• 贵州省社科规划办与贵州日报社合作推出“文化贵州”专栏 2019-03-20
  • 就算不为了世界杯,俄罗斯也有那么多时髦好去处值得你飞去 2019-03-20
  • 山东11选五走势图结果:利用Redis实现延时处理的方法实例

    山西体彩11选5直选遗漏 www.caxru.com  更新时间:2019年03月10日 15:45:57   作者:我一定会有猫的   我要评论

    这篇文章主要给大家介绍了关于利用Redis实现延时处理的相关资料,文中通过示例代码介绍的非常详细,对大家的学习或者使用Redis具有一定的参考学习价值,需要的朋友们下面来一起学习学习吧

    背景

    在开发中,往往会遇到一些关于延时任务的需求。例如

    •生成订单30分钟未支付,则自动取消

    •生成订单60秒后,给用户发短信

    对上述的任务,我们给一个专业的名字来形容,那就是延时任务。

    最近需要做一个延时处理的功能,主要是从kafka中消费消息后根据消息中的某个延时字段来进行延时处理,在实际的实现过程中有一些需要注意的地方,记录如下。

    实现过程

    说到java中的定时功能,首先想到的Timer和ScheduledThreadPoolExecutor,但是相比之下Timer可以排除,主要原因有以下几点:

    • Timer使用的是绝对时间,系统时间的改变会对Timer产生一定的影响;而ScheduledThreadPoolExecutor使用的是相对时间,所以不会有这个问题。
    • Timer使用单线程来处理任务,长时间运行的任务会导致其他任务的延时处理,而ScheduledThreadPoolExecutor可以自定义线程数量。
    • Timer没有对运行时异常进行处理,一旦某个任务触发运行时异常,会导致整个Timer崩溃,而ScheduledThreadPoolExecutor对运行时异常做了捕获(可以在 afterExecute() 回调方法中进行处理),所以更加安全。

    1、ScheduledThreadPoolExecutor决定了用ScheduledThreadPoolExecutor来进行实现,接下来就是代码编写啦(大体流程代码)。

    主要的延时实现如下:

    ScheduledExecutorService executorService = new ScheduledThreadPoolExecutor(10, new NamedThreadFactory("scheduleThreadPool"), new 
    ThreadPoolExecutor.AbortPolicy());
    //从消息中取出延迟时间及相关信息的代码略
    int delayTime = 0;
    executorService.scheduleWithFixedDelay(new Runnable() {
      @Override
      public void run() {
       //具体操作逻辑
      }},0,delayTime, TimeUnit.SECONDS);

    其中NamedThreadFactory是我自定义的一个线程工厂,主要给线程池定义名称及相关日志打印便于后续的问题分析,这里就不多做介绍了。拒绝策略也是采用默认的拒绝策略。

    然后测试了一下,满足目标需求的功能,可以做到延迟指定时间后执行,至此似乎功能就被完成了。

    大家可能疑问,这也太简单了有什么好说的,但是这种方式实现简单是简单但是存在一个潜在的问题,问题在哪呢,让我们看一下ScheduledThreadPoolExecutor的源码:

    public ScheduledThreadPoolExecutor(int corePoolSize,ThreadFactory threadFactory) {
     super(corePoolSize, Integer.MAX_VALUE, 0, 
     TimeUnit.NANOSECONDS,new DelayedWorkQueue(), threadFactory);}

    ScheduledThreadPoolExecutor由于它自身的延时和周期的特性,默认使用了DelayWorkQueue,而并不像我们平时使用的SingleThreadExecutor等构造是可以使用自己定义的LinkedBlockingQueue并且设置队列大小,问题就出在这里。

    DelayWrokQueue是一个无界队列,而我们的目标数据源是kafka,也就是一个高并发高吞吐的消息队列,很大可能在某一时间段有大量的消息过来从而导致OOM,在使用多线程时我们是肯定要考虑到OOM的可能性的,因为OOM带来的后果往往比较严重,系统OOM临时的解决办法一般只能是重启,可能会导致用户数据丢失等不可能挽回的问题,所以从编码设计阶段要采用尽可能稳妥的手段来避免这些问题。

    2、采用redis和线程结合

    这一次换了思路,采用redis来帮助我们做缓冲,从而避免消息过多OOM的问题。

    相关redis zset api:

    //添加元素
    ZADD key score member [[score member] [score member] …]
    //根据分值及限制数量查询
    ZRANGEBYSCORE key min max [WITHSCORES] [LIMIT offset count]
    //从zset中删除指定成员
    ZREM key member [member …]

    我们采用redis基础数据结构的zset结构,采用score来存储我们目标发送时间的数值,整体处理流程如下:

    • 第一步数据存储:9:10分从kafka接收了一条a的订单消息,要求30分钟后进行发货通知,那我们就将当前时间加上30分钟然后转为时间戳作为a的score,key为a的订单号存入redis中。代码如下:
    public void onMessage(String topic, String message) {
      String orderId;
    		int delayTime = 0;
      try {
       Map<String, String> msgMap = gson.fromJson(message, new TypeToken<Map<String, String>>() {
       }.getType());
       if (msgMap.isEmpty()) {
        return;
       }
       LOGGER.info("onMessage kafka content:{}", msgMap.toString());
    	 orderId = msgMap.get("orderId");
       if(StringUtils.isNotEmpty(orderId)){
        delayTime = Integer.parseInt(msgMap.get("delayTime"));
        Calendar calendar = Calendar.getInstance();
        //计算出预计发送时间
        calendar.add(Calendar.MINUTE, delayTime);
        long sendTime = calendar.getTimeInMillis();
        RedisUtils.getInstance().zetAdd(Constant.DELAY, sendTime, orderId);
        LOGGER.info("orderId:{}---放入redis中等待发送---sendTime:{}", ---orderId:{}, sendTime);
       }
      } catch (Exception e) {
       LOGGER.info("onMessage 延时发送异常:{}", e);
      }
     }
    • 第二步数据处理:另起一个线程具体调度时间根据业务需求来定,我这里3分钟执行一次,内部逻辑:从redis中取出一定量的zset数据,如何取呢,使用zset的zrangeByScore方法,根据数据的score进行排序,当然可以带上时间段,这里从0到现在,来进行消费,需要注意的一点是,在取出数据后我们需要用zrem方法将取出的数据从zset中删除,防止其他线程重复消费数据。在此之后进行接下来的发货通知等相关逻辑。代码如下:
    public void run(){
      //获取批量大小
      int orderNum = Integer.parseInt(PropertyUtil.get(Constant.ORDER_NUM,"100"));
      try {
       //批量获取离发送时间最近的orderNum条数据
    	 Calendar calendar = Calendar.getInstance();
    	 long now = calendar.getTimeInMillis();
    	 //获取无限早到现在的事件key(防止上次批量数量小于放入数量,存在历史数据未消费情况)
    	 Set<String> orderIds = RedisUtils.getInstance().zrangeByScore(Constant.DELAY, 0, now, 0, orderNum);
    	 LOGGER.info("task.getOrderFromRedis---size:{}---orderIds:{}", orderIds.size(), gson.toJson(orderIds));
       if (CollectionUtils.isNotEmpty(orders)){
        //删除key 防止重复发送
        for (String orderId : orderIds) {
         RedisUtils.getInstance().zrem(Constant.DELAY, orderId);
        }
    	  //接下来执行发送等业务逻辑     
       }
      } catch (Exception e) {
       LOGGER.warn("task.run exception:{}", e);
      }
     }

    至此完成了依赖redis和线程完成了延时发送的功能。

    结语

    那么对上面两种不同的实现方式进行一下优缺点比较:

    • 第一种方式实现简单,不依赖外部组件,能够快速的实现目标功能,但缺点也很明显,需要在特定的场景下使用,如果是我这种消息量大的情况下使用很可能是有问题,当然在数据源消息不多的情况下不失为好的选择。
    • 第二种方式实现稍微复杂一点,但是能够适应消息量大的场景,采用redis的zset作为了“中间件”的效果,并且帮助我们进行延时的功能实现能够较好的适应高并发场景,缺点在于在编写的过程中需要考虑实际的因素较多,例如线程的执行周期时间,发送可能会有一定时间的延迟,批量数据大小的设置等等。

    综上是本人这次延时功能的实现过程的两种实现方式的总结,具体采用哪种方式还需大家根据实际情况选择,希望能给大家带来帮助。ps:由于本人的技术能力有限,文章中可能出现技术描述不准确或者错误的情况恳请各位大佬指出,我立马进行改正,避免误导大家,谢谢!

    总结

    以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对脚本之家的支持。

    相关文章

    最新评论

  • 贵州省社科规划办与贵州日报社合作推出“文化贵州”专栏 2019-03-20
  • 就算不为了世界杯,俄罗斯也有那么多时髦好去处值得你飞去 2019-03-20