🌟 大家好，我是摘星！ 🌟
今天为大家带来的是并发设计模式实战系列，第九章消息传递（Message Passing），废话不多说直接开始~
目录
一、核心原理深度拆解
1. 消息传递架构
┌───────────────┐ ┌───────────────┐ ┌───────────────┐
│ Producer │───> │ Message Queue │───> │ Consumer │
│ (并发发送消息) │<─── │ (线程安全缓冲) │<─── │ (并发处理消息) │
└───────────────┘ └───────────────┘ └───────────────┘- 生产者-消费者解耦：通过消息队列实现松耦合
- 线程安全通信：消息队列作为共享数据的唯一通道
- 流量控制：队列容量限制防止系统过载
2. 并发控制关键
- 无共享状态：各线程通过消息通信而非共享内存
- 异步处理：生产者不等待消费者处理完成
- 背压机制：队列满时生产者阻塞或采取其他策略
二、生活化类比：邮局系统
| 系统组件 | 现实类比 | 核心行为 |
| Producer | 寄信人 | 写好信投入邮箱 |
| Message Queue | 邮局分拣中心 | 暂存和分类信件 |
| Consumer | 邮递员 | 按区域派送信件 |
- 突发流量处理：节假日大量信件 → 邮局暂存 → 邮递员按能力派送
- 失败处理：无法投递的信件退回或进入死信队列
三、Java代码实现（生产级Demo）
1. 完整可运行代码
import java.util.concurrent.*;
import java.util.function.Consumer;
public class MessagePassingSystem<T> {
// 消息队列（设置容量防止OOM）
private final BlockingQueue<Message<T>> messageQueue;
// 消费者线程池
private final ExecutorService consumerPool;
// 消息封装
static class Message<T> {
final T content;
final Consumer<T> onSuccess;
final Consumer<Exception> onError;
Message(T content, Consumer<T> onSuccess, Consumer<Exception> onError) {
this.content = content;
this.onSuccess = onSuccess;
this.onError = onError;
}
}
public MessagePassingSystem(int queueSize, int consumerThreads) {
this.messageQueue = new LinkedBlockingQueue<>(queueSize);
this.consumerPool = Executors.newFixedThreadPool(consumerThreads, r -> {
Thread t = new Thread(r);
t.setDaemon(true);
return t;
});
// 启动消费者
startConsumers();
}
// 生产者API
public void send(T message, Consumer<T> onSuccess, Consumer<Exception> onError)
throws InterruptedException {
Message<T> msg = new Message<>(message, onSuccess, onError);
messageQueue.put(msg); // 阻塞直到队列有空位
}
// 消费者处理
private void startConsumers() {
for (int i = 0; i < consumerPool.getCorePoolSize(); i++) {
consumerPool.execute(() -> {
while (!Thread.currentThread().isInterrupted()) {
try {
Message<T> message = messageQueue.take();
processMessage(message);
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
}
}
});
}
}
private void processMessage(Message<T> message) {
try {
// 模拟业务处理
System.out.println("处理消息: " + message.content);
Thread.sleep(100); // 模拟处理耗时
// 处理成功回调
if (message.onSuccess != null) {
message.onSuccess.accept(message.content);
}
} catch (Exception e) {
// 处理失败回调
if (message.onError != null) {
message.onError.accept(e);
}
}
}
public void shutdown() {
consumerPool.shutdown();
}
public static void main(String[] args) throws Exception {
// 创建消息系统：队列容量100，4个消费者线程
MessagePassingSystem<String> mps = new MessagePassingSystem<>(100, 4);
// 模拟生产者
ExecutorService producers = Executors.newFixedThreadPool(8);
for (int i = 0; i < 100; i++) {
final int msgId = i;
producers.execute(() -> {
try {
mps.send("消息-" + msgId,
result -> System.out.println("处理成功: " + result),
error -> System.err.println("处理失败: " + msgId + ", " + error)
);
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
}
});
}
producers.shutdown();
producers.awaitTermination(1, TimeUnit.MINUTES);
mps.shutdown();
}
}2. 关键配置说明
// 队列选择策略
BlockingQueue<Message<T>> queue = new LinkedBlockingQueue<>(100); // 有界队列
// 或
BlockingQueue<Message<T>> queue = new ArrayBlockingQueue<>(100); // 固定大小
// 消费者线程池配置
ExecutorService consumerPool = new ThreadPoolExecutor(
4, // 核心线程数
8, // 最大线程数
60, TimeUnit.SECONDS,
new SynchronousQueue<>(), // 直接传递
new ThreadPoolExecutor.CallerRunsPolicy() // 饱和策略
);四、横向对比表格
1. 并发通信模式对比
| 模式 | 数据共享方式 | 线程安全保证 | 适用场景 |
| 共享内存 | 直接内存访问 | 需显式同步 | 高性能计算 |
| 消息传递 | 通过消息队列 | 队列内部保证 | 分布式/并发系统 |
| Actor模型 | 通过消息邮箱 | 每个Actor单线程 | 高并发系统 |
| 数据流 | 通过流管道 | 管道内部保证 | 流处理系统 |
2. 消息队列实现对比
| 实现方式 | 特点 | 适用场景 |
| BlockingQueue | JVM内内存队列 | 单机多线程通信 |
| Kafka/RabbitMQ | 分布式持久化队列 | 分布式系统 |
| Disruptor | 高性能无锁队列 | 低延迟高吞吐系统 |
| ZeroMQ | 网络消息库 | 跨进程通信 |
五、高级优化技巧
1. 批量消息处理
// 批量消费消息提升吞吐量
List<Message<T>> batch = new ArrayList<>(100);
messageQueue.drainTo(batch, 100); // 批量取出
if (!batch.isEmpty()) {
consumerPool.execute(() -> processBatch(batch));
}2. 优先级消息处理
// 使用优先级队列
BlockingQueue<Message<T>> queue = new PriorityBlockingQueue<>(100,
(m1, m2) -> m1.priority - m2.priority
);3. 死信队列处理
// 失败消息转入死信队列
private final BlockingQueue<Message<T>> deadLetterQueue = new LinkedBlockingQueue<>();
private void processMessage(Message<T> message) {
try {
// ...正常处理
} catch (Exception e) {
deadLetterQueue.put(message); // 转入死信队列
}
}4. 监控指标
// 监控队列积压
int backlog = messageQueue.size();
// 监控处理延迟
long enqueueTime = System.currentTimeMillis();
// 在消息处理时记录延迟
long latency = System.currentTimeMillis() - message.enqueueTime;六、分布式消息传递系统设计
1. 跨节点通信架构
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Node 1 │───>│ Message │───>│ Node 2 │
│ (Producer) │<───│ Broker │<───│ (Consumer) │
└─────────────┘ └─────────────┘ └─────────────┘- 消息代理中间件：Kafka/RabbitMQ/RocketMQ
- 序列化协议：Protobuf/Avro/JSON
- 网络传输：TCP长连接/HTTP2/gRPC
2. 关键设计考量
// 分布式消息发送示例（伪代码）
public class DistributedSender {
private final MessageQueueClient client;
public void send(String topic, byte[] payload) {
// 消息属性设置
Message msg = new Message(topic,
payload,
System.currentTimeMillis(),
DeliveryGuarantee.AT_LEAST_ONCE
);
// 异步发送+回调
client.sendAsync(msg, new Callback() {
@Override
public void onComplete(Result result) {
if(!result.isSuccess()) {
// 重试或记录死信
retryOrDeadLetter(msg);
}
}
});
}
}七、消息模式高级变体
1. 发布/订阅模式实现
// 基于Topic的消息路由
public class PubSubSystem {
private final Map<String, List<Consumer>> topicSubscribers = new ConcurrentHashMap<>();
public void subscribe(String topic, Consumer consumer) {
topicSubscribers.computeIfAbsent(topic, k -> new CopyOnWriteArrayList<>())
.add(consumer);
}
public void publish(String topic, Message message) {
List<Consumer> consumers = topicSubscribers.get(topic);
if(consumers != null) {
consumers.forEach(c -> c.accept(message));
}
}
}2. 请求-响应模式实现
// 带关联ID的请求响应处理
public class RequestReplySystem {
private final BlockingQueue<Request> requestQueue = new LinkedBlockingQueue<>();
private final ConcurrentMap<String, CompletableFuture<Response>> pendingRequests = new ConcurrentHashMap<>();
// 请求方
public CompletableFuture<Response> request(Request req) {
CompletableFuture<Response> future = new CompletableFuture<>();
pendingRequests.put(req.getCorrelationId(), future);
requestQueue.offer(req);
return future;
}
// 响应处理线程
private void processResponse(Response resp) {
CompletableFuture<Response> future = pendingRequests.remove(resp.getCorrelationId());
if(future != null) {
future.complete(resp);
}
}
}八、性能优化深度策略
1. 零拷贝传输优化
// 使用ByteBuffer减少内存拷贝
public class ZeroCopyMessage {
private final ByteBuffer payload;
public void send(SocketChannel channel) throws IOException {
while(payload.hasRemaining()) {
channel.write(payload);
}
}
}2. 批处理与压缩
// 消息批量压缩处理
public class BatchCompressor {
public byte[] compressBatch(List<Message> messages) {
try(ByteArrayOutputStream baos = new ByteArrayOutputStream();
GZIPOutputStream gzip = new GZIPOutputStream(baos)) {
for(Message msg : messages) {
gzip.write(msg.serialize());
}
gzip.finish();
return baos.toByteArray();
}
}
}九、容错与可靠性保障
1. 消息持久化方案
// 基于WAL的持久化存储
public class MessageJournal {
private final RandomAccessFile journalFile;
private final AtomicLong writeOffset = new AtomicLong(0);
public void append(Message msg) throws IOException {
byte[] data = msg.serialize();
synchronized(journalFile) {
journalFile.seek(writeOffset.get());
journalFile.writeInt(data.length);
journalFile.write(data);
journalFile.getFD().sync();
writeOffset.addAndGet(4 + data.length);
}
}
}2. 事务消息处理
// 两阶段提交实现
public class TransactionalProcessor {
public void processWithTransaction(Message msg) {
try {
// 阶段1：预备
boolean prepared = prepareResources(msg);
// 阶段2：提交/回滚
if(prepared) {
commitTransaction(msg);
sendAck(msg.getId());
} else {
rollbackTransaction(msg);
sendNack(msg.getId());
}
} catch(Exception e) {
// 补偿处理
compensateTransaction(msg);
}
}
}十、现代消息模式演进
1. 响应式消息流
// 基于Reactive Streams的实现
public class ReactiveMessageSystem {
private final Flux<Message> messageStream;
public ReactiveMessageSystem(MessageSource source) {
this.messageStream = Flux.fromIterable(source)
.publishOn(Schedulers.parallel())
.filter(msg -> isValid(msg))
.map(this::transform);
}
public void subscribe(Consumer<Message> subscriber) {
messageStream.subscribe(subscriber);
}
}2. 事件溯源模式
// 基于事件日志的状态重建
public class EventSourcedRepository {
private final EventStore eventStore;
public Entity get(String id) {
List<Event> events = eventStore.getEvents(id);
return recreateEntity(events);
}
private Entity recreateEntity(List<Event> events) {
Entity entity = new Entity();
events.forEach(e -> entity.apply(e));
return entity;
}
}十一、性能监控指标体系
1. 关键监控指标
| 指标类别 | 具体指标 | 采集方式 |
| 吞吐量 | 消息发送/消费速率(msg/s) | 计数器+时间窗口 |
| 延迟 | 端到端处理延迟(ms) | 时间戳差值统计 |
| 可靠性 | 消息投递成功率(%) | 成功/失败计数器 |
| 资源使用 | 内存/CPU/网络占用 | 系统监控接口 |
2. 健康检查实现
public class HealthChecker {
private final MessageQueue queue;
private final ThreadPoolExecutor executor;
public HealthCheckResult check() {
return new HealthCheckResult(
queue.size() < queue.capacity() * 0.9,
executor.getActiveCount() < executor.getMaximumPoolSize(),
System.currentTimeMillis() - lastMessageTime < 5000
);
}
}十二、典型应用场景案例
1. 电商订单处理系统
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ 订单创建服务 │───>│ 订单消息队列 │───>│ 订单处理服务 │
└─────────────┘ └─────────────┘ └─────────────┘
↓
┌─────────────┐
│ 支付服务 │
└─────────────┘2. 物联网数据处理
// 设备消息处理流水线
public class IoTMessagePipeline {
public void buildPipeline() {
// 1. 设备原始数据接收
MessageSource source = new MqttSource();
// 2. 构建处理流水线
Pipeline pipeline = new PipelineBuilder()
.addStage(new DataValidation())
.addStage(new DataNormalization())
.addStage(new AnomalyDetection())
.addStage(new StorageWriter())
.build();
// 3. 启动处理
source.subscribe(pipeline::process);
}
}
扫一扫
2041
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
