使用RedisMQ 做分布式改造，从此放心安全迭代 - 好文

引言

　　熟悉TPL Dataflow <https://www.cnblogs.com/JulianHuang/p/11177766.html>
博文的朋友可能记得这是个单体程序，使用TPL Dataflow 处理工作流任务，在使用Docker部署的过程中，有一个问题一直无法回避：

在单体程序部署的瞬间会有少量流量无法处理；更糟糕的情况下，迭代部署的这个版本有问题，上线后无法运作，更多的流量没有得到处理。

背负神圣使命（巨大压力）的程序猿心生一计，为何不将单体程序改成分布式：服务A只接受数据，服务B只处理数据。

知识储备：

消息队列和订阅发布作为老生常谈的两个知识点被反复提及，按照JMS的规范，官方称为点对点(point to point， queue) 和
订阅发布（publish/subscribe，topic ），

点对点：

　　消息生产者生产消息发送到queue中，然后消费者从queue中取出并且消费消息。

注意：

消息被消费以后，queue中不再有存储，所以消费者不可能消费到已经被消费的消息。

Queue支持存在多个消费者，但是对一个消息而言，只会有一个消费者可以消费。

当没有消费者可用时，这个消息会被保存直到有一个可用的消费者。

发布/订阅

　　消息生产者（发布）将消息发布到topic中，同时有多个消息消费者（订阅）消费该消息。和点对点方式不同，发布到topic的消息会被所有订阅者消费。

注意：

发布者将消息发布到通道中，而不用知道订阅者是谁（不关注是否存在订阅者）；订阅者可收听自己感兴趣的多个通道，也不需要知道发布者是谁（不关注是哪个发布者）。

故如果没有消费者，发布的消息将得不到处理；

头脑风暴

本次采用的消息队列模型：

* 解耦业务：新建Receiver程序作为生产者，专注于接收并发送到队列；原有的webapp作为消费者专注数据处理。
* 起到削峰填谷的作用，若建立多个消费者webapp容器，还能形成负载均衡的效果。
Redis 原生支持发布/订阅 <https://redis.io/commands/publish>模型，内置的List数据结构
<https://redis.io/commands/lpush>亦能形成轻量级MQ的效果。

需要关注Redis 两个命令( 左进右出，右进左出同理)：

LPUSH & RPOP/BRPOP <https://redis.io/commands/brpop>

Brpop 中的B 表示 “Block”，
是一个rpop命令的阻塞版本：若指定List没有新元素，在给定时间内，该命令会阻塞当前redis客户端连接，直到超时返回nil

编程实践

本次使用 AspNetCore 完成RedisMQ的实践。引入Redis国产第三方开源库 CSRedisCore.

不使用著名的StackExchange.Redis 组件库的原因：

*
之前一直使用StackExchange.Redis，参考了很多资料，做了很多优化，并未完全解决RedisTimeoutException问题

*
StackExchange.Redis基于其多路复用机制，不支持阻塞式命令
<https://stackexchange.github.io/StackExchange.Redis/PipelinesMultiplexers>，
故采用了 CSRedisCore，该库强调了API 与Redis官方命令一致，很容易上手

生产者Receiver：
------------------截取自Startup.cs------------------------------ public void
ConfigureServices(IServiceCollection services) {var csredis = new
CSRedisClient(Configuration.GetConnectionString("redis"));
RedisHelper.Initialization(csredis); services.AddMvc(); }
---------------------截取自数据接收Controller------------------- [Route("batch")]
[HttpPost]public async Task BatchPutEqidAndProfileIds([FromBody]List<EqidPair>
eqidPairs) {if (!ModelState.IsValid) throw new ArgumentException("Http Body
Payload Error."); var redisKey = $"{DateTime.Now.ToString("yyyyMMdd")}";
eqidPairs= await EqidExtractor.EqidExtractAsync(eqidPairs); if (eqidPairs !=
null && eqidPairs.Any()) RedisHelper.LPush(redisKey, eqidPairs.ToArray()); await
Task.CompletedTask; }
消费者webapp：

根据RedisMQ的事件推送方式，需要轮询Redis List 数据结构，这里使用AspNetCore内置的BackgroundService
实现了后台轮询任务。
public class BackgroundJob : BackgroundService { private readonly
IEqidPairHandler _eqidPairHandler;private readonly ILogger _logger; public
BackgroundJob(IEqidPairHandler eqidPairHandler, ILoggerFactory loggerFactory) {
_eqidPairHandler= eqidPairHandler; _logger =
loggerFactory.CreateLogger(nameof(BackgroundJob)); }protected override async
Task ExecuteAsync(CancellationToken stoppingToken) { _logger.LogInformation("
Service starting"); while (!stoppingToken.IsCancellationRequested) { var key = $
"eqidpair:{DateTime.Now.ToString("yyyyMMdd")}"; var eqidpair = RedisHelper.BRPop
(5, key); if (eqidpair != null) await
_eqidPairHandler.AcceptEqidParamAsync(JsonConvert.DeserializeObject<EqidPair>
(eqidpair));else await Task.Delay(1000, stoppingToken); }
_logger.LogInformation("Service stopping"); } } var redis = new CSRedisClient[16
];//定义成单例 for (var a = 0; a < redis.Length; a++) redis[a] = new
CSRedisClient(Configuration.GetConnectionString("redis") + ",defualtDatabase=" +
a); services.AddSingleton<CSRedisClient[]>(redis);
RedisHelper.Initialization(redis[0]); 注册CSRedisCore服务
最后依照引言中的部署原理图，将Nginx,Receiver, WebApp dockerize，并且让 webapp 依赖于Nginx，Receiver
-------------------截取自docker-compose.yml文件---------------------- app: build:
context: ./app dockerfile: Dockerfile expose: - "80" extra_hosts: - "
dockerhost:172.18.0.1" environment: TZ: Asia/Shanghai volumes: - type: bind
source:/mnt/eqidmanager/eqidlogs target: /app/eqidlogs - type: bind source:
/mnt/eqidmanager/applogs target: /app/logs - type: bind source:
/home/huangjun/eqidmanager/EqidManager.db target: /app/EqidManager.db
healthcheck: test: ['CMD','curl','-f','http://localhost/healthcheck'] interval:
1m30s timeout: 10s retries:3 depends_on: - receiver - proxy logging: options:
max-size: "200k" max-file: "10" privileged: true
　　① 根据docker-compsoe up <https://docs.docker.com/compose/reference/up/>
命令的用法，若Receiver容器正在运行且服务配置并未改变，该容器不会被停止。

　　② 根据官方文档对于depends_on <https://docs.docker.com/compose/compose-file/>
指令的说明，该指定决定了容器启动和停止的顺序，因此引言中需要【暂存流量】刚性需求可以得到满足
　　

　　改造上线之后，效果很明显，现在可以放心安全的迭代 TPL DataFlow数据处理程序。
作者：JulianHuang <https://www.cnblogs.com/JulianHuang/>
码甲拙见，如有问题请下方留言大胆斧正；码字+Visio制图，均为原创，看官请不吝好评+关注， ~。。~

本文欢迎转载，请转载页面明显位置注明原作者及原文链接。

热门工具换一换