo，简单应用，投入生产中还需要考虑各种细节问题

2. 排行榜

经常浏览技术社区的话，应该对 “1小时最热门” 这类榜单不陌生。如何实现呢？如果记录在数据库中，不太容易对实时统计数据做区分。我们以当前小时的时间戳作为 zset 的 key，把贴子ID作为 member ，点击数评论数等作为 score，当 score 发生变化时更新 score。利用 ZREVRANGE 或者 ZRANGE 查到对应数量的记录。

读懂才会用：Redis ZSet 的几种使用场景-鸿蒙开发者社区

记录回复数

代码如下：

/**
  * 模拟每次针对贴子的回复数加 1
  *
  * @param id
*/
public void post(long id) {
    Jedis client = jedisPool.getResource();
    client.zincrby(POSTLIST, 1, String.format(MEMBER_PREFIX, id));
    client.close();
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

获取列表

代码如下：

/**
  * 获取 Top 的贴子列表 ID
  *
  * @param size
  * @return
*/
public List<Integer> getTopList(int size) {
    List<Integer> result = new ArrayList<>();
    if (size <= 0 || size > 100) {
        return result;
    }
    Jedis client = jedisPool.getResource();
    Set<Tuple> tupleSet = client.zrevrangeWithScores(POSTLIST, 0, size - 1);
    client.close();
    for (Tuple tuple : tupleSet) {
        String t = tuple.getElement().replaceAll("[^0-9]", "");
        result.add(Integer.valueOf(t));
    }
    return result;
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.

模拟用户发帖的行为

代码如下：

public void test() throws InterruptedException {
    int threadSize = 200;
    long[] ids = {100, 102, 103, 104, 105, 106, 101, 108, 107, 200, 109, 201, 202};
    CountDownLatch countDownLatch = new CountDownLatch(threadSize);
    for (int i = 0; i < threadSize; i++) {
        pool.execute(() -> {
            for (int j = 0; j < 3; j++) {
                Random r = new Random();
                int index = (int) (r.nextDouble() * ids.length);
                post(ids[index]);
            }
            countDownLatch.countDown();
        });
    }
    countDownLatch.await();
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.

问题

数量过大时会占用大量内存，需要清理很多冷数据
适合处理点击数、访问量之类，处理发帖回复这种还需要考虑，帖子审核不通过的情况

3. 限流

滑动窗口是限流常见的一种策略。如果我们把一个用户的 ID 作为 key 来定义一个 zset ，member 或者 score 都为访问时的时间戳。我们只需统计某个 key 下在指定时间戳区间内的个数，就能得到这个用户滑动窗口内访问频次，与最大通过次数比较，来决定是否允许通过。

读懂才会用：Redis ZSet 的几种使用场景-鸿蒙开发者社区

代码如下：

/**
  *
  * @param userId
  * @param period 窗口大小
  * @param maxCount 最大频次限制
  * @return
*/
public boolean isActionAllowed(String userId, int period, int maxCount) {
    String key = String.format(KEY, userId);
    long nowTs = System.currentTimeMillis();
    Jedis client = jedisPool.getResource();
    Pipeline pipe = client.pipelined();
    pipe.multi();
    pipe.zadd(key, nowTs, String.format(MEMBER, userId, nowTs));
    pipe.zremrangeByScore(key, 0, nowTs - period * 1000);
    Response<Long> count = pipe.zcard(key);
    pipe.expire(key, period + 1);
    pipe.exec();
    pipe.close();
    client.close();
    return count.get() <= maxCount;
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.

思路是每一个请求到来时，将时间窗口外的记录全部清理掉，只保留窗口内的记录。zset 中只有 score 值非常重要，value 值没有特别的意义，只需要保证它是唯一的就可以了

问题

需要清理额外的数据
限制的请求量过大时，会占用大量内存

来源：InfoQ

分类

标签

已于2020-9-9 11:32:26修改

51CTO

51CTO博客

51CTO学堂

读懂才会用：Redis ZSet 的几种使用场景

订阅鸿蒙技术特刊，精选内容抢先看