Redis 高阶应用

生成全局唯一 ID

• 全局唯一 ID 需要满足以下要求：

• 唯一性：在分布式环境中，要全局唯一

• 高可用：在高并发情况下保证可用性

• 高性能：在高并发情况下生成 ID 的速度必须要快，不能花费太长时间

• 递增性：要确保整体递增的，以便于数据库创建索引

• 安全性：ID 的规律性不能太明显，以免信息泄露

从上面的要求可以看出，全局 ID 生成器的条件还是比较苛刻的，而 Redis 恰巧可以满足以上要求。

Redis 本身就是就是以性能著称，因此完全符合高性能的要求，其次使用 Redis 的 incr 命令可以保证递增性，配合相应的分布式 ID 生成算法便可以实现唯一性和安全性，Redis 可以通过哨兵、主从等集群方案来保证可用性。因此 Redis 是一个不错的选择。
下面我们就写一个简单的示例，来让大家感受一下，实际工作中大家可以根据需要进行调整：

@Component
public class IDUtil{
	//开始时间戳(单位：秒) 2000-01-01 00:00:00
	private static final long START_TIMESTAMP = 946656000L;
	//Spring Data Redis 提供的 Redis 操作模板
	@Resource
	private StringRedisTemplate stringRedisTemplate;
	/**
	 * 获取 ID   格式：时间戳+序列号
	 * @param keyPrefix Redis 序列号前缀
	 * @return 生成的 ID
	 */
	public long getNextId(String keyPrefix){
		//获取当前时间戳
		LocalDateTime now = LocalDateTime.now();
		long nowTimestamp = now.toEpochSecond(ZoneOffset.UTC);
		//获取 ID 时间戳
		long timestamp = nowSecond - START_TIMESTAMP;
		//获取当前日期
		String date = now.format(DateTimeFormatter.ofPattern("yyyyMMdd"));
		//生成 key
		String key = "incr:" + keyPrefix + ":" + date;
		//获取序列号
		long count = stringRedisTemplate.opsForValue().increment(key);
		//生成 ID 并返回
		return timestamp << 32 | count;
	}
}

分布式锁

在 JVM 内部会有一个锁监视器来控制线程间的互斥，但在分布式的环境下会有多台机器部署同样的服务，也就是说每台机器都会有自己的锁监视器。而 JVM 的锁监视器只能保证自己内部线程的安全执行，并不能保证不同机器间的线程安全执行，因此也很难避免高并发带来的线程安全问题。因此就需要分布式锁来保证整个集群的线程的安全，而分布式锁需要满足 5 点要求：多进程可见、互斥性、高可用、高性能、安全性
其中核心要求就是多进程之间互斥，而满足这一点的方式有很多，最常见的有三种：mysql、Redis、Zookeeper。

通过对比我们发现，其中 Redis 的效果最理想，所以下面就用 Redis 来实现一个简单的分布式锁。

public class DistributedLockUtil {
	//分布式锁前缀
	private static final String KEY_PREFIX = "distributed:lock:";
	//业务名
	private String business;
	//分布式锁的值
	private String value;
	//Spring Data Redis 提供的 Redis 操作模板
	private StringRedisTemplate stringRedisTemplate;
	//私有化无参构造
	private DistributedLockUtil(){}
	//有参构造
	public DistributedLockUtil(String business,StringRedisTemplate stringRedisTemplate){
		this.business = business;
		this.stringRedisTemplate = stringRedisTemplate;
		this.value = UUID.randomUUID().toString();
	}
	/**
	 * 尝试获取锁
	 * @param timeout 超时时间(单位：秒)
	 * @return 锁是否获取成功
	 */
	public boolean tryLock(long timeout){
		//生成分布式锁的 key
		StringBuffer keyBuffer = new StringBuffer(KEY_PREFIX);
		keyBuffer.append(business);
		Boolean success = stringRedisTemplate.opsForValue().setIsAbsent(keyBuffer.toString(),value,timeout, TimeUnit.SECONDS);
		//返回结果  注意：为了防止自动拆箱时出现空指针，所以这里用了 equals 判断
		return Boolean.TRUE.equals(success);
	}
	/**
	 * 释放锁(不安全版)
	 */
	public void unLock(){
		//生成分布式锁的 key
		StringBuffer keyBuffer = new StringBuffer(KEY_PREFIX);
		keyBuffer.append(business);
		//获取分布式锁的值
		String redisValue = stringRedisTemplate.opsForValue().get(keyBuffer.toString());
		//判断值是否一致，防止误删
		if (value.equals(redisValue)) {
			//当代码执行到这里时，如果 JVM 恰巧执行了垃圾回收(虽然几率极低)，就会导致所有线程阻塞等待，因此这里仍然会有线程安全的问题
			stringRedisTemplate.delete(keyBuffer.toString());
		}
	}
	/**
	 * 通过脚本释放锁(彻底解决线程安全问题)
	 */
	public void unLockWithScript(){
		//加载 lua 脚本,实际工作中我们可以将脚本设置为常量，并在静态代码块中初始化(脚本内容在下文)
		DefaultRedisScript<Long> script = new DefaultRedisScript<>();
		script.setLocation(new ClassPathResource("unlock.lua"));
		script.setResultType(Long.class);
		//生成分布式锁的 key
		StringBuffer keyBuffer = new StringBuffer(KEY_PREFIX);
		keyBuffer.append(business);
		//调用 lua 脚本释放锁
		stringRedisTemplate.execute(script,
				Collections.singletonList(keyBuffer.toString()),
				value);
	}
}

lua 脚本内容如下：

-- 判断值是否一致，防止误删
if(redis.call('get',KEYS[1]) == VRGV[1]) then
	-- 判断通过，释放锁
	return redis.call('del',KEYS[1])
end
-- 判断不通过，返回 0
return 0

虽然通过 lua 脚本解决了线程不安全的问题，但是仍然存在以下问题：

• 不可重入：同一个线程无法多次获取同一把锁
• 不可重试：获取锁只能尝试一次，失败就返回 false，没有重试机制
• 超时释放：锁超时释放虽然可以避免死锁，但如果业务执行耗时较长，也会导致锁释放，存在安全隐患
• 主从一致性：如果 Redis 提供了主从集群，主从同步存在延迟，当主机宕机时，如果从机还没来得及同步主机的锁数据，则会出现锁失效。

要解决以上问题也非常简单，只需要利用 Redis 的 hash 结构记录线程标识和重入次数就可以解决不可重入的问题。利用信号量和 PubSub 功能实现等待、唤醒，获取锁失败的重试机制即可解决不可重试的问题。而超时释放的问题则可以通过获取锁时为锁添加一个定时任务(俗称看门狗)，定期刷新锁的超时时间即可。至于主从一致性问题，我们只需要利用多个独立的 Redis 节点(非主从)，必须在所有节点都获取重入锁，才算获取锁成功。

有的人可能说了，虽然说起来简单，但真正实现起来也不是很容易呀。对于这种问题，大家不用担心，俗话说得好想要看的更远，需要站在巨人的肩膀上。对于上述的需求，早就有了成熟的开源方案 Redisson ，我们直接拿来用就可以了，无需重复造轮子，具体使用方法可以查看官方文档。

轻量化消息队列

虽然市面上有很多优秀的消息中间件如 RocketMQ、Kafka 等，但对于应用场景较为简单，只需要简单的消息传递，比如任务调度、简单的通知系统等，不需要复杂的消息路由、事务支持的业务来说，用那些专门的消息中间件成本就显得过高。因此我们就可以使用 Redis 来做消息队列。
Redis 提供了三种不同的方式来实现消息队列：

• list 结构：可以使用 list 来模拟消息队列，可以使用 BRPOP 或 BLPOP 命令来实现类似 JVM 阻塞队列的消息队列。
• PubSub：基于发布/订阅的消息模型，但不支持数据持久化，且消息堆积有上限，超出时数据丢失。
• Stream：Redis 5.0 新增的数据类型，可以实现一个功能非常完善的消息队列，也是我们实现消息队列的首选。

下面我就采用 Redis 的 Stream 实现一个简单的案例来让大家感受一下，实际工作中大家可以根据需要进行调整：

public class RedisQueueUtil{
	//Spring Data Redis 提供的 Redis 操作模板
	private StringRedisTemplate stringRedisTemplate;
	/**
	 * 获取消息队列中的数据，执行该方法前，一定要确保消费者组已经创建
	 * @param queueName 队列名
	 * @param groupName 消费者组名
	 * @param consumerName 消费者名
	 * @param type 返回值类型
	 * @return 消息队列中的数据
	 */
	public <T> T getQueueData(String queueName, String groupName, String consumerName, Class<T> type){
		while (true){
			try {
				//获取消息队列中的信息
				List<MapRecord<String,Object,Object>> list = stringRedisTemplate.opsForStream().read(
						Consumer.from(groupName,consumerName),
						StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)),
						StreamOffset.create(queueName, ReadOffset.lastConsumed())
				);
				//判断消息是否获取成功
				if (list == null || list.isEmpty()){
					//如果获取失败，说明没有消息，继续下一次循环
					continue;
				}
				//如果获取成功，则解析消息中的数据
				MapRecord<String,Object,Object> record = list.get(0);
				Map<Object,Object> values = record.getValue();
				String jsonString = JSON.toJSONString(values);
				T result = JSON.parseObject(jsonString, type);
				// ACK
				stringRedisTemplate.opsForStream().acknowledge(queueName,groupName,record.getId());
				//返回结果
				return result;
			}catch (Exception e){
				while (true){
					try {
						//获取 pending-list 队列中的信息
						List<MapRecord<String,Object,Object>> list = stringRedisTemplate.opsForStream().read(
								Consumer.from(groupName,consumerName),
								StreamReadOptions.empty().count(1)),
								StreamOffset.create(queueName,ReadOffset.from("0")
						);
						//判断消息是否获取成功
						if (list == null || list.isEmpty()){
							//如果获取失败，说明 pending-list 没有异常消息，结束循环
							break;
						}
						//如果获取成功，则解析消息中的数据
						MapRecord<String,Object,Object> record = list.get(0);
						Map<Object,Object> values = record.getValue();
						String jsonString = JSON.toJSONString(values);
						T result = JSON.parseObject(jsonString, type);
						// ACK
						stringRedisTemplate.opsForStream().acknowledge(queueName,groupName,record.getId());
						//返回结果
						return result;
					}catch (Exception ex){
						log.error("处理 pending-list 订单异常",ex);
						try {
							Thread.sleep(50);
						}catch (InterruptedException err){
							err.printStackTrace();
						}
					}
				}
			}
		}
	}
	/**
	 * 向消息队列中发送数据
	 * @param queueName 消息队列名
	 * @param map 要发送数据的集合
	 */
	public void sendQueueData(String queueName, Map<String,Object> map){
		StringBuilder builder = new StringBuilder("redis.call('xadd','");
		builder.append(queueName).append("','*','");
		Set<String> keys = map.keySet();
		for(String key:keys){
			builder.append(key).append("','").append(map.get(key)).append("','");
		}
		String script = builder.substring(0, builder.length() - 2);
		script += ")";
		stringRedisTemplate.execute(new DefaultRedisScript<Long>(script,Long.class),Collections.emptyList());
	}
}