详情<<文章列表 阅读

实现一个关于队列的伪需求是一种怎样的体验

队列 rabbitmq Spring 过滤器

wjyuian 2019-10-18 471 1

最近花了一天的时间，在实现一个关于队列扩展的伪需求。就是当队列消息有积累的时候，如果对队列中的消息进行去重，或者说在一定范围内去重。

### 场景

比如，有一个用于通知``搜索引擎进行职位索引更新``的消息队列，消息内容就是职位主键`positionId`，当职位数据更新频繁的时候，在队列中积累了100个消息，其中有30个消息都是关于同一个职位A的。那么，我的需求就是如何在这些消息被消费前，将其根据职位主键进行去重，也就是说，职位A的索引更新，我只想执行一次，而不是30次。

我之所以把这个需求称为伪需求，因为队列本身就是为了有序进行任务的一个数据结构，即先进先出。而经过去重，本质上就是对于同一个主键，都只执行一次，因此顺序是不能严格保证的，不过在主键上还是保留了大方向上的有序性。

即使是伪需求，对于我们目前的情况来说，还是很有必要的。

#### 需求针对的数据范围

从目前的索引更新日志分析看来，任务高峰时期，在几十毫秒内会有十来个相同的消息(每个消息都是一批职位主键)连续从队列中被消费。

**我自己定义的数据范围的概念就是：当队列中消息积累的某个时刻，针对这些积累的数据进行去重，这些积累的数据就是数据范围，这是一个动态的数据范围。每当进来一个消息，就会针对当前的数据范围进行去重，保证当前数据范围不会存在重复数据。**

发生这种重复的现实原因就是，索引更新队列的通知服务是开放的，公司内部很多其他服务都会通知搜索引擎进行数据更新。比如职位服务在发布、更新职位时，算法服务在进行职位匹配后，数据统计服务在统计职位数据后等等。而且很多时候，由于功能的先后接入以及缺乏相关良好的规划，甚至会出现一些重复通知的情况，在一个调用链中，上下游可能会重复通知索引更新队列很多次。

综上所述，在现阶段的实际情况下，实现前面提出的伪需求，应该是解决这一问题的最快速有效的方法。

### 思考

内事不决问媳妇，外事不决问百度。

遇到这种情况，我的第一选择当然是去搜索，看看java车库中有没有类似功能的轮子。不知是我搜索的关键字不对还是这个需求过于奇葩，百度、谷歌一圈，居然没有发现轮子。怎么办？既然没有搜到轮子，当然就撸起袖子，问老铁了。

#### 加同步锁
我问的第一位老铁就是，有着30年交情的发小，某IT互联网公司技术大拿。上至九十九，下到刚会走......

啊不，上至前端交互`java`、`go`，下到网络运维`DBA`，乃至世界上最好的语言`PHP`，无一不是精通。

当我想他描述了现状，表达了诉求，果然，他立马给出方案：针对职位主键级别添加同步锁。通过redis实现分布式锁，锁竞争失败就忽略这条消息。好像这确实解决了并发的问题，因为锁是职位主键级别，所以不管几个线程还是几个服务器都没关系，永远都不存在同一时间对同一个职位执行多次更新服务。

不过，我思考了下，似乎还是存在以下问题：
1. 虽然通过同步锁控制了同一职位发并发更新，但是会带来脏数据问题。比如A、B两个消息是针对同一个职位，当A获得锁并进行数据更新的时候，B消息还未产生，或者说B消息对应的DB更新还未发生。当A对应的更新完成了数据查询阶段，B消息进入队列并被消费，但是由于无法获得同步锁，所以B的数据修改被搜索引擎忽略。当A消费结束之后，搜索引擎的数据是A对应版本，DB的数据可能是B或者之后的版本，因此造成数据不一致问题。

2. 实际上并没有实现我想要的效果，就是在消费前进行去重，压根就不让重复数据在一定的范围内被重复消费。

#### 需求的本质
回过头来再看看这个需求。``在数据范围内去重``，这个数据范围中的数据代表什么？他们代表DB已持久化完毕，所以在数据范围内去重是不会有数据一致性问题的。`加同步锁`会有一致性问题是因为A和B不一定是一个数据范围。

**所以，要实现这个需求，就必须在这个`数据范围`内按规则去重，即使这个`数据范围`是动态的，也要时刻保持在某个时间点的内是去重后的。**

### 分析源码

有了思路，接下来就是先了解目前队列的工作过程，至少要了解``消息到达本地``以及``消息推送给消费者线程``的过程。很简单，看下我们自己封装的mq相关配置文件，发现使用的消息监听器是`org.springframework.amqp.rabbit.listener.SimpleMessageListenerContainer`。这个类主要封装了队列消费者相关配置，比如并发消费者数量`concurrentConsumers`、消息预取数量`prefetchCount`、ack模式`acknowledgeMode`等。不过了解这些内容并不是我们此行的目的，所以略过，我们要找到消息是如何到达本地以及如何推送给消费者的。

打开编辑器的`Outline`信息框，忽略那些public方法，直接关注`protected`或者`private`方法。
![图片](https://oomabc.com/staticsrc/img/201909/12/1568260178363_32e0121a614d425eb108a5d3a2973242.jpg)

发现里面有个方法很可疑`doReceiveAndExecute`，点进去一看，没错，就是它了：
```java
private boolean doReceiveAndExecute(BlockingQueueConsumer consumer) throws Throwable {
	Channel channel = consumer.getChannel();

for (int i = 0; i < txSize; i++) {

logger.trace("Waiting for message from consumer.");
    // 从指定consumer中获取一个message，然后传递给messageListener
    // 注意，这里的consumer不是我们定义的队列消费者，而是mq内部的与服务器保持通讯的消费者
		Message message = consumer.nextMessage(receiveTimeout);
		if (message == null) {
			break;
		}
		try {
			executeListener(channel, message);
		}
		catch (ImmediateAcknowledgeAmqpException e) {
			break;
		}
		catch (Throwable ex) {
			consumer.rollbackOnExceptionIfNecessary(ex);
			throw ex;
		}

}
  // 在必要的是，进行commit或者ack
	return consumer.commitIfNecessary(isChannelLocallyTransacted(channel));
}
```

从这个方法的入参可以看到，这个`org.springframework.amqp.rabbit.listener.BlockingQueueConsumer`类型的consumer是spring封装的，从命名也可以大致才出来是一个阻塞队列相关的消费者。
> 这是一个内部专用的封装了与服务器连接细节的消费者，它有自己的生命周期，比如开始与结束。

#### BlockingQueueConsumer

既然说到`BlockingQueueConsumer`，那么先来看看这个类在`SimpleMessageListenerContainer`中是做什么用的。

前面有提到在构建`SimpleMessageListenerContainer`对象时，有一个参数是`concurrentConsumers`，它是指定队列的最小并发消费者数量。这个参数指定的是consumer数量，这个consumer指的应该是`BlockingQueueConsumer`的数量没错了。那去看下这个参数注入方法`setConcurrentConsumers(final int concurrentConsumers)`。

```Java
public void setConcurrentConsumers(final int concurrentConsumers) {
  Assert.isTrue(concurrentConsumers > 0, "'concurrentConsumers' value must be at least 1 (one)");
  // 限制：独占模式下，消费者并发数只能是1
  Assert.isTrue(!this.exclusive || concurrentConsumers == 1,
      "When the consumer is exclusive, the concurrency must be 1");
  if (this.maxConcurrentConsumers != null) {
    Assert.isTrue(concurrentConsumers <= this.maxConcurrentConsumers,
        "'concurrentConsumers' cannot be more than 'maxConcurrentConsumers'");
  }
  // 上面都是一些参数验证
  synchronized(consumersMonitor) {
    if (logger.isDebugEnabled()) {
      logger.debug("Changing consumers from " + this.concurrentConsumers + " to " + concurrentConsumers);
    }
    // 根据指定的并发数以及当前已设置的并发数，判断是增加还是减少
    int delta = this.concurrentConsumers - concurrentConsumers;
    // 更新设置值
    this.concurrentConsumers = concurrentConsumers;
    // 判断当前container是否是有效，未被shutdown
    if (isActive() && this.consumers != null) {

// 如果delta大于零，则表示本次设置的并发数更小，需要减少并发数，就是加多余的consumer置为无效，即false
      if (delta > 0) {
        // consumers参数记录了当前，已经创建的consumer以及他们的状态
        // 到这里应该就可以确认，concurrentConsumers代表的就是BlockingQueueConsumer实例的数量
        Iterator<Entry<BlockingQueueConsumer, Boolean>> entryIterator = consumers.entrySet()
            .iterator();
        while (entryIterator.hasNext() && delta > 0) {
          Entry<BlockingQueueConsumer, Boolean> entry = entryIterator.next();
          if (entry.getValue()) {
            BlockingQueueConsumer consumer = entry.getKey();
            consumer.basicCancel();
            // 设置为无效
            this.consumers.put(consumer, false);
            delta--;
          }
        }

}
      else {
        // 如果是负数，则表示要增加并发，也就是BlockingQueueConsumer实例数
        addAndStartConsumers(-delta);
      }
    }
  }
}
```

接下来看下`addAndStartConsumers(int delta)`是如何创建`BlockingQueueConsumer`实例的：
```java
protected void addAndStartConsumers(int delta) {
  synchronized (this.consumersMonitor) {
    if (this.consumers != null) {
      for (int i = 0; i < delta; i++) {
        // 标记重点1：创建消费者实例，这个方法跟我们的伪需求有关
        BlockingQueueConsumer consumer = createBlockingQueueConsumer();
        this.consumers.put(consumer, true);

/* 标记重点2：这个类实现了Runnable接口，负责维护消费者的状态，以及
        * 由消费者状态影响整个container中维护的消费者并发数，从而决定是否需要对消费者连接池进行扩容或缩减
        */
        AsyncMessageProcessingConsumer processor = new AsyncMessageProcessingConsumer(consumer);
        if (logger.isDebugEnabled()) {
          logger.debug("Starting a new consumer: " + consumer);
        }
        this.taskExecutor.execute(processor);
        // ...... 省略了一些错误处理
      }
    }
  }
}
```

先来看看重点2，`AsyncMessageProcessingConsumer.run()`的方法实现：
```java
@Override
public void run() {
	  // 省略了一些代码，队列等数据的声明，队列事务是否开启的处理
	boolean continuable = false;
	while (isActive(this.consumer) || this.consumer.hasDelivery() || continuable) {
		try {
			// 重点3，这个就是具体消费消息的方法，只有队列已经消费为空，才会返回false
			continuable = receiveAndExecute(this.consumer) && !isChannelTransacted();

// 进行一轮消费之后，需要对队列进行维护，只有配置了最大并发数的情况下才会进行
			if (SimpleMessageListenerContainer.this.maxConcurrentConsumers != null) {
				if (continuable) { // 当前消费者的队列不为空，则会考虑是否需要增加消费者实例来提升消费速度
					if (isActive(this.consumer)) {
						consecutiveIdles = 0;
						if (consecutiveMessages++ > SimpleMessageListenerContainer.this.consecutiveActiveTrigger) {
							considerAddingAConsumer();
							consecutiveMessages = 0;
						}
					}
				}
				else { // 否则会考虑，是否需要空置消费者实例来节省资源
					consecutiveMessages = 0;
					if (consecutiveIdles++ > SimpleMessageListenerContainer.this.consecutiveIdleTrigger) {
						considerStoppingAConsumer(this.consumer);
						consecutiveIdles = 0;
					}
				}
			}
		}
	}
  // ...... 省略一些错误处理
}
```

上面标注的重点3，对应的实际执行的方法就是一开始提到的`doReceiveAndExecute(BlockingQueueConsumer consumer)`。

所以可以看出来:
+ 重点1负责创建消费者`createBlockingQueueConsumer`实例
+ 重点2创建消费者实例的包装类，负责启动异步线程进行消费者状态维护
+ 重点3负责从消费者队列中获取消息，然后进行消费

现在再来看重点1，就是负责初始化消费者实例对象的：
```java
protected BlockingQueueConsumer createBlockingQueueConsumer() {
  BlockingQueueConsumer consumer;
  String[] queues = getRequiredQueueNames();
  // 由于一轮消费的数量是txSize指定的，所以预取数量必须要大于txSize才有效，所以实际的预取数量取了一个较大值
  int actualPrefetchCount = prefetchCount > txSize ? prefetchCount : txSize;

// 创建一个 BlockingQueueConsumer 实例对象
  consumer = new BlockingQueueConsumer(getConnectionFactory(), this.messagePropertiesConverter, cancellationLock,
      getAcknowledgeMode(), isChannelTransacted(), actualPrefetchCount, this.defaultRequeueRejected,
      this.consumerArgs, this.exclusive, queues);
  // 设置相关参数，后面关于伪需求的扩展，需要在下面进行设置
  if (this.declarationRetries != null) {
    consumer.setDeclarationRetries(this.declarationRetries);
  }
  if (this.failedDeclarationRetryInterval != null) {
    consumer.setFailedDeclarationRetryInterval(this.failedDeclarationRetryInterval);
  }
  if (this.retryDeclarationInterval != null) {
    consumer.setRetryDeclarationInterval(this.retryDeclarationInterval);
  }
  return consumer;
}
```

最后再来看看这个`BlockingQueueConsumer`类，其实从这个类的命名上也能发现些什么，它似乎与java中的阻塞队`BlockingQueue`列命名很像。没错，它持有的属性中最重要的一个就是`BlockingQueue`类型的变量`queue`，不过这个queue的实际上是有序的阻塞队列`LinkedBlockingQueue`类型的。queue负责存储服务端推送过来的消息，然后给重点3中的`consumer.nextMessage`方法提供返回值。

### 实现

我们再回头看看“需求的本质”那一节提到的内容：
> **所以，要实现这个需求，就必须在这个`数据范围`内按规则去重，即使这个`数据范围`是动态的，也要时刻保持在某个时间点的内是去重后的。**

划重点就是：
1. 在`数据范围`内去重
2. 时刻保持`数据范围`内是动态去重的

经过源码分析可以确定，这个`数据范围`就是重点1中提到的`BlockingQueueConsumer`实例，准确的说是它持有的`queue`对象中的数据。因为这是服务器推送的消息的第一个落脚点。

要保证`数据范围`的动态去重，只要保证队列`queue`的入队列（在重点2提到的consumer的内部类`InternalConsumer`中）和出队列（重点3）都进行去重操作即可。

#### 编码扩展

根据上面的讨论，发现需要修改的类主要有`BlockingQueueConsumer`和`SimpleMessageListenerContainer`两个。
考虑一下几点实际情况：
  1. 这两个都是`spring`封装的类，我不宜做修改，万一出什么问题，影响太大。
  2. 类中有许多final的属性和方法，也不适合进行继承来实现。
  3. 为这个伪需求提供可选择性，因为很多场景并没有需要这个功能。
  4. 为这个伪需求提供可扩展性，不同类型的消费队列去重的逻辑都不同，所以交由扩展的接口实现来决定。

所以，我直接复制了这两个类，重新命名为`HanldedBlockingQueueConsumer`和`HandledMessageListenerContainer`。并提供了两个接口`IHandledMessageBodyConsumer`和`IBlockingQueueDeliveryFilter`。

当用户自定义的队列消费者需要使用这个过滤功能时，只要实现`IHandledMessageBodyConsumer`接口即可。系统在加载mq配置文件并注入队列消费者的时候，根据其是否实现`IHandledMessageBodyConsumer`接口来判断创建`SimpleMessageListenerContainer`实例还是`HandledMessageListenerContainer`实例。

#### 扩展接口
下面说说这个两个接口的定义。

IHandledMessageBodyConsumer.java，它负责标记是否需要这个伪需求，如果需要，则实现这个接口，返回扩展的container，这个container持有去重逻辑的处理类`IBlockingQueueDeliveryFilter`的实现：
```java
public interface IHandledMessageBodyConsumer {
    // 实现这个接口，需要返回HandledMessageListenerContainer实例，这个实例持有一个 IBlockingQueueDeliveryFilter 接口的实现类
    AbstractMessageListenerContainer getHandledMessageListernerContainer();
}
```

重点说说`IBlockingQueueDeliveryFilter`这个接口类。
```java
public interface IBlockingQueueDeliveryFilter {
    /**
    * 在消息数据进入本地阻塞队列之前，进行body数据分析、过滤、去重，
    * 这个body就是消息实体对象的二进制数组；
    *
    * 我们对body数组进行发序列化，然后根据instanceof判断类型，根据具体需求，进行对象转换
    * 获得生产者那边的对象之后，在根据具体属性，比如说是我前面提到的职位ID，进行记录，
    * 只要创建一个JVM级别的静态且线程安全的Set即可
    * 这个方法不能返回null，因为body数组是null的消息会被过滤；我们根据Set返回新增的职位ID，
    * 然后更新对象内容，重新序列化并返回。
    **/
    byte[] beforeIntoBlockingQueue(byte[] body);

// 当这个消息被取出之后，被消费之前，进行数据操作，过滤、去重
    // 还是对body进行反序列化并对象转换，将即将消费的职位ID，从Set移除，从而保证Set的正确性
    void afterTakeFromBlockingQueue(byte[] body);
}
```

我在`HandledMessageListenerContainer`中新增了一个构造方法，用于：
```java
public HandledMessageListenerContainer(IBlockingQueueDeliveryFilter filter) {
    this.filter = filter;
}
```
这个类持有`IBlockingQueueDeliveryFilter`对象的目的，是在初始化（重点1）`BlockingQueueConsumer`的时候，设置其过滤方法：
```java
protected HanldedBlockingQueueConsumer createBlockingQueueConsumer() {
    HanldedBlockingQueueConsumer consumer;
    String[] queues = getRequiredQueueNames();
    int actualPrefetchCount = prefetchCount > txSize ? prefetchCount : txSize;
    // 创建了我们自定义的 HanldedBlockingQueueConsumer 实例对象
    consumer = new HanldedBlockingQueueConsumer(getConnectionFactory(), this.messagePropertiesConverter, cancellationLock,
            getAcknowledgeMode(), isChannelTransacted(), actualPrefetchCount, this.defaultRequeueRejected,
            this.consumerArgs, this.exclusive, queues);
    // 。。。。。。省略了常规设置
    // 进行filter设置
    if(this.filter != null) {
        consumer.setFilter(filter);
    }
    return consumer;
}
```

接下来看下`HanldedBlockingQueueConsumer`中创建`InternalConsumer`的地方，将这个filter传递给`InternalConsumer`实例，因为它（handleDelivery方法）负责从服务器接收消息并put到阻塞队列：
```java
// HanldedBlockingQueueConsumer.start() 方法中：
this.consumer = new InternalConsumer(channel);
// 设置filter
this.consumer.setDeliveryFilter(filter);
```
以及`InternalConsumer.handleDelivery`方法：
```java
@Override
public void handleDelivery(String consumerTag, Envelope envelope, AMQP.BasicProperties properties, byte[] body)
        throws IOException {
    if (logger.isDebugEnabled()) {
        logger.debug("Storing delivery for " + HanldedBlockingQueueConsumer.this);
    }
    try {
        if(deliveryFilter != null) {
            body = deliveryFilter.beforeIntoBlockingQueue(body);
            // 这里只做过滤，不做拦截
        }
        queue.put(new Delivery(consumerTag, envelope, properties, body));
    }
    catch (InterruptedException e) {
        Thread.currentThread().interrupt();
    }
}
```

再看看从队列中返回消息的地方，我们增加一个后置处理方法，调用`com.hunteron.mqkit.consumer.handled.filter.IBlockingQueueDeliveryFilter.afterTakeFromBlockingQueue(byte[])`方法：
```java
public Message nextMessage() throws InterruptedException, ShutdownSignalException {
    logger.trace("Retrieving delivery for " + this);
    Delivery delivery = queue.take();

processAfter(delivery);

return handle(delivery);
}
public Message nextMessage(long timeout) throws InterruptedException, ShutdownSignalException {
    if (logger.isDebugEnabled()) {
        logger.debug("Retrieving delivery for " + this);
    }
    checkShutdown();
    if (this.missingQueues.size() > 0) {
        checkMissingQueues();
    }
    Delivery delivery = queue.poll(timeout, TimeUnit.MILLISECONDS);

processAfter(delivery);

Message message = handle(delivery);
    if (message == null && cancelReceived.get()) {
        throw new ConsumerCancelledException();
    }
    return message;
}
private void processAfter(Delivery delivery) {
    if(delivery == null || filter == null) {
        return ;
    }
    try {
        // 当消息从queue中获取之后，进行处理
        filter.afterTakeFromBlockingQueue(delivery.getBody());
    } catch (Exception e) {
        e.printStackTrace();
    }
}
```

#### 如何使用
首先，按照业务逻辑，实现一下过滤器：
```java
// 我的需求还是，基于职位ID进行 数据范围 内去重
public class DefaultBlockingQueueDeliveryFilter implements IBlockingQueueDeliveryFilter {
    private static final Set<String> filter = Sets.newConcurrentHashSet();

@Override
    public byte[] beforeIntoBlockingQueue(byte[] body) {
        try {
            // 将消息数据进行目标对象反序列化
            MessageBody<IndexParameter> msg = createFromBody(body);
            // 转换失败，则原路返回
            if(msg == null) {
                return body;
            }
            IndexParameter parameter = msg.getBody();
            if(!isPositionIndex(parameter)) {
                return body;
            }
            // 去重复
            List<String> after = filterAndReturnNotExistIds(parameter.getIds());
            // 更新参数值
            parameter.setIds(after);
            // 序列化之后返回
            return SerializationUtils.serialize(msg);
        } catch (Exception e) {
            return body;
        }
    }

@SuppressWarnings("unchecked")
    private MessageBody<IndexParameter> createFromBody(byte[] body) {
        if(body == null || body.length == 0) {
            return null;
        }
        Object object = SerializationUtils.deserialize(body);
        try {
            MessageBody<IndexParameter> msg = (MessageBody<IndexParameter>) object;
            return msg;
        } catch (Exception e) {
            return null;
        }
    }

@Override
    public void afterTakeFromBlockingQueue(byte[] body) {
        try {
            MessageBody<IndexParameter> messageBody = createFromBody(body);
            if(messageBody == null) {
                return ;
            }
            IndexParameter parameter = messageBody.getBody();
            if(parameter == null) {
                return ;
            }
            List<String> ids = parameter.getIds();
            // 从Set中删除将会被消费的职位ID
            clearIds(ids);
        } catch (Exception e) { }
    }

private boolean isPositionIndex(IndexParameter p) {
        // ...... 省略代码；判断是否是需要去重的消息
        return true;
    }
    // 进行ID过滤
    private List<String> filterAndReturnNotExistIds(List<String> ids) {
        if(CollectionUtils.isEmpty(ids)) {
            return ids;
        }
        List<String> rs = new ArrayList<>(ids.size() / 2);
        for(String id : ids) {
            if(filter.contains(id)) {
                continue;
            }
            rs.add(id);
            filter.add(id);
        }
        return rs;
    }

private void clearIds(List<String> ids) {
        if(CollectionUtils.isEmpty(ids)) {
            return ;
        }
        filter.removeAll(ids);
    }
}
```

然后，让队列消费者实现我们的`IHandledMessageBodyConsumer`接口：
```java
@Service("searchIndexConsumer")
public class SearchIndexConsumer implements IHandledMessageBodyConsumer, IMessageBodyConsumer<IndexParameter, Object> {
    // 伪需求对应的container
    private AbstractMessageListenerContainer container = new HandledMessageListenerContainer(new DefaultBlockingQueueDeliveryFilter());
    // 消费者入口
    @Override
    public Object handle(MessageBody<IndexParameter> messageBody) {
        // ...... 省略消费者具体业务代码
        return null;
    }

@Override
    public AbstractMessageListenerContainer getHandledMessageListernerContainer() {
        // 返回 container
        return container;
    }
}
```

### 总结

至此，我们的这轮伪需求已经成功实现了。不过它是JVM中，同一个消费者级别的去重，所以我配置了少量的并发，较多的fetechCount，力求在控制并发的前提下，增大我们的`数据范围`，以便获得较好的去重效果，尤其是消息积累的时候。

不过，我觉得其中可能会存在一些隐患或者纰漏，只不过是我没发现。

您现在的位置是：首页 > 技术文章 > 详情<<文章列表 阅读

相关文章

栏目导航

点击排行

标签云

大家推荐