Steam

Redis5.0 被作者 Antirez 突然放了出来，增加了很多新的特色功能。而 Redis5.0 最大的 新特性就是多出了一个数据结构 Stream，它是一个新的强大的支持多播的可持久化的消息队 列，作者坦言 Redis Stream 狠狠地借鉴了 Kafka 的设计。

redison 实现stream redis stream java_redison 实现stream

Redis Stream 的结构如上图所示，它有一个消息链表，将所有加入的消息都串起来，每 个消息都有一个唯一的 ID 和对应的内容。消息是持久化的，Redis 重启后，内容还在。

每个 Stream 都有唯一的名称，它就是 Redis 的 key，在我们首次使用 xadd 指令追加消 息时自动创建。

每个 Stream 都可以挂多个消费组，每个消费组会有个游标 last_delivered_id 在 Stream 数组之上往前移动，表示当前消费组已经消费到哪条消息了。每个消费组都有一个 Stream 内唯一的名称，消费组不会自动创建，它需要单独的指令 xgroup create 进行创建，需要指定 从 Stream 的某个消息 ID 开始消费，这个 ID 用来初始化 last_delivered_id 变量。

每个消费组 (Consumer Group) 的状态都是独立的，相互不受影响。也就是说同一份 Stream 内部的消息会被每个消费组都消费到。

同一个消费组 (Consumer Group) 可以挂接多个消费者 (Consumer)，这些消费者之间是 竞争关系，任意一个消费者读取了消息都会使游标 last_delivered_id 往前移动。每个消费者有 一个组内唯一名称。

消费者 (Consumer) 内部会有个状态变量 pending_ids，它记录了当前已经被客户端读取 的消息，但是还没有 ack。如果客户端没有 ack，这个变量里面的消息 ID 会越来越多，一 旦某个消息被 ack，它就开始减少。这个 pending_ids 变量在 Redis 官方被称之为 PEL，也 就是 Pending Entries List，这是一个很核心的数据结构，它用来确保客户端至少消费了消息一 次，而不会在网络传输的中途丢失了没处理。

消息ID

消息 ID 的形式是 timestampInMillis-sequence，例如 1527846880572-5，它表示当前的消 息在毫米时间戳 1527846880572 时产生，并且是该毫秒内产生的第 5 条消息。消息 ID 可以 由服务器自动生成，也可以由客户端自己指定，但是形式必须是整数-整数，而且必须是后面 加入的消息的 ID 要大于前面的消息 ID。

消息内容

消息内容就是键值对，形如 hash 结构的键值对，这没什么特别之处。

增删改查

  1. xadd 追加消息
  2. xdel 删除消息，这里的删除仅仅是设置了标志位，不影响消息总长度
  3. xrange 获取消息列表，会自动过滤已经删除的消息
  4. xlen 消息长度
  5. del 删除 Stream
# * 号表示服务器自动生成 ID，后面顺序跟着一堆 key/value # 名字叫 laoqian，年龄 30 岁
127.0.0.1:6379> xadd codehole * name laoqian age 30
"1681718188913-0" # 生成的消息 ID
127.0.0.1:6379> xadd codehole * name xiaoyu age 29
"1681718202007-0"
127.0.0.1:6379> xadd codehole * name xiaoqian age 1
"1681718211053-0"
127.0.0.1:6379> xlen codehole
(integer) 3
# -表示最小值 , + 表示最大值
127.0.0.1:6379> xrange codehole - +
1) 1) "1681718188913-0"
   2) 1) "name"
      2) "laoqian"
      3) "age"
      4) "30"
2) 1) "1681718202007-0"
   2) 1) "name"
      2) "xiaoyu"
      3) "age"
      4) "29"
3) 1) "1681718211053-0"
   2) 1) "name"
      2) "xiaoqian"
      3) "age"
      4) "1"
# 指定最大消息 ID 的列表
127.0.0.1:6379> xrange codehole - 1681718202007-0
1) 1) "1681718188913-0"
   2) 1) "name"
      2) "laoqian"
      3) "age"
      4) "30"
2) 1) "1681718202007-0"
   2) 1) "name"
      2) "xiaoyu"
      3) "age"
      4) "29"
127.0.0.1:6379> xdel codehole 1681718188913-0
(integer) 1
127.0.0.1:6379> xlen codehole
(integer) 2
127.0.0.1:6379> xrange codehole - +
1) 1) "1681718202007-0"
   2) 1) "name"
      2) "xiaoyu"
      3) "age"
      4) "29"
2) 1) "1681718211053-0"
   2) 1) "name"
      2) "xiaoqian"
      3) "age"
      4) "1"
127.0.0.1:6379> del codehole
(integer) 1

独立消费

我们可以在不定义消费组的情况下进行 Stream 消息的独立消费，当 Stream 没有新消 息时，甚至可以阻塞等待。Redis 设计了一个单独的消费指令 xread，可以将 Stream 当成普 通的消息队列 (list) 来使用。使用 xread 时，我们可以完全忽略消费组 (Consumer Group) 的存在，就好比 Stream 就是一个普通的列表 (list)。

# 从 Stream 头部读取两条消息
127.0.0.1:6379> xread count 2 streams codehole 0-0
 1) 1) "codehole"
	2) 1) 1) 1527851486781-0 
		2) 1) "name"
			2) "laoqian" 
			3) "age"
			4) "30"
	   2) 1) 1527851493405-0 
	   	 2) 1) "name"
			2) "yurui" 
			3) "age" 
			4) "29"
# 从 Stream 尾部读取一条消息，毫无疑问，这里不会返回任何消息
127.0.0.1:6379> xread count 1 streams codehole $
(nil)
# 从尾部阻塞等待新消息到来，下面的指令会堵住，直到新消息到来 
127.0.0.1:6379> xread block 0 count 1 streams codehole $
# 我们从新打开一个窗口，在这个窗口往 Stream 里塞消息 
127.0.0.1:6379> xadd codehole * name youming age 60
1527852774092-0
# 再切换到前面的窗口，我们可以看到阻塞解除了，返回了新的消息内容 # 而且还显示了一个等待时间，这里我们等待了 93s
127.0.0.1:6379> xread block 0 count 1 streams codehole $
1) 1) "codehole"
   2) 1) 1) 1527852774092-0 
      2) 1) "name"
         2) "youming" 
         3) "age"
		 4) "60"
(93.11s)

客户端如果想要使用 xread 进行顺序消费，一定要记住当前消费到哪里了，也就是返回 的消息 ID。下次继续调用 xread 时，将上次返回的最后一个消息 ID 作为参数传递进去， 就可以继续消费后续的消息。
block 0 表示永远阻塞，直到消息到来，block 1000 表示阻塞 1s，如果 1s 内没有任何 消息到来，就返回 nil。

127.0.0.1:6379> xread block 1000 count 1 streams codehole $ (nil)
(1.07s)

创建消费者

redison 实现stream redis stream java_Redis_02

Stream 通过 xgroup create 指令创建消费组 (Consumer Group)，需要传递起始消息 ID 参数用 来初始化 last_delivered_id 变量。

# 表示从头开始消费
127.0.0.1:6379> xgroup create codehole cg1 0-0
OK
# $ 表示从尾部开始消费，只接受新消息，当前 Stream 消息会全部忽略 127.0.0.1:6379> xgroup create codehole cg2 $
OK
# 获取 Stream 信息
127.0.0.1:6379> xinfo stream codehole 
1) length
2) (integer) 3 # 共 3 个消息
3) radix-tree-keys
4) (integer) 1
5) radix-tree-nodes
6) (integer) 2
7) groups
8) (integer) 2 # 两个消费组 
9) first-entry # 第一个消息
10) 1) 1527851486781-0 
    2) 1) "name"
	   2) "laoqian" 
	   3) "age"
	   4) "30"
11) last-entry # 最后一个消息 
12) 
	1) 1527851498956-0
	2) 1) "name"
	   2) "xiaoqian"
	   3) "age"
	   4) "1"
# 获取 Stream 的消费组信息
127.0.0.1:6379> xinfo groups codehole 
1) 1) name
   2) "cg1"
   3) consumers 
   4) (integer) 0 # 该消费组还没有消费者
   5) pending 
   6) (integer) 0 # 该消费组没有正在处理的消息
2) 1) name 
   2) "cg2"
   3) consumers 
   4) (integer) 0 # 该消费组还没有消费者
   5) pending 
   6) (integer) 0 # 该消费组没有正在处理的消息

消费

Stream 提供了 xreadgroup 指令可以进行消费组的组内消费，需要提供消费组名称、消费者名称和起始消息 ID。它同 xread 一样，也可以阻塞等待新消息。读到新消息后，对应的消息 ID 就会进入消费者的 PEL(正在处理的消息) 结构里，客户端处理完毕后使用 xack指令通知服务器，本条消息已经处理完毕，该消息 ID 就会从 PEL 中移除。

# > 号表示从当前消费组的 last_delivered_id 后面开始读
# 每当消费者读取一条消息，last_delivered_id 变量就会前进 
127.0.0.1:6379> xreadgroup GROUP cg1 c1 count 1 streams codehole > 
1) 1) "codehole"
   2) 1) 1) 1527851486781-0 
   	     2) 1) "name"
			2) "laoqian" 
			3) "age"
			4) "30"
127.0.0.1:6379> xreadgroup GROUP cg1 c1 count 1 streams codehole > 
1) 1) "codehole"
   2) 1) 1) 1527851493405-0 
   	     2) 1) "name"
		    2) "yurui" 
		    3) "age" 
		    4) "29"
127.0.0.1:6379> xreadgroup GROUP cg1 c1 count 2 streams codehole > 
1) 1) "codehole"
   2) 1) 1) 1527851498956-0 
         2) 1) "name"
	        2) "xiaoqian" 
	        3) "age"
			4) "1"
	  2) 1) 1527852774092-0 
	     2) 1) "name"
			2) "youming" 
			3) "age"
			4) "60"
# 再继续读取，就没有新消息了
127.0.0.1:6379> xreadgroup GROUP cg1 c1 count 1 streams codehole >
(nil)
# 那就阻塞等待吧
127.0.0.1:6379> xreadgroup GROUP cg1 c1 block 0 count 1 streams codehole > 
# 开启另一个窗口，往里塞消息
127.0.0.1:6379> xadd codehole * name lanying age 61
1527854062442-0
# 回到前一个窗口，发现阻塞解除，收到新消息了
127.0.0.1:6379> xreadgroup GROUP cg1 c1 block 0 count 1 streams codehole > 
1) 1) "codehole"
   2) 1) 1) 1527854062442-0
         2) 1) "name"
			2) "lanying"
			3) "age"
			4) "61" 
(36.54s)
# 观察消费组信息
127.0.0.1:6379> xinfo groups codehole 
1) 1) name
   2) "cg1"
   3) consumers 
   4) (integer) 1 # 一个消费者
   5) pending 
   6) (integer) 5 # 共 5 条正在处理的信息还有没有 ack
2) 1) name 
   2) "cg2"
   3) consumers 
   4) (integer) 0 # 消费组 cg2 没有任何变化，因为前面我们一直在操纵 cg1
   5) pending 
   6) (integer) 0
# 如果同一个消费组有多个消费者，我们可以通过 xinfo consumers 指令观察每个消费者的状态
127.0.0.1:6379> xinfo consumers codehole cg1 
1) 1) name # 目前还有 1 个消费者
   2) "c1"
   3) pending
   4) (integer) 5 # 共 5 条待处理消息
   5) idle
   6) (integer) 418715 # 空闲了多长时间 ms 没有读取消息了
# 接下来我们 ack 一条消息
127.0.0.1:6379> xack codehole cg1 1527851486781-0 
(integer) 1
127.0.0.1:6379> xinfo consumers codehole cg1
1) 1) name
   2) "c1"
   3) pending
   4) (integer) 4 # 变成了 5 条 
   5) idle
   6) (integer) 668504
# 下面 ack 所有消息
127.0.0.1:6379> xack codehole cg1 1527851493405-0 1527851498956-0 1527852774092-0 1527854062442-0
(integer) 4
127.0.0.1:6379> xinfo consumers codehole cg1
1) 1) name 
   2) "c1"
   3) pending
   4) (integer) 0 # pel 空了 
   5) idle
   6) (integer) 745505

Stream 消息太多怎么办?

读者很容易想到，要是消息积累太多，Stream 的链表岂不是很长，内容会不会爆掉?xdel 指令又不会删除消息，它只是给消息做了个标志位。

Redis 自然考虑到了这一点，所以它提供了一个定长 Stream 功能。在 xadd 的指令提供 一个定长长度 maxlen，就可以将老的消息干掉，确保最多不超过指定长度。

127.0.0.1:6379> xlen codehole
(integer) 5
127.0.0.1:6379> xadd codehole maxlen 3 * name xiaorui age 1 1527855160273-0
127.0.0.1:6379> xlen codehole
(integer) 3

我们看到 Stream 的长度被砍掉了。如果 Stream 在未来可以提供按时间戳清理消息的 规则那就更加完美了，但是目前还没有。

消息如果忘记 ACK 会怎样?

Stream 在每个消费者结构中保存了正在处理中的消息 ID 列表 PEL，如果消费者收到 了消息处理完了但是没有回复 ack，就会导致 PEL 列表不断增长，如果有很多消费组的 话，那么这个 PEL 占用的内存就会放大。

redison 实现stream redis stream java_redis_03

PEL 如何避免消息丢失?

在客户端消费者读取 Stream 消息时，Redis 服务器将消息回复给客户端的过程中，客 户端突然断开了连接，消息就丢失了。但是 PEL 里已经保存了发出去的消息 ID。待客户端 重新连上之后，可以再次收到 PEL 中的消息 ID 列表。不过此时 xreadgroup 的起始消息 ID 不能为参数>，而必须是任意有效的消息 ID，一般将参数设为 0-0，表示读取所有的 PEL 消息以及自 last_delivered_id 之后的新消息。

Stream 的高可用

Stream 的高可用是建立主从复制基础上的，它和其它数据结构的复制机制没有区别，也 就是说在 Sentinel 和 Cluster 集群环境下 Stream 是可以支持高可用的。不过鉴于 Redis 的 指令复制是异步的，在 failover 发生时，Redis 可能会丢失极小部分数据，这点 Redis 的其 它数据结构也是一样的。

分区 Partition

Redis 的服务器没有原生支持分区能力，如果想要使用分区，那就需要分配多个 Stream，然后在客户端使用一定的策略来生产消息到不同的 Stream。你也许会认为 Kafka 要 先进很多，它是原生支持 Partition 的。关于这一点，我并不认同。记得 Kafka 的客户端也 存在 HashStrategy 么，因为它也是通过客户端的 hash 算法来将不同的消息塞入不同分区 的。
另外,Kafka 还支持动态增加分区数量的能力，但是这种调整能力也是很蹩脚的，它不会 把之前已经存在的内容进行 rehash，不会重新分区历史数据。这种简单的动态调整的能力 Redis Stream 通过增加新的 Stream 就可以做到。