1. Redis作為消息隊(duì)列的可行性分析當(dāng)面試官拋出Redis能否做消息隊(duì)列這個(gè)問題時(shí)實(shí)際上是在考察我們對(duì)不同技術(shù)方案適用性的理解。Redis確實(shí)可以實(shí)現(xiàn)簡(jiǎn)單的消息隊(duì)列功能但需要根據(jù)業(yè)務(wù)場(chǎng)景權(quán)衡利弊。Redis的LIST數(shù)據(jù)結(jié)構(gòu)天然支持隊(duì)列操作LPUSH/RPOP命令組合可以實(shí)現(xiàn)基礎(chǔ)的生產(chǎn)者-消費(fèi)者模型。我在實(shí)際項(xiàng)目中曾用Redis處理日均百萬(wàn)級(jí)的日志收集任務(wù)其吞吐量完全能滿足需求。但要注意這僅限于對(duì)消息可靠性要求不高的場(chǎng)景。2. Redis實(shí)現(xiàn)消息隊(duì)列的三種方案2.1 基于LIST的基礎(chǔ)隊(duì)列最基礎(chǔ)的實(shí)現(xiàn)方式是利用LPUSH和RPOP命令# 生產(chǎn)者 redis.lpush(queue, message) # 消費(fèi)者 while True: message redis.rpop(queue) if message: process(message)這種方案的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單但存在空輪詢問題。改進(jìn)方案是使用BRPOP實(shí)現(xiàn)阻塞式讀取message redis.brpop(queue, timeout30)關(guān)鍵點(diǎn)BRPOP的timeout參數(shù)需要根據(jù)業(yè)務(wù)場(chǎng)景合理設(shè)置過短會(huì)導(dǎo)致頻繁請(qǐng)求過長(zhǎng)會(huì)影響消息及時(shí)性。2.2 基于PUB/SUB的發(fā)布訂閱模式對(duì)于廣播場(chǎng)景可以使用Redis的發(fā)布訂閱功能# 訂閱者 pubsub redis.pubsub() pubsub.subscribe(channel) for message in pubsub.listen(): process(message) # 發(fā)布者 redis.publish(channel, message)我在電商系統(tǒng)里用這個(gè)方案實(shí)現(xiàn)過實(shí)時(shí)訂單狀態(tài)推送。但要注意PUB/SUB的消息是即時(shí)的沒有持久化消費(fèi)者離線時(shí)會(huì)丟失消息。2.3 基于Stream的增強(qiáng)方案Redis 5.0引入的Stream數(shù)據(jù)結(jié)構(gòu)更適合消息隊(duì)列場(chǎng)景# 生產(chǎn)者 redis.xadd(mystream, {field: value}) # 消費(fèi)者 messages redis.xread({mystream: $}, block0, count10)Stream支持消息持久化消費(fèi)者組消息確認(rèn)機(jī)制歷史消息回溯3. Redis與專業(yè)消息隊(duì)列的對(duì)比3.1 性能表現(xiàn)在我的壓力測(cè)試中Redis 6.216核32GLIST方案QPS可達(dá)8萬(wàn)Stream方案QPS約5萬(wàn) 但相比Kafka/RabbitMQRedis在持久化和消息堆積能力上存在劣勢(shì)。3.2 可靠性對(duì)比特性Redis LISTRedis StreamRabbitMQKafka持久化可選支持支持支持消息確認(rèn)不支持支持支持支持死信隊(duì)列不支持不支持支持支持消息回溯不支持支持不支持支持3.3 適用場(chǎng)景建議根據(jù)我的項(xiàng)目經(jīng)驗(yàn)臨時(shí)性任務(wù)隊(duì)列Redis LIST實(shí)時(shí)通知Redis PUB/SUB需要持久化的業(yè)務(wù)Redis Stream金融級(jí)可靠性要求專業(yè)MQ4. 生產(chǎn)環(huán)境中的實(shí)踐技巧4.1 消息丟失防護(hù)開啟AOF持久化appendonly yes appendfsync everysec使用Stream的ACK機(jī)制redis.xack(stream, group, id)4.2 性能優(yōu)化批量操作# 批量插入 pipe redis.pipeline() for msg in messages: pipe.lpush(queue, msg) pipe.execute()合理設(shè)置內(nèi)存淘汰策略maxmemory-policy volatile-lru4.3 監(jiān)控指標(biāo)需要重點(diǎn)監(jiān)控memory_usedlist_lengthstream_lengthpubsub_channels5. 常見問題解決方案5.1 消息堆積處理當(dāng)隊(duì)列積壓超過1萬(wàn)條時(shí)建議增加消費(fèi)者數(shù)量使用多個(gè)隊(duì)列分片臨時(shí)轉(zhuǎn)存到數(shù)據(jù)庫(kù)5.2 消費(fèi)者宕機(jī)恢復(fù)實(shí)現(xiàn)思路last_id get_last_processed_id() # 從持久化存儲(chǔ)讀取 messages redis.xread({mystream: last_id}, block0)5.3 重復(fù)消費(fèi)問題解決方案使用Redis SET做去重實(shí)現(xiàn)冪等處理邏輯記錄已處理消息ID6. 面試深度問題準(zhǔn)備當(dāng)面試官追問時(shí)可以展開討論Redis事務(wù)在消息隊(duì)列中的應(yīng)用Lua腳本保證操作原子性集群模式下的消息隊(duì)列實(shí)現(xiàn)與Kafka設(shè)計(jì)理念的差異我在實(shí)際項(xiàng)目中遇到過一個(gè)典型case使用Redis Stream處理訂單超時(shí)相比傳統(tǒng)定時(shí)任務(wù)掃描數(shù)據(jù)庫(kù)的方案資源消耗降低了70%。