Redis如何实现一个消息队列 如何是实现延时队列 既然redis可以实现队列，为什么还需要mq消息队列

   如果你的业务需求足够简单，想把 Redis 当作队列来使用，肯定最先想到的就是使用 List 这个数据类型。因为 List 底层的实现就是一个「链表」，在头部和尾部操作元素，时间复杂度都是 O(1)，这意味着它非常符合消息队列的模型如果把 List 当作队列，你可以这么来用。

生产者使用 LPUSH 发布消息：

图片.png

消费者这一侧，使用 RPOP 拉取消息：

图片.png

这个模型非常简单，也很容易理解。

图片.png

它可以支持多个生产者和多个消费者并发进出消息，每个消费者拿到的消息都
是不同的列表元素

延时队列得实现
延时队列可以通过 Redis 的 zset （有序列表）来实现。我们将消息序列化成一个字符串作为 zset 的 value，这个消息的到期处理时间作为 score，然后用多个线程轮询zset 获取到期的任务进行处理 。多个结程是为了保障可用性，万一挂了一个线程还有其他线程可以继续处理。因为有多个线程，所以需要考虑并发争抢任务，确保任务不会被多次执行。

伪代码后期实现

延时队列的应用
延时队列（ Delayed Job）在项目中应该经常会使用到，比如用户下单超过30分钟没有支付，后台就自动取消订单；再比如新用户注册后，要求10分钟后给用户发一封邮件。这些需求都需要通过延时队列实现。

既然redis可以实现队列，为什么还需要mq消息队列？
与专业的消息队列对比，其实，一个专业的消息队列，必须要做到两大块：
消息不丢
消息可堆积

这里我们换个角度，从一个消息队列的【使用模型】来分析下，才能保证数据不丢失？使用一个消息队列，分为三大块：生产者，队列中间件，消费者

图片.png

1、生产者会不会丢消息？
2、消费者会不会丢消息？
3、队列中间件会不会丢消息？

1. 生产者会不会丢消息？

1. 当生产者在发布消息时，可能发生以下异常情况：
   消息没发出去：网络故障或其它问题导致发布失败，[中间件]直接返回失败
2. 不确定是否发布成功：网络问题导致发布超时，可能数据已发送成功，但读取响应结果超时了

如果是情况 1，消息根本没发出去，那么重新发一次就好了。
如果是情况 2，生产者没办法知道消息到底有没有发成功？所以，为了避免消息丢失，它也只能继续重试，直到发布成功为止。
生产者一般会设定一个最大重试次数，超过上限依旧失败，需要记录日志报警处理。也就是说，生产者为了避免消息丢失，只能采用失败重试的方式来处理。但发现没有？这也意味着消息可能会重复发送。是的，在使用消息队列时，要保证消息不丢，宁可重发，也不能丢弃。
那消费者这边，就需要多做一些逻辑了。
对于敏感业务，当消费者收到重复数据数据时，要设计幂等逻辑，保证业务的正确性。从这个角度来看，生产者会不会丢消息，取决于生产者对于异常情况的处理是否合理。所以，无论是 Redis 还是专业的队列中间件，生产者在这一点上都是可以保证消息不丢的。

2. 消费者会不会丢消息？
   这种情况消费者拿到消息后，还没处理完成，就异常宕机了，那消费者还能否重新消费失败的消息？
   要解决这个问题，消费者在处理完消息后，必须「告知」队列中间件，队列中间件才会把标记已处理，否则仍旧把这些数据发给消费者。
   这种方案需要消费者和中间件互相配合，才能保证消费者这一侧的消息不丢。
   无论是 Redis 的 Stream，还是专业的队列中间件，例如 RabbitMQ、Kafka，其实都是这么做的。
   所以，从这个角度来看，Redis 也是合格的。
3. 队列中间件会不会丢消息？
   前面 2 个问题都比较好处理，只要客户端和服务端配合好，就能保证生产端、消费端都不丢消息。但是，如果队列中间件本身就不可靠呢？
   毕竟生产者和消费这都依赖它，如果它不可靠，那么生产者和消费者无论怎么做，都无法保证数据不丢。
   在这个方面，Redis 其实没有达到要求。
   Redis 在以下 2 个场景下，都会导致数据丢失。
   1.AOF 持久化配置为每秒写盘，但这个写盘过程是异步的，Redis 宕机时会存在数据丢失的可能
   2.[主从复制]也是异步的，主从切换时，也存在丢失数据的可能（从库还未同步完成主库发来的数据，就被提成[主库]
   基于以上原因我们可以看到，Redis 本身的无法保证严格的数据完整性。

所以，如果把 Redis 当做消息队列，在这方面是有可能导致数据丢失的。

再来看那些专业的[消息队列中间件]是如何解决这个问题的？像 RabbitMQ 或 Kafka 这类专业的队列中间件，在使用时，一般是部署一个集群，生产者在发布消息时，队列中间件通常会写「多个节点」，以此保证消息的完整性。这样一来，即便其中一个节点挂了，也能保证集群的数据不丢失。

也正因为如此，RabbitMQ、Kafka在设计时也更复杂。毕竟，它们是专门针对队列场景设计的。但 Redis 的定位则不同，它的定位更多是当作缓存来用，它们两者在这个方面肯定是存在差异的。最后，我们来看消息积压怎么办？

4. 消息积压怎么办？
   因为 Redis 的数据都存储在内存中，这就意味着一旦发生消息积压，则会导致 Redis 的内存持续增长，如果超过机器内存上限，就会面临被 OOM 的风险。所以，Redis 的 Stream 提供了可以指定队列最大长度的功能，就是为了避免这种情况发生。但 Kafka、RabbitMQ 这类消息队列就不一样了，它们的数据都会存储在磁盘上，磁盘的成本要比内存小得多，当消息积压时，无非就是多占用一些磁盘空间，相比于内存，在面对积压时也会更加「坦然」。
   综上，我们可以看到，把 Redis 当作队列来使用时，始终面临的 2 个问题：
   Redis 本身可能会丢数据
   面对消息积压，Redis 内存资源紧张
   到这里，Redis 是否可以用作队列，我想这个答案你应该会比较清晰了。
   如果你的业务场景足够简单，对于数据丢失不敏感，而且消息积压概率比较小的情况下，把 Redis 当作队列是完全可以的。
   而且，Redis 相比于 Kafka、RabbitMQ，部署和运维也更加轻量。如果你的业务场景对于数据丢失非常敏感，而且写入量非常大，消息积压时会占用很多的机器资源，那么我建议你使用专业的消息队列中间件。