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。
消息队列常见的使用场景:
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。
一般设计消息队列需要考虑三个需求,分别是
市面上已经存在专业的 MQ
有RocketMQ
、Kafka
等,为什么还需要Redis
来自定义实现消息队列?
当我们在使用一个消息队列时,希望它的功能如下:
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。
生产者 发布消息
127.0.0.1:6379> LPUSH queue msg1
(integer) 1
127.0.0.1:6379> LPUSH queue msg2
(integer) 2
消费者 拉取消息
127.0.0.1:6379> RPOP queue
"msg1"
127.0.0.1:6379> RPOP queue
"msg2"
指令 | 用法 | 描述 |
---|---|---|
LPUSH | LPUSH KEY VALUE … | 将一个或者多个value插入表头 |
RPUSH | RPUSH KEY VALUE | 将一个或者多个value插入表尾 |
LPOP | LPOP KEY | 移除并返回表头元素 |
RPOP | RPOP KEY | 移除并返回表尾元素 |
BLPOP | BLPOP KEY TIMEOUT | 移除并返回表头元素,没有元素则阻塞列表直到超时或者发现列表可弹元素 |
BRPOP | BRPOP KEY TIMEOUT | 移除并返回表尾元素,没有元素则阻塞列表直到超时或者发现列表可弹元素 |
LLEN | LLEN KEY | 返回列表长度,列表不存在,则返回0,key不是列表类型,返回错误 |
LRANGE | LRANGE KEY START STOP | 返回KEY中指定区间的元素 |
RPOPLPUSH | BRPOPLPUSH S D | 在一个原子时间内,将S弹出的元素插入到另一个列表D并返回它, |
BRPOPLPUSH | BRPOPLPUSH S D TIMEOUT | 在一个原子时间内,将S弹出的元素插入到另一个列表D并返回它,如果列表没有元素则阻塞列表直到超时或者发现列表可弹元素 |
组合
LPUSH、RPOP 左进右出
RPUSH、LPOP 右进左出
如果队列为空,那消费者依旧会频繁拉取消息,这会造成CPU 空转,不仅浪费 CPU
资源,还会对 Redis
造成压力。
解决:当队列为空时,我们可以休眠一会,再去尝试拉取消息。
但又带来另外一个问题:当消费者在休眠等待时,有新消息来了,那消费者处理新消息就会存在延迟。
那如何做,既能及时处理新消息,还能避免 CPU 空转呢?
Redis 确实提供了阻塞式拉取消息的命令:BRPOP / BLPOP
。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
使用 BRPOP
这种阻塞式方式拉取消息时,还支持传入一个超时时间,如果设置为 0
,则表示不设置超时,直到有新消息才返回,否则会在指定的超时时间后返回 NULL
。
这个方案不错,既兼顾了效率,还避免了 CPU 空转问题,一举两得。
注意:如果设置的超时时间太长,这个连接太久没有活跃过,可能会被 Redis Server 判定为无效连接,之后 Redis Server会强制把这个客户端踢下线。所以,采用这种方案,客户端要有重连机制。
解决了消息处理不及时的问题,这种队列模型,有什么缺点?
List
中删除了,无法被其它消费者再次消费;功能 | 是否满足 |
---|---|
支持阻塞等待拉取消息 | 是 |
支持发布 / 订阅模式 | 否 |
消费失败,可重新消费,消息不丢失 | 否 |
实例宕机,消息不丢失,数据可持久化 | 是 |
消息可堆积 | 是 |
它正好可以解决前面提到的第一个问题:重复消费。
"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。
如上图 3个消费者,使用 SUBSCRIBE
命令,启动 3 个消费者,并订阅同一个队列。
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。
订阅/发布到频道
// 3个消费者 都订阅一个队列
127.0.0.1:6379> SUBSCRIBE queue
Reading messages... (press Ctrl-C to quit)
1) "subscribe"
2) "queue"
3) (integer) 1
之后,再启动一个生产者,发布一条消息。
127.0.0.1:6379> PUBLISH queue msg1
(integer) 1
这时,2 个消费者就会解除阻塞,收到生产者发来的新消息。
127.0.0.1:6379> SUBSCRIBE queue
// 收到新消息
1) "message" //消息的种类
2) "queue" //始发频道的名称
3) "msg1" //实际的消息
订阅/发布到模式
Pub/Sub 还提供了匹配订阅模式,允许消费者根据一定规则,订阅多个自己感兴趣的队列。
// 订阅符合规则的队列。
127.0.0.1:6379> PSUBSCRIBE queue.*
Reading messages... (press Ctrl-C to quit)
1) "psubscribe"
2) "queue.*"
3) (integer) 1
这里的消费者,订阅了 queue.*
相关的队列消息。
之后,生产者分别向 queue.p1
和 queue.p2
发布消息。
127.0.0.1:6379> PUBLISH queue.p1 msg1
(integer) 1
127.0.0.1:6379> PUBLISH queue.p2 msg2
(integer) 1
这时再看消费者,它就可以接收到这 2 个生产者的消息了。
127.0.0.1:6379> PSUBSCRIBE queue.*
Reading messages... (press Ctrl-C to quit)
...
// 来自queue.p1的消息
1) "pmessage"
2) "queue.*"
3) "queue.p1"
4) "msg1"
// 来自queue.p2的消息
1) "pmessage"
2) "queue.*"
3) "queue.p2"
4) "msg2"
Pub/Sub
最大的优势就是,支持多组生产者、消费者处理消息。
讲完了它的优点,那它有什么缺点呢?
其实,Pub/Sub 最大问题是:丢数据。
如果发生以下场景,就有可能导致数据丢失:
Pub/Sub
在实现时非常简单,它没有基于任何数据类型,也没有做任何的数据存储,也不具备数据持久化的能力。Pub/Sub
的相关操作,不会写入到 RDB
和 AOF
中,当 Redis
宕机重启,Pub/Sub
的数据也会全部丢失,它只是单纯地为生产者、消费者建立数据转发通道,把符合规则的数据,从一端转发到另一端。整个过程中,没有任何的数据存储,一切都是实时转发的。当你在使用 Pub/Sub
时,一定要注意:消费者必须先订阅队列,生产者才能发布消息,否则消息会丢失。
我们来看 Pub/Sub
在处理消息积压时,为什么也会丢数据?
当消费者的速度,跟不上生产者时,就会导致数据积压的情况发生。
如果采用 List
当作队列,消息积压时,会导致这个链表很长,最直接的影响就是,Redis
内存会持续增长,直到消费者把所有数据都从链表中取出。但 Pub/Sub
的处理方式却不一样,当消息积压时,有可能会导致消费失败
和消息丢失
!
每个消费者订阅一个队列时,Redis
都会在 Server 上给这个消费者在分配一个缓冲区
,这个缓冲区其实就是一块内存。当生产者发布消息时,Redis
先把消息写到对应消费者的缓冲区中。之后,消费者不断地从缓冲区读取消息,处理消息。因为这个缓冲区其实是有上限的,如果消费者拉取消息很慢,就会造成生产者发布到缓冲区的消息开始积压,缓冲区内存持续增长。如果超过了缓冲区配置的上限,此时,Redis
就会强制把这个消费者踢下线。这时消费者就会消费失败,也会丢失数据。
从这里你应该可以看出,List 其实是属于拉模型,而 Pub/Sub 其实属于推模型。
总结一下 Pub/Sub 的优缺点:
优点
缺点
Pub/Sub
从缓冲区取走数据之后,数据就从 Redis 缓冲区删除了,消费者发生异常,自然也无法再次重新消费。功能 | 是否满足 |
---|---|
支持阻塞等待拉取消息 | 否 |
支持发布 / 订阅模式 | 是 |
消费失败,可重新消费,消息不丢失 | 否 |
实例宕机,消息不丢失,数据可持久化 | 否 |
消息可堆积 | 否 |
生产者发布 2 条消息:
// *表示让Redis自动生成消息ID 这个消息 ID 的格式是「时间戳-自增序号」。
127.0.0.1:6379> XADD queue * name zhangsan
"1618469123380-0"
127.0.0.1:6379> XADD queue * name lisi
"1618469127777-0"
消费者拉取消息:
// 从开头读取5条消息,0-0表示从开头读取
127.0.0.1:6379> XREAD COUNT 5 STREAMS queue 0-0
1) 1) "queue"
2) 1) 1) "1618469123380-0"
2) 1) "name"
2) "zhangsan"
2) 1) "1618469127777-0"
2) 1) "name"
2) "lisi"
如果想继续拉取消息,需要传入上一条消息的 ID:
127.0.0.1:6379> XREAD COUNT 5 STREAMS queue 1618469127777-0
(nil)
可以的,在读取消息时,只需要增加 BLOCK
参数即可。
// BLOCK 0 表示阻塞等待,不设置超时时间
127.0.0.1:6379> XREAD COUNT 5 BLOCK 0 STREAMS queue 1618469127777-0
首先,生产者依旧发布 2 条消息:
127.0.0.1:6379> XADD queue * name zhangsan
"1618470740565-0"
127.0.0.1:6379> XADD queue * name lisi
"1618470743793-0"
之后,我们想要开启 2 组消费者处理同一批数据,就需要创建 2 个消费者组:
// 创建消费者组1,0-0表示从头拉取消息
127.0.0.1:6379> XGROUP CREATE queue group1 0-0
OK
// 创建消费者组2,0-0表示从头拉取消息
127.0.0.1:6379> XGROUP CREATE queue group2 0-0
OK
消费者组创建好之后,我们可以给每个消费者组下面挂一个消费者,让它们分别处理同一批数据。
第一个消费组开始消费:
// group1的consumer开始消费,`>`表示拉取最新数据
127.0.0.1:6379> XREADGROUP GROUP group1 consumer COUNT 5 STREAMS queue >
1) 1) "queue"
2) 1) 1) "1618470740565-0"
2) 1) "name"
2) "zhangsan"
2) 1) "1618470743793-0"
2) 1) "name"
2) "lisi"
同样地,第二个消费组开始消费:
// group2的consumer开始消费,>表示拉取最新数据
127.0.0.1:6379> XREADGROUP GROUP group2 consumer COUNT 5 STREAMS queue >
1) 1) "queue"
2) 1) 1) "1618470740565-0"
2) 1) "name"
2) "zhangsan"
2) 1) "1618470743793-0"
2) 1) "name"
2) "lisi"
我们可以看到,这 2 组消费者,都可以获取同一批数据进行处理了。
这样一来,就达到了多组消费者订阅消费的目的。
除了上面拉取消息时用到了消息 ID
,这里为了保证重新消费,也要用到这个消息 ID
。
当一组消费者处理完消息后,需要执行 XACK
命令告知 Redis
,这时 Redis
就会把这条消息标记为处理完成。
// group1下的 1618472043089-0 消息已处理完成
127.0.0.1:6379> XACK queue group1 1618472043089-0
如果消费者异常宕机,肯定不会发送 XACK
,那么Redis
就会依旧保留这条消息。
待这组消费者重新上线后,Redis
就会把之前没有处理成功的数据,重新发给这个消费者。这样一来,即使消费者异常,也不会丢失数据了。
Stream
是新增加的数据类型,它与其它数据类型一样,每个写操作,也都会写入到RDB
和 AOF
中。
我们只需要配置好持久化策略,这样的话,就算 Redis
宕机重启,Stream
中的数据也可以从 RDB
或 AOF
中恢复回来。
其实,当消息队列发生消息堆积时,一般只有 2 个解决方案:
Stream
时,采用了第 2 个方案。在发布消息时,你可以指定队列的最大长度,防止队列积压导致内存爆炸。这么来看,Stream
在消息积压时,如果指定了最大长度,还是有可能丢失消息的。功能 | 是否满足 |
---|---|
支持阻塞等待拉取消息 | 是 |
支持发布 / 订阅模式 | 是 |
消费失败,可重新消费,消息不丢失 | 是 |
实例宕机,消息不丢失,数据可持久化 | 是 |
消息可堆积 | 否 |
其实,一个专业的消息队列,必须要做到两大块:
消息是否会发生丢失,其重点也就在于以下 3 个环节:
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。从这点看,生产者不丢消息与整个中间件无关,完全是业务实现的问题,是否考虑了以上的异常情况。
这种情况就是我们前面提到的,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。
这其实就是中间件的实现方式了,redis存在两个风险点:
aof
周期性刷盘,这个过程是异步的,有丢失的风险;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。
而kafka、rabbitMQ
则是通过一次写入,多个节点同时ack
,才认为写入成功,进一步加强了消息的可靠性。
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: