springboot kafka 实现延时队列

“本文章springboot kafka 实现延时队列，使用Kafka消费者的pause函数（暂停）和resume函数（恢复）+线程池+定时任务+事件监听机制+工厂模式”

springboot下优雅干掉if else，提高代码质量通过公司代码审查！！！

使用高并发利器redis—解决淘宝/微博的【热门搜索】和【最近搜索】的功能

文章目录

一、延时队列定义

二、应用场景

三、技术实现方案：

1. Redis

2. Kafka

3. RabbitMQ

4. RocketMQ

四、Kafka延时队列背景

五、Kafka延时队列实现思路

六、Kafka延时队列架构图

七、kafka延时任务代码实现

1. KafkaSyncConsumer：Kafka消费者

2. KafkaDelayQueue：Kafka延迟队列

3. KafkaDelayQueueFactory：Kafka延迟队列工厂

4. KafkaPollListener：Kafka延迟队列事件监听

5. KafkaDelayConfig：Kafka延时配置文件

八、如何使用kafka延时队列

九、测试

十、总结

—

延时队列定义

延时队列：是一种消息队列，可以用于在指定时间或经过一定时间后执行某种操作。

小编已经做好了Kafka延时队列的封装，以后只需要一行代码就可以实现kafka延时队列了，代码中有详细注释，完整代码已经给大家整理好了，领取方式放在了文章末。

—

应用场景

1，订单超时自动取消：用户下单后，如果在指定时间内未完成支付，系统会自动取消订单，释放库存。

2，定时推送：比如消息通知，用户预约某个服务，系统会在服务开始前一定时间发送提醒短信。

3，定时任务：将需要定时执行的任务放入延时队列中，等到指定的时间到达时再进行执行，例如生成报表、统计数据等操作。

4，限时抢购：将限时抢购的结束时间放入延时队列中，当时间到达时自动下架商品。

......

—

技术实现方案

1. Redis

1.1 优点：

①Redis的延迟队列是基于Redis的sorted set实现的，性能较高。

②Redis的延迟队列可以通过TTL设置过期时间，灵活性较高。

③简单易用，适用于小型系统。

④性能较高，支持高并发。

1.2 缺点：

①可靠性相对较低，可能会丢失消息，就算redis最高级别的持久化也是有可能丢一条的，每次请求都做aof，但是aof是异步的，所以不保证这一条操作能被持久化。

②而且Redis持久化的特性也导致其在数据量较大时，存储和查询效率逐渐降低，此时会需要对其进行分片和负载均衡。

③Redis的延迟队列需要手动实现消息重试机制，更严谨的消息队列需要数据库兜底。

1.3 应用场景：

①适用于较小规模的系统，实时性要求较高的场景。

②适用于轻量级的任务调度和消息通知场景，适合短期延迟任务，不适合长期任务，例如订单超时未支付等。

2. Kafka

2.1 优点：

①Kafka的优点在于其高并发、高吞吐量和可扩展性强，同时支持分片。

②可靠性高，支持分布式和消息持久化。

③消费者可以随时回溯消费。

④支持多个消费者并行消费、消费者组等机制。

2.2 缺点：

①没有原生的延迟队列功能，需要使用topic和消费者组来实现，实现延迟队列需要额外的开发工作。

②消费者需要主动拉取数据，可能会导致延迟，精度不是特别高。在此案例中代码已经实现了，直接拿来使用就可以了。

2.3 应用场景：

适用于大规模的数据处理，实时性要求较高的，高吞吐量的消息处理场景。

3. RabbitMQ

3.1 优点：

①RabbitMQ的延迟队列是通过RabbitMQ的插件实现的，易于部署和使用。

②RabbitMQ的延迟队列支持消息重试和消息顺序处理，可靠性较高。

③支持消息持久化和分布式。

④支持优先级队列和死信队列。

⑤提供了丰富的插件和工具。

3.2 缺点：

①RabbitMQ的延迟队列性能较低，不适用于高吞吐量的场景。

②性能较低，不适合高并发场景。

③实现延迟队列需要额外的配置，但是配置就很简单了。

3.3应用场景：

适用于中小型的任务调度和消息通知，对可靠性要求高的场景。

4. RocketMQ

4.1 优点：

①RocketMQ的延迟队列是RocketMQ原生支持的，易于使用和部署。

②RocketMQ的延迟队列支持消息重试和消息顺序处理，可靠性较高。

③高性能和高吞吐量，支持分布式和消息持久化。

④RocketMQ使用简单，性能好，并且支持延迟队列功能。

4.2 缺点：

①RocketMQ的延迟队列不支持动态添加或删除队列。

②RocketMQ的延迟队列需要保证消息的顺序，可能会导致消息延迟。

③在节点崩溃后，RocketMQ有可能发生消息丢失。

4.3 应用场景：

①适用于大规模的数据处理，对性能和吞吐量要求较高的场景。

②适合于任务量较大、需要延迟消息和定时消息的场景。例如电商平台、社交软件等。

③适用于分布式任务调度和高可靠性消息通知场景。

—

Kafka延时队列背景

1. 基于以上四种实现延时队列的分析来，选择对应的技术方案的基础上呢，不同公司的mq的基础设施不同，如果只有Kafka，也没必要引入RabbitMQ和RocketMq来实现，引入新的组件也会顺便带来新的问题。

2. 网上搜Kafka实现延时队列有很多文章，很多文章说使用Kafka内部的时间轮，支持延时操作，但这是Kafka自己内部使用的，时间轮只是一个工具类，用户无法将其作为延迟队列来使用。

3. Kafka延时队列的最佳实践，使用Kafka消费者的暂停和恢复机制来实现。

—

Kafka延时队列实现思路

1. 解决一个问题前首先要明确问题，如何让Kafka有延时队列的功能呢？

2. 就是在Kafka消费者消费的时候延时消费，不久搞定了嘛

3. 那如何延时消费呢，网上有些文章使用Thread.sleep进行延时消费这是不靠谱的（亲身实践），sleep的时间超过了Kafka配置的max.poll.records时间，消费者无法及时提交offset，kafka就会认为这个消费者已经挂了，会进行rebalance也就是重新分配分区给消费者，以保证每个分区只被一个消费者消费

4. 也有同学说了，为了不发生rebalance，那可以增加max.poll.records时间啊，但是这样的话，如果要sleep几天的时间，难道max.poll.records要写几天的时间嘛，有违Kafka的设计原理了，那怎么办呢？

5. 这时候Kafka的pause暂停消费和resume恢复消费就登场了，pause暂停某个分区之后消费者不会再poll拉取该分区的消息，直到resume恢复该分区之后才会重新poll消息。

6. 我已经做好了Kafka延时队列的封装，以后只需要一行代码就可以实现延时队列了

—

Kafka延时队列实现思路

—

kafka延时任务代码实现

以下代码只列出了核心实现，完整代码已经给大家整理好了，可以关注【微信公众号】微信搜索【老板来一杯java】，然后【加群】直接获取源码。

源码目录：

1. KafkaSyncConsumer：Kafka消费者

该类封装了一个线程安全的KafkaConsumer，因为原生的 KafkaConsumer是不支持线程共享的，直接使用会报错：java.util.ConcurrentModificationException: KafkaConsumer is not safe for multi-threaded access

package com.wdyin.kafka.delay;

import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.clients.consumer.OffsetAndMetadata;
import org.apache.kafka.common.TopicPartition;

import java.time.Duration;
import java.util.Collections;
import java.util.Map;
import java.util.Properties;
import java.util.Set;

/**
* Kafka同步消费者 * @author WDYin * @date 2023/4/14
**/
public class KafkaSyncConsumer<K, V> extends KafkaConsumer<K, V> {
KafkaSyncConsumer(Properties properties) {
super(properties);
}

@Override
public synchronized ConsumerRecords<K, V> poll(Duration timeout) {
return super.poll(timeout);
}

@Override
public synchronized Set<TopicPartition> paused() {
return super.paused();
}

synchronized void pauseAndSeek(TopicPartition partition, long offset) {
super.pause(Collections.singletonList(partition));
super.seek(partition, offset);
}

@Override
public synchronized void commitSync(Map<TopicPartition, OffsetAndMetadata> offsets) {
super.commitSync(offsets);
}

synchronized void resume(TopicPartition topicPartition) {
super.resume(Collections.singleton(topicPartition));
}

@Override
public synchronized void commitSync() {
super.commitSync();
}
}

2. KafkaDelayQueue：Kafka延迟队列

定义一个Kafka延期队列，包含的内容：KafkaDelayQueue，其中有延迟队列配置，主题，消费组，延迟时间，目标主题，KafkaSyncConsumer，ApplicationContext，poll线程池，delay线程池等等

package com.wdyin.kafka.delay;

import lombok.Getter;
import lombok.Setter;
import lombok.extern.slf4j.Slf4j;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.common.TopicPartition;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.context.ApplicationContext;
import org.springframework.scheduling.concurrent.ThreadPoolTaskScheduler;

import java.time.Duration;
import java.util.Collections;
import java.util.concurrent.ThreadPoolExecutor;

/**
* kafka延时队列 * * @Author WDYin * @Date 2022/7/2
**/
@Slf4j
@Getter
@Setter
class KafkaDelayQueue<K, V> {
private String topic;
private String group;
private Integer delayTime;
private String targetTopic;
private KafkaDelayConfig kafkaDelayConfig;
private KafkaSyncConsumer<K, V> kafkaSyncConsumer;
private ApplicationContext applicationContext;
private ThreadPoolTaskScheduler threadPoolPollTaskScheduler;
private ThreadPoolTaskSchedulerthreadPoolDelayTaskScheduler;
}

3. KafkaDelayQueueFactory：Kafka延迟队列工厂

Kafka延期队列的工厂，用于及其管理延迟队列

package com.wdyin.kafka.delay;

import lombok.Data;
import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.springframework.context.ApplicationContext;
import org.springframework.util.Assert;
import org.springframework.util.StringUtils;

import java.util.Properties;

/**
* 延时队列工厂 * @author WDYin * @date 2023/4/17
**/
@Datapublic
class KafkaDelayQueueFactory {
private KafkaDelayConfig kafkaDelayConfig;
private Properties properties;
private ApplicationContext applicationContext;
private Integer concurrency;

public KafkaDelayQueueFactory(Properties properties, KafkaDelayConfig kafkaDelayConfig) {
Assert.notNull(properties, "properties cannot null");
Assert.notNull(kafkaDelayConfig.getDelayThreadPool(), "delayThreadPool cannot null");
Assert.notNull(kafkaDelayConfig.getPollThreadPool(), "pollThreadPool cannot null");
Assert.notNull(kafkaDelayConfig.getPollInterval(), "pollInterval cannot null");
Assert.notNull(kafkaDelayConfig.getPollTimeout(), "timeout cannot null");
this.properties = properties;
this.kafkaDelayConfig = kafkaDelayConfig;
}

public void listener(String topic, String group, Integer delayTime, String targetTopic) {
if (StringUtils.isEmpty(topic)) {
throw new RuntimeException("topic cannot empty");
}
if (StringUtils.isEmpty(group)) {
throw new RuntimeException("group cannot empty");
}
if (StringUtils.isEmpty(delayTime)) {
throw new RuntimeException("delayTime cannot empty");
}
if (StringUtils.isEmpty(targetTopic)) {
throw new RuntimeException("targetTopic cannot empty");
}
KafkaSyncConsumer<String, String> kafkaSyncConsumer = createKafkaSyncConsumer(group);
KafkaDelayQueue<String, String> kafkaDelayQueue = createKafkaDelayQueue(topic, group, delayTime, targetTopic, kafkaSyncConsumer);
kafkaDelayQueue.send();
}

private KafkaDelayQueue<String, String> createKafkaDelayQueue(String topic, String group, Integer delayTime, String targetTopic, KafkaSyncConsumer<String, String> kafkaSyncConsumer) {
KafkaDelayQueue<String, String> kafkaDelayQueue = new KafkaDelayQueue<>(kafkaSyncConsumer, kafkaDelayConfig);
Assert.notNull(applicationContext, "kafkaDelayQueue need applicationContext");
kafkaDelayQueue.setApplicationContext(applicationContext);
kafkaDelayQueue.setDelayTime(delayTime);
kafkaDelayQueue.setTopic(topic);
kafkaDelayQueue.setGroup(group);
kafkaDelayQueue.setTargetTopic(targetTopic);
return kafkaDelayQueue;
}

private KafkaSyncConsumer<String, String> createKafkaSyncConsumer(String group) {
properties.put(ConsumerConfig.GROUP_ID_CONFIG, group);
return new KafkaSyncConsumer<>(properties);
}
}

4. KafkaPollListener：Kafka延迟队列事件监听

package com.wdyin.kafka.delay;

import lombok.extern.slf4j.Slf4j;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.OffsetAndMetadata;
import org.apache.kafka.common.TopicPartition;
import org.springframework.context.ApplicationListener;
import org.springframework.kafka.core.KafkaTemplate;

import java.time.Instant;
import java.time.LocalDateTime;
import java.time.ZoneId;
import java.util.*;

/**
* 延时队列监听 * @Author : WDYin * @Date : 2021/5/7 * @Desc :
*/
@Slf4jpublic
class KafkaPollListener<K, V> implements ApplicationListener<KafkaPollEvent<K, V>> {
private KafkaTemplate kafkaTemplate;

public KafkaPollListener(KafkaTemplate kafkaTemplate) {
this.kafkaTemplate = kafkaTemplate;
}

@Override
public void onApplicationEvent(KafkaPollEvent<K, V> event) {
ConsumerRecords<K, V> records = (ConsumerRecords<K, V>) event.getSource();
Integer delayTime = event.getDelayTime();
KafkaDelayQueue<K, V> kafkaDelayQueue = event.getKafkaDelayQueue();
KafkaSyncConsumer<K, V> kafkaSyncConsumer = kafkaDelayQueue.getKafkaSyncConsumer(); //1.获取poll到的有消息的分区 Set<TopicPartition> partitions = records.partitions(); //2.存储需要commit的消息,提高效率批量提交 Map<TopicPartition, OffsetAndMetadata> commitMap = new HashMap<>(); //3.遍历有消息的分区 partitions.forEach((partition) -> { List<ConsumerRecord<K, V>> consumerRecords = records.records(partition); //4.遍历分区里面的消息 for (ConsumerRecord<K, V> record : consumerRecords) { //5.获取消息创建时间 long startTime = (record.timestamp() / 1000) * 1000; long endTime = startTime + delayTime; //6.不符合条件的分区暂停消费 long now = System.currentTimeMillis(); if (endTime > now) { kafkaSyncConsumer.pauseAndSeek(partition, record.offset()); //7.使用 schedule()执行定时任务 kafkaDelayQueue.getThreadPoolPollTaskScheduler().schedule(kafkaDelayQueue.delayTask(partition), new Date(endTime)); //无需继续消费该分区下的其他消息，直接消费其他分区 break; } log.info("{}: partition:{}, offset:{}, key:{}, value:{}, messageDate:{}, nowDate:{}, messageDate:{}, nowDate:{}", Thread.currentThread().getName() + "#" + Thread.currentThread().getId(), record.topic() + "-" + record.partition(), record.offset(), record.key(), record.value(), LocalDateTime.ofInstant(Instant.ofEpochMilli(startTime), ZoneId.systemDefault()), LocalDateTime.now(), startTime, Instant.now().getEpochSecond()); //发送目标主题 kafkaTemplate.send(kafkaDelayQueue.getTargetTopic(), record.value()); //更新需要commit的消息 commitMap.put(partition, new OffsetAndMetadata(record.offset() + 1)); } }); //8.批量提交,提高效率,commitSync耗时几百毫秒
if (!commitMap.isEmpty()) {
kafkaSyncConsumer.commitSync(commitMap);
}
}
}

5. KafkaConfig：Kafka配置文件

package com.wdyin.kafka.delay;

import lombok.Data;

/**
* 延时队列配置 * @author WDYin * @date 2023/4/16
**/
@Datapublic
class KafkaDelayConfig {
private Integer pollInterval;
private Integer pollTimeout;
private Integer pollThreadPool;
private Integer delayThreadPool;

public KafkaDelayConfig() {
}
}

‍

—

如何使用kafka延时队列

自己项目中引入以上代码之后，使用KafkaDelayApplication：一个Kafka延迟任务注册程序，注意一个延时主题对应一个延迟时间，后续有新的延迟任务只需要在此注册延迟任务的监听即可！开箱即用！

使用流程：

生产者发送消息到【延时主题】——自己写

然后Kafka将消息从【延时主题】经过【延时时间】后发送到【目标主题】——以下代码

自己创建消费者消费【目标主题】——自己写

import org.springframework.stereotype.Component;

import javax.annotation.PostConstruct;
import javax.annotation.Resource;

/**
* @author WDYin * @date 2023/4/18
**/
@Componentpublic
class KafkaDelayApplication {
@Resource
private KafkaDelayQueueFactory kafkaDelayQueueFactory;

/**
* 延迟任务都可以配置在这里 * Kafka将消息从【延时主题】经过【延时时间】后发送到【目标主题】
*/
@PostConstruct
public void init() { //延迟30秒
kafkaDelayQueueFactory.listener("delay-30-second-topic", "delay-30-second-group", 1 * 30 * 1000, "delay-60-second-target-topic");
//延迟60秒
kafkaDelayQueueFactory.listener("delay-60-second-topic", "delay-60-second-group", 1 * 60 * 1000, "delay-60-second-target-topic");
//延迟30分钟
kafkaDelayQueueFactory.listener("delay-30-minute-topic", "delay-30-minute-group", 30 * 60 * 1000, "delay-30-minute-target-topic");
}
}

—

测试

1. 先往延时主题【delay-60-second-topic】发送一千条消息，一共10个分区，每个分区100条消息，消息时间是2023-04-21 16:37:26分，延迟消息消费时间就应该是2023-04-21 16:38:26

2. 延时队列进行消费：通过日志查看，消息日期和延迟队列消费消息时间正好相差一分钟

—

总结

本案例已成功实现Kafka的延时队列，并进行实测，代码引入可用非常方便。
Kafka实现的延时队列支持秒级别的延时任务，不支持毫秒级别，但是毫秒级别的延时任务也没有意义
注意一个主题对应的延时时间是一致的，不能在同一个主题里放不同时间的延时任务。
此方案的缺点就是，如果数据量很大，一定要保证Kafka的消费能力，否则可能会导致延迟，精度不是特别高，不过如果延迟小时级别的任务，差异个几秒种肯定可以接受的，一般场景肯定满足。
完整代码已经给大家整理好了，可以关注【微信公众号】微信搜索【老板来一杯java】，然后【加群】直接获取源码。