借用一下 Rob Pike 的一张图，这个跟队列消费异曲同工。左边4个gopher 从队列里取，右边4个 gopher 接过去处理。比较理想的结果是左边和右边速率基本一致，没有谁浪费，没有谁等待，中间交换处也没有堆积。
我们来看看 go-zero 是怎么实现的：Producer 端for {
select {
case
logx.Info("Quitting producer")
return
default:
if v, ok := q.produceOne(producer); ok {
q.channel
}
}
}
没有退出事件就会通过 produceOne 去读取一个消息，成功后写入channel。利用 chan 就可以很好的解决读取和消费的衔接问题。Consumer 端for {
select {
case message, ok :=
if ok {
q.consumeOne(consumer, message)
} else {
logx.Info("Task channel was closed, quitting consumer...")
return
}
case event :=
consumer.OnEvent(event)
}
}
这里如果拿到消息就去处理，当 ok 为 false 的时候表示 channel 已被关闭，可以退出整个处理循环了。同时我们还在 redis queue 上支持了 pause/resume，我们原来在社交场景里大量使用这样的队列，可以通知 consumer 暂停和继续。启动 queue，有了这些我们就可以通过控制 producer/consumer 的数量来达到吞吐量的调优了func (q *Queue) Start() {
q.startProducers(q.producerCount)
q.startConsumers(q.consumerCount)
q.producerRoutineGroup.Wait()
close(q.channel)
q.consumerRoutineGroup.Wait()
}
这里需要注意的是，先要停掉 producer，再去等 consumer 处理完。
到这里核心控制代码基本就讲完了，其实看起来还是挺简单的，也可以到 https://github.com/tal-tech/go-zero/tree/master/core/queue 去看完整实现。
如何使用
基本的使用流程：创建 producer 或 consumer
启动 queue
生产消息 / 消费消息
对应到 queue 中，大致如下：
创建 queue// 生产者创建工厂
producer := newMockedProducer()
// 消费者创建工厂
consumer := newMockedConsumer()
// 将生产者以及消费者的创建工厂函数传递给 NewQueue()
q := queue.NewQueue(func() (Producer, error) {
return producer, nil
}, func() (Consumer, error) {
return consumer, nil
})
我们看看 NewQueue 需要什么参数：producer 工厂方法
consumer 工厂方法
将 producer & consumer 的工厂函数传递 queue ，由它去负责创建。框架提供了 Producer 和 Consumer 的接口以及工厂方法定义，然后整个流程的控制 queue 实现会自动完成。
生产 message
我们通过自定义一个 mockedProducer 来模拟：type mockedProducer struct {
total int32
count int32
// 使用waitgroup来模拟任务的完成
wait sync.WaitGroup
}
// 实现 Producer interface 的方法：Produce()
func (p *mockedProducer) Produce() (string, bool) {
if atomic.AddInt32(&p.count, 1) <= p.total {
p.wait.Done()
return "item", true
}
time.Sleep(time.Second)
return "", false
}
queue 中的生产者编写都必须实现：Produce()：由开发者编写生产消息的逻辑
AddListener()：添加事件 listener
消费 message
我们通过自定义一个 mockedConsumer 来模拟：type mockedConsumer struct {
count int32
}
func (c *mockedConsumer) Consume(string) error {
atomic.AddInt32(&c.count, 1)
return nil
}
启动 queue
启动，然后验证我们上述的生产者和消费者之间的数据是否传输成功：func main() {
// 创建 queue
q := NewQueue(func() (Producer, error) {
return newMockedProducer(), nil
}, func() (Consumer, error) {
return newMockedConsumer(), nil
})
// 启动panic了也可以确保stop被执行以清理资源
defer q.Stop()
// 启动
q.Start()
}
以上就是 queue 最简易的实现示例。我们通过这个 core/queue 框架实现了基于 redis 和 kafka 等的消息队列服务，在不同业务场景中经过了充分的实践检验。你也可以根据自己的业务实际情况，实现自己的消息队列服务。
整体设计
整体流程如上图：全体的通信都由 channel 进行
Producer 和 Consumer 的数量可以设定以匹配不同业务需求
Produce 和 Consume 具体实现由开发者定义，queue 负责整体流程
总结
本篇文章讲解了如何通过 channel 来平衡从队列中读取和处理消息的速度，以及如何实现一个通用的消息队列处理框架，并通过 mock 示例简单展示了如何基于 core/queue 实现一个消息队列处理服务。你可以通过类似的方式实现一个基于 rocketmq 等的消息队列处理服务。
项目地址
https://github.com/tal-tech/go-zero
欢迎使用 go-zero 并 star 支持！
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
