书接上文,上回书说到,spring + redis 实现延迟消费,另外还可以通过zSet的方式来实现。且此种实现方式相比上种,更安全,因为有落库动作,不会存在上文的消息丢失问题哦。
同样是上文订单场景,设计如下:在生成订单时,向redis的zset写入一条数据,value为订单号,scores是当前时间+30分钟后的一个时间戳,支付完成则按value去删除这条数据,否则30分钟后,进入此订单的超时处理逻辑。
pom yaml 且按下不表,我们单道配置类
@AllArgsConstructor
@EnableAsync // 开启异步任务支持
@SpringBootConfiguration
public class RedisDelayQueueConfig {
private final RedisTemplate redisTemplate;
/*
* 在spring容器启动事件中,起一个异步任务来轮询zset,拿到scores截止到当前时间的对象,消费后再删除
*/
// spring 上下文刷新事件回调
@Async
@EventListener(ContextRefreshedEvent.class)
public void contextRefreshedEventCallback(ContextRefreshedEvent contextRefreshedEvent) {
long timestamp = LocalDateTime.now().toInstant(ZoneOffset.of("+8")).toEpochMilli();
/*
* 方便测试,我们在这里初始化一下数据,正常流程的话,数据应该是在我们生成一条订单后,需
* 要一个延迟操作时,往zset中添加一条记录,value就是我们的订单号,scores是当前时间+30分
* 钟后的一个时间戳
*/
/* 初始化数据 */
HashSet<ZSetOperations.TypedTuple<String>> set = new HashSet<>();
set.add(new DefaultTypedTuple("陈大", (double) (timestamp + 60)));
set.add(new DefaultTypedTuple("王二", (double) (timestamp + 65)));
set.add(new DefaultTypedTuple("张三", (double) (timestamp + 70)));
set.add(new DefaultTypedTuple("李四", (double) (timestamp + 75)));
set.add(new DefaultTypedTuple("田五", (double) (timestamp + 80)));
set.add(new DefaultTypedTuple("赵六", (double) (timestamp + 85)));
redisTemplate.opsForZSet().add("names", set);
/* 初始化数据 */
Set<DefaultTypedTuple> names;
while (true && !Thread.interrupted()) {
timestamp = LocalDateTime.now().toInstant(ZoneOffset.of("+8")).toEpochMilli();
System.out.println("当前时间戳:" + timestamp);
names = redisTemplate.opsForZSet().rangeByScoreWithScores("names", 0, timestamp);
names.forEach(name -> {
/* 消费逻辑 */
System.out.println("当前消费对象分数:" + name.getScore());
System.out.println("当前消费对象:" + name.getValue());
/* 消费逻辑 */
// 消费完时移除该对象 避免重复消费
redisTemplate.opsForZSet().remove("names", name.getValue());
// 稍稍休息一下,不要搞太快了
try {
TimeUnit.MILLISECONDS.sleep(500);
} catch (InterruptedException e) {
e.printStackTrace();
}
});
}
}
}
如上配置,便可实现zset模拟延迟消费场景,看下图测试结果:
正常消费,且消费完正常移除了该元素。