下面是我们的秒杀流程：

对于正常的秒杀处理，我们需要多次查询数据库，会给数据库造成相当大的压力，这个时候我们需要加入缓存，进而缓解数据库压力。

在上面的图示中，我们可以将一条流水线的任务拆成两条流水线来做，如果我们直接将判断秒杀库存与校验一人一单放在流水线A上，剩下的放在另一条流水线B，那么如果流水线A就可以相当于服务员直接判断是否符合资格，如果符合资格那么直接生成信息给另一条流水线B去处理业务，这里的流水线就是咱们的线程，而流水线A也是基于数据库进行查询，也会压力数据库，那么这种情况我们就可以将待查询信息保存在Redis缓存中。

但是我们不能再流水线A判断完成后去直接调用流水线B，这样的效率是大打折扣的，这种情况我们需要开启独立线程去执行流水线B的操作，如何知道给哪个用户创建订单呢？这个时候就要流水线A在判断成功后去生成信息给独立线程。

最后的业务就变成，用户直接访问流水线A，通过流水线A去判断，如果通过则生成信息给流水线B去创建订单，过程如下图：

那么什么样的数据结构满足下面条件：① 一个key能够保存很多值   ②唯一性：一人一单需要保证用户id不能重复。

所以我们需要使用set：

那么如何判断校验用户的购买资格呢？

 而上述判断需要保证原子性，所以我们需要使用Lua脚本进行编写：

local voucherId = ARGV[1]; -- 优惠劵id
local userId = ARGV[2]; -- 用户id-- 库存key
local stockKey = 'seckill:stock' .. voucherId; -- 拼接
-- 订单key
local stockKey = 'seckill:stock' .. voucherId; -- 拼接
-- 判断库存是否充足
if(tonumber(redis.call('get',stockKey) <= 0)) then-- 库存不足，返回1return 1;
end;
-- 判断用户是否下单
if(redis.call('sismember',orderKey,userId)) then-- 存在，说明重复下单，返回2return 2;
end
-- 扣减库存 incrby stockKey -1
redis.call('incrby',stockKey,-1);
-- 下单（保存用户） sadd orderKey userId
redis.call('sadd',orderKey,userId);
return 0;

之后我们按照下面步骤来实现代码：

在方法体内执行Lua脚本来原子性判断，然后判断是否能够处理并传入阻塞队列：

@Slf4j
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {@Autowiredprivate ISeckillVoucherService seckillVoucherService;@Autowiredprivate RedisIdWorker redisIdWorker;@Resourceprivate StringRedisTemplate stringRedisTemplate;@Resourceprivate RedissonClient redissonClient;private static final DefaultRedisScript<Long> SECKILL_SCRIPT; // 泛型内填入返回值类型static { // 静态属性要使用静态代码块进行初始化SECKILL_SCRIPT = new DefaultRedisScript<>();SECKILL_SCRIPT.setResultType(Long.class);SECKILL_SCRIPT.setLocation(new ClassPathResource("unlock.lua"));}public Result seckillVoucherMax(Long voucherId) {// 获取用户信息Long userId = UserHolder.getUser().getId();// 1.执行Lua脚本来判断用户资格Long result = stringRedisTemplate.execute(SECKILL_SCRIPT,Collections.emptyList(), // Lua无需接受keyvoucherId.toString(),userId.toString());// 2.判断结果是否为0int r = result.intValue();if(r != 0) {// 不为0代表无资格购买return Result.fail(r == 1 ? "库存不足" : "不能重复下单");}// 3.有购买资格则将下单信息保存到阻塞队列中// ... return Result.ok();}}

 接下来我们创建阻塞队列，线程池以及线程方法，随后使用Springboot提供的注解在@PostConstruct去给线程池传入线程方法：

@Slf4j
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {@Autowiredprivate ISeckillVoucherService seckillVoucherService;@Autowiredprivate RedisIdWorker redisIdWorker;@Resourceprivate StringRedisTemplate stringRedisTemplate;@Resourceprivate RedissonClient redissonClient;private static final DefaultRedisScript<Long> SECKILL_SCRIPT; // 泛型内填入返回值类型static { // 静态属性要使用静态代码块进行初始化SECKILL_SCRIPT = new DefaultRedisScript<>();SECKILL_SCRIPT.setResultType(Long.class);SECKILL_SCRIPT.setLocation(new ClassPathResource("unlock.lua"));}private BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024); // 创建阻塞队列private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();  // 创建线程池// 让大类在开始初始化时就能够执行线程任务@PostConstructprivate void init() {SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderTask());}// 创建线程任务private class VoucherOrderTask implements Runnable {@Overridepublic void run() {while(true){try {// 获取队列中的订单信息VoucherOrder voucherOrder = orderTasks.take();// 取出头部信息// 创建订单handleVoucherOrder(voucherOrder);} catch (Exception e) {log.error("处理订单异常",e);}}}}// 创建订单private void handleVoucherOrder(VoucherOrder voucherOrder) {RLock lock = redissonClient.getLock("lock:order:" + voucherOrder.getUserId().toString());boolean isLock = lock.tryLock();// 判断是否获取锁成功if (!isLock) {// 获取锁失败，返回错误或重试log.error("不允许重复下单");return ;}try {proxy.createVoucherOrderMax(voucherOrder);} finally {lock.unlock();}}@Overridepublic void createVoucherOrderMax(VoucherOrder voucherOrder) {// 一人一单Long userId = voucherOrder.getUserId();// 查询订单int count = query().eq("user_id",userId).eq("voucher_id", voucherOrder.getVoucherId()).count();// 判断是否存在if(count > 0){// 用户已经购买过log.error("用户已经购买过");return ;}// CAS改进：将库存判断改成stock > 0以此来提高性能boolean success = seckillVoucherService.update().setSql("stock= stock -1") // set stock = stock - 1.eq("voucher_id", voucherOrder.getVoucherId()).eq("stock",0) // where id = ? and stock > 0.update();if (!success) {//扣减库存log.error("库存不足！");return ;}//6.创建订单save(voucherOrder);}private IVoucherOrderService proxy; // 代理对象public Result seckillVoucherMax(Long voucherId) {// 获取用户信息Long userId = UserHolder.getUser().getId();// 1.执行Lua脚本来判断用户资格Long result = stringRedisTemplate.execute(SECKILL_SCRIPT,Collections.emptyList(), // Lua无需接受keyvoucherId.toString(),userId.toString());// 2.判断结果是否为0int r = result.intValue();if(r != 0) {// 不为0代表无资格购买return Result.fail(r == 1 ? "库存不足" : "不能重复下单");}// 3.有购买资格则将下单信息保存到阻塞队列中Long orderId = redisIdWorker.nextId("order");// 创建订单VoucherOrder voucherOrder = new VoucherOrder();voucherOrder.setId(orderId);voucherOrder.setUserId(userId);voucherOrder.setVoucherId(voucherId);// 放入阻塞队列orderTasks.add(voucherOrder);// 4.获取代理对象(线程异步执行，需要手动在方法内获取)proxy = (IVoucherOrderService)AopContext.currentProxy(); // 获取当前类的代理对象  (需要引入aspectjweaver依赖，并且在实现类加入@EnableAspectJAutoProxy(exposeProxy = true)以此来暴露代理对象)return Result.ok();}}

在上面代码中，我们使用下面代码创建了一个单线程的线程池。它保证所有提交的任务都按照提交的顺序执行，每次只有一个线程在工作。

private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();

下面代码是一个常见的阻塞队列实现，具有固定大小（在这里是 1024 * 1024），它的作用是缓冲和排队任务。ArrayBlockingQueue 是一个线程安全的队列，它会自动处理线程之间的同步问题。当队列满时，调用 put() 方法的线程会被阻塞，直到队列有空间；当队列为空时，调用 take() 方法的线程会被阻塞，直到队列中有数据。

private BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024);

在下面代码中，orderTasks 阻塞队列用于存放需要处理的订单对象，每个订单的处理逻辑都由 VoucherOrderTask 线程池中的线程异步执行：

VoucherOrder voucherOrder = orderTasks.take();
handleVoucherOrder(voucherOrder);

之后我们需要调用 Runnable 接口去实现VoucherOrderTask类以此来创建线程方法：

private class VoucherOrderTask implements Runnable {@Overridepublic void run() {while (true) {try {// 获取队列中的订单信息VoucherOrder voucherOrder = orderTasks.take(); // 获取订单// 创建订单handleVoucherOrder(voucherOrder);} catch (Exception e) {log.error("处理订单异常", e);}}}
}

随后将线程方法通过 submit() 方法将 VoucherOrderTask 提交到线程池中，这个任务是一个无限循环的任务，它会不断从阻塞队列中取出订单并处理，直到线程池关闭。这种方式使得订单处理任务可以异步执行，而不阻塞主线程，提高了系统的响应能力：

@PostConstruct
private void init() {SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderTask());
}

---

但是在高并发的情况下就会产生大量订单，就会超出JVM阻塞队列的上线，并且每当服务重启或者宕机的情况发生，阻塞队列的所有订单任务就都会丢失。

所以为了解决这种情况，我们就要使用消息队列去解决这个问题：

---

什么是消息队列？

---

消息队列（Message Queue, MQ）是一种用于在应用程序之间传递消息的通信方式。它允许应用程序通过发送和接收消息来解耦，从而提高系统的可扩展性、可靠性和灵活性。消息队列通常用于异步通信、任务队列、事件驱动架构等场景。

消息队列的核心概念 ：

1. 生产者（Producer）：发送消息到消息队列的应用程序。

2. 消费者（Consumer）：从消息队列中接收并处理消息的应用程序。

3. 队列（Queue）：消息的存储区域，生产者将消息发送到队列，消费者从队列中获取消息。

4. 消息（Message）：在生产者与消费者之间传递的数据单元。

5. Broker：消息队列的服务器，负责接收、存储和转发消息。

消息队列是在JVM以外的一个独立的服务，能够不受JVM内存的限制，并且存入MQ的信息都可以做持久化存储。

详细教学可以查询下面链接：微服务架构 --- 使用RabbitMQ进行异步处理 

---

但是这样的方式是需要额外提供服务的，所以我们可以使用Redis提供的三种不同的方式来实现消息队列：

1. List 结构实现消息队列

2. Pub/Sub（发布/订阅）模式

3. Stream 结构（Redis 5.0 及以上版本）（推荐使用）（详细介绍）

---

使用 List 结构实现消息队列：

Redis 的 List 数据结构是一个双向链表，支持从头部或尾部插入和弹出元素。我们可以利用 LPUSH 和 BRPOP 命令实现一个简单的消息队列。

实现步骤：

• 生产者：使用 LPUSH 将消息推入队列。

• 消费者：使用 BRPOP 阻塞地从队列中获取消息。

生产者代码：

import redis.clients.jedis.Jedis;public class ListProducer {public static void main(String[] args) {Jedis jedis = new Jedis("localhost", 6379); // 连接 RedisString queueName = "myQueue";// 发送消息for (int i = 1; i <= 5; i++) {String message = "Message " + i;jedis.lpush(queueName, message); // 将消息推入队列System.out.println("Sent: " + message);}jedis.close(); // 关闭连接}
}

消费者代码：

import redis.clients.jedis.Jedis;public class ListConsumer {public static void main(String[] args) {Jedis jedis = new Jedis("localhost", 6379); // 连接 RedisString queueName = "myQueue";while (true) {// 阻塞获取消息，超时时间为 0（无限等待）var result = jedis.brpop(0, queueName);String message = result.get(1); // 获取消息内容System.out.println("Received: " + message);}}
}

• 优点：简单易用，适合轻量级场景。

• 缺点：不支持消息确认机制，消息一旦被消费（从队列内取出）就会从队列中删除。并且只支持单消费者（一个消息只能拿出一次）

---

使用 Pub/Sub 模式实现消息队列： 

Redis 的 Pub/Sub 模式是一种发布-订阅模型，生产者将消息发布到频道，消费者订阅频道以接收消息。

实现步骤：

• 生产者：使用 PUBLISH 命令向频道发布消息。

• 消费者：使用 SUBSCRIBE 命令订阅频道。

生产者代码：

import redis.clients.jedis.Jedis;public class PubSubProducer {public static void main(String[] args) {Jedis jedis = new Jedis("localhost", 6379); // 连接 RedisString channelName = "myChannel";// 发布消息for (int i = 1; i <= 5; i++) {String message = "Message " + i;jedis.publish(channelName, message); // 发布消息到频道System.out.println("Published: " + message);}jedis.close(); // 关闭连接}
}

 消费者代码：

import redis.clients.jedis.Jedis;
import redis.clients.jedis.JedisPubSub;public class PubSubConsumer {public static void main(String[] args) {Jedis jedis = new Jedis("localhost", 6379); // 连接 RedisString channelName = "myChannel";// 创建订阅者JedisPubSub subscriber = new JedisPubSub() {@Overridepublic void onMessage(String channel, String message) {System.out.println("Received: " + message);}};// 订阅频道jedis.subscribe(subscriber, channelName);}
}

• 优点：支持一对多的消息广播。

• 缺点：消息是即时的，如果消费者不在线，消息会丢失。

---

但是上面两方式都是有缺点的：

1. 不支持消息确认机制，消息一旦被消费（从队列内取出）就会从队列中删除。并且只支持单消费者（一个消息只能拿出一次）
2. 消息是即时的，如果消费者不在线，消息会丢失。

所以根据上面的两种方式，我们推出一款全新的方式 ->

使用 Stream 结构实现消息队列:

Redis Stream 是一种强大的数据结构，用于管理消息流。它将消息存储在 Redis 中，并允许消费者按顺序获取消息。Stream 具有以下特点：

• 有序消息：消息按插入顺序排列。
• 消费者组：一个消费者组可以有多个消费者，每个消费者可以独立消费不同的消息。
• 消息 ID：每条消息都有唯一的 ID（如：1588890470850-0），ID 按时间戳生成。
• 自动分配消息：多个消费者可以从 Stream 中并行消费消息，保证消息不会重复消费。

在 Redis Stream 中，一个队列可以有多个消费者组，每个消费者组可以独立地消费队列中的消息。每个消费者组内有多个消费者，而消费者是基于 消费者名称 进行识别的。 

消费者组的工作方式：

• 每个消费者组拥有自己的 消费进度，也就是每个消费者组会从 自己独立的消息 ID 开始消费。
• 多个消费者组之间是相互独立的，即使它们消费的是同一个队列，它们也可以从不同的位置开始消费队列中的消息。
• 每个消费者组都可以有多个 消费者（在同一个组内，多个消费者可以并行消费同一个队列的消息，但每个消息在消费者组内只能被一个消费者处理一次）。

假设有一个队列（Stream）mystream，可以为它创建多个消费者组：

XGROUP CREATE mystream group1 $ MKSTREAM
XGROUP CREATE mystream group2 $ MKSTREAM

这样，mystream 队列上就有了两个消费者组：group1 和 group2。每个消费者组可以有自己的消费者并从该队列中读取消息。此时，group1 和 group2 都在消费同一个队列 mystream，但它们的消费进度是独立的，它们各自有自己的消息 ID 记录。

每个消费者组可以有多个消费者，而每个消费者通过一个 唯一的消费者名称 来标识。

---

每个消费者组有独立的消费进度

---

每个消费者组会记录自己的消费进度，也就是它消费到队列中的 哪个消息 ID。即使多个消费者组在消费同一个消息队列，它们每个组都会从 不同的消费位置（消息 ID）开始读取消息。

例如，假设有一个队列 mystream，同时有两个消费者组 group1 和 group2，它们都从 mystream 队列中读取消息：

• group1 从 mystream 队列中的消息 id1 开始消费，group1 的进度会记录在 Redis 中。
• group2 从 mystream 队列中的消息 id2 开始消费，group2 的进度也会记录在 Redis 中。

消费进度互不干扰，即便 group1 和 group2 都在消费 mystream 队列，它们的消费位置是独立的。

---

消费者组内部的消息消费

---

一个消费者组内的消费者会 共享 组内的消息。即使有多个消费者，每条消息 在消费者组内部只会被 一个消费者 消费。消费者之间会并行处理消息，但每条消息只会被一个消费者处理。

举个例子：假设 group1 中有三个消费者 consumer1、consumer2、consumer3，如果队列 mystream 有 6 条消息，那么它们会如下消费：

• consumer1 处理消息 1、2
• consumer2 处理消息 3、4
• consumer3 处理消息 5、6

但对于消费者组 group2，如果它有自己的消费者，group2 内的消费者也会并行消费 mystream 中的消息，而 group1 和 group2 之间没有直接关系。

首先初始化一个消息队列：

在项目启动时，确保 Redis 中存在对应的 Stream 和消费者组。可以通过程序在启动时检查并创建（如果不存在的话）。

@Configuration
public class RedisStreamConfig {@Autowiredprivate StringRedisTemplate redisTemplate;private static final String STREAM_KEY = "mystream";private static final String GROUP_NAME = "mygroup";@PostConstructpublic void init() {// 检查消费者组是否存在，若不存在则创建try {// 如果消费者组不存在则会抛出异常，我们捕获异常进行创建redisTemplate.opsForStream().groups(STREAM_KEY);} catch (Exception e) {// 创建消费者组，起始位置为 $ 表示从末尾开始消费新消息redisTemplate.opsForStream().createGroup(STREAM_KEY, GROUP_NAME);}}
}

注意：

• opsForStream().groups(STREAM_KEY)：查询消费者组是否已存在。
• opsForStream().createGroup(STREAM_KEY, GROUP_NAME)：如果没有消费者组，则创建一个新的组。

随后我们生产者发送消息示例：

@Service  
public class RedisStreamProducerService {  // 定义生产者服务类 RedisStreamProducerServiceprivate static final String STREAM_KEY = "mystream";  // 定义 Redis Stream 的名称，这里指定队列名为 "mystream"@Autowired  private StringRedisTemplate redisTemplate;public void sendMessage(String content) {  // 定义一个方法，发送消息到 Redis Stream，参数 content 是消息的内容Map<String, String> map = new HashMap<>();  // 创建一个 Map 用来存储消息内容map.put("content", content);  // 将消息内容添加到 Map 中，键是 "content"，值是传入的内容// 在消息队列中添加消息，调用 StringRedisTemplate 的 opsForStream 方法RecordId recordId = redisTemplate.opsForStream()  // 获取操作 Redis Stream 的操作对象.add(StreamRecords.objectBacked(map)  // 创建一个 Stream 记录，将 Map 转化为对象记录.withStreamKey(STREAM_KEY));  // 设置该记录属于的 Stream（消息队列）的名称// 输出记录的 ID，表示消息已经成功发送System.out.println("消息发送成功，id: " + recordId.getValue());  // 打印消息的 ID，表明该消息已经被成功加入到 Stream 中}
}

RecordId 是 Spring Data Redis 中的一个类，用来表示 消息的唯一标识符。它对应 Redis Stream 中的 消息 ID，该 ID 是 Redis Stream 中每条消息的唯一标识。Redis 中的消息 ID 通常是由时间戳和序号组成的（如 1588890470850-0）。

主要功能：

• 表示消息 ID：RecordId 是一个封装类，表示 Redis Stream 中消息的 ID。
• 用于识别和操作消息：在消费和确认消息时，RecordId 用来标识每条消息的唯一性，并帮助 Redis 确定消息是否已经被消费。

使用场景：

RecordId 用来标识从 Stream 中读取到的消息，我们可以通过 RecordId 来进行消息的确认、删除或其他操作。

RecordId recordId = redisTemplate.opsForStream().add(StreamRecords.objectBacked(map).withStreamKey("mystream"));

通过 StreamRecords.objectBacked(map) 将 map 对象作为消息内容，并用 add 方法将其写入 Stream。

在然后编写消费者服务：

使用 RedisTemplate 的 read 方法（底层执行的是 XREADGROUP 命令）从消费者组中拉取消息，并进行处理。消费者可以采用定时任务或后台线程不断轮询。

@Slf4j  
@Service  
public class RedisStreamConsumerService { private static final String STREAM_KEY = "mystream";  // Redis Stream 的名称，这里指定队列名为 "mystream"private static final String GROUP_NAME = "mygroup";  // 消费者组的名称，多个消费者可以通过组名共享消费队列private static final String CONSUMER_NAME = "consumer-1";  // 消费者的名称，消费者名称在同一消费者组内必须唯一@Autowired  private StringRedisTemplate redisTemplate;@PostConstruct  // 使用该注解能让方法在 Spring 完成依赖注入后自动调用，用于初始化任务@Async  // 将该方法标记为异步执行，允许它在单独的线程中运行，不会阻塞主线程，@EnableAsync 需要在配置类中启用public void start() {  // 启动方法，在应用启动时执行// 无限循环，不断从 Redis Stream 中读取消息（可以改为定时任务等方式）while (true) {try {// 设置 Stream 读取的阻塞超时，设置最多等待 2 秒StreamReadOptions options = StreamReadOptions.empty().block(Duration.ofSeconds(2));// 从指定的消费者组中读取消息，">" 表示只消费未被消费过的消息List<MapRecord<String, Object, Object>> messages = redisTemplate.opsForStream().read(Consumer.from(GROUP_NAME, CONSUMER_NAME),  // 指定消费者组和消费者名称options,  // 设置读取选项，包含阻塞时间StreamOffset.create(STREAM_KEY, ReadOffset.lastConsumed())  // 从最后消费的消息开始读取);// 如果没有消息，继续循环读取if (messages == null || messages.isEmpty()) {continue;  }// 处理每一条读取到的消息for (MapRecord<String, Object, Object> message : messages) {String messageId = message.getId();  // 获取消息的唯一标识符（ID）Map<Object, Object> value = message.getValue();  // 获取消息内容（以 Map 形式存储）log.info("接收到消息，id={}，内容={}", messageId, value);  // 打印日志，记录消息 ID 和内容// 在这里加入业务逻辑处理// 例如处理消息并执行相应的操作// ...// 消息处理成功后，需要确认消息已经被消费（通过 XACK 命令）redisTemplate.opsForStream().acknowledge(STREAM_KEY, GROUP_NAME, messageId);  // 确认消费的消息}} catch (Exception e) {log.error("读取 Redis Stream 消息异常", e);  // 异常捕获，记录错误日志}}}
}

MapRecord<String, Object, Object> 是 Spring Data Redis 用来表示 Redis Stream 中的 消息记录 的类。它不仅包含了消息的 ID，还包含了消息的内容（即消息数据）。在 Redis 中，每条消息都存储为一个 key-value 对。

主要功能：

• 封装消息 ID 和消息内容：MapRecord 用来封装消息的 ID 和消息的内容。
• 消息的内容：消息的内容通常是一个 键值对（Map<String, Object>），可以是任意对象的数据结构（例如，JSON、Map 或其他序列化对象）。

字段：

• getId()：返回消息的 ID（RecordId 类型）。
• getValue()：返回消息的内容，以 Map<Object, Object> 的形式。

使用场景：

MapRecord 是用来表示从 Stream 中读取到的消息，它将消息的 ID 和内容（键值对）封装在一起。你可以使用 MapRecord 来获取消息的 ID 和内容并处理。

MapRecord<String, Object, Object> message = redisTemplate.opsForStream().read(Consumer.from("mygroup", "consumer1"), options, StreamOffset.create("mystream", ReadOffset.lastConsumed()));

在这个例子中，message 是一个 MapRecord 实例，它封装了从 mystream 队列中读取到的消息。我们可以通过 message.getId() 获取消息 ID，通过 message.getValue() 获取消息内容。

在消费者中，我们使用 MapRecord<String, Object, Object> 来封装消息，获取 message.getId() 来获取消息的 ID（RecordId），以及通过 message.getValue() 获取消息的内容。 随后在处理完消息后，调用 acknowledge() 来确认消息已经被消费。

最后启动异步支持：

@SpringBootApplication
@EnableAsync // 启动异步支持
public class MyApplication {public static void main(String[] args) {SpringApplication.run(MyApplication.class, args);}
}

通过这种方式，Spring Data Redis 提供了高效且类型安全的接口来操作 Redis Stream，帮助我们在分布式系统中实现高效的消息队列。