分布式任务 + 消息队列框架 go-queue-木庄网络博客

本文摘自网络，作者，侵删。

为什么写这个库
应用场景有哪些
如何使用
总结

为什么要写这个库？

在开始自研 go-queue 之前，针对以下我们调研目前的开源队列方案：

beanstalkd

beanstalkd 有一些特殊好用功能：支持任务priority、延时(delay)、超时重发(time-to-run)和预留(buried)，能够很好的支持分布式的后台任务和定时任务处理。如下是 beanstalkd 基本部分：

job：任务单元；
tube：任务队列，存储统一类型 job。producer 和 consumer 操作对象；
producer：job 生产者，通过 put 将 job 加入一个 tube；
consumer：job 消费者，通过 reserve/release/bury/delete 来获取job或改变job的状态；

很幸运的是官方提供了 go client：github.com/beanstalkd/…

但是这对不熟悉 beanstalkd 操作的 go 开发者而言，需要学习成本。

kafka

类似基于 kafka 消息队列作为存储的方案，存储单元是消息，如果要实现延时执行，可以想到的方案是以延时执行的时间作为 topic，这样在大型的消息系统中，充斥大量一次性的 topic（dq_1616324404788, dq_1616324417622），当时间分散，会容易造成磁盘随机写的情况。

而且在 go 生态中，

同时考虑以下因素：

支持延时任务
高可用，保证数据不丢失
可扩展资源和性能

所以我们自己基于以上两个基础组件开发了 go-queue：

基于 beanstalkd 开发了 dq，支持定时和延时操作。同时加入 redis 保证消费唯一性。
基于 kafka 开发了 kq，简化生产者和消费者的开发API，同时在写入kafka使用批量写，节省IO。

整体设计如下：

应用场景

首先在消费场景来说，一个是针对任务队列，一个是消息队列。而两者最大的区别：

任务是没有顺序约束；消息需要；
任务在加入中，或者是等待中，可能存在状态更新（或是取消）；消息则是单一的存储即可；

所以在背后的基础设施选型上，也是基于这种消费场景。

dq：依赖于 beanstalkd ，适合延时、定时任务执行；
kq：依赖于 kafka ，适用于异步、批量任务执行；

而从其中 dq 的 API 中也可以看出：

// 延迟任务执行- dq.Delay(msg, delayTime);// 定时任务执行- dq.At(msg, atTime);复制代码

而在我们内部：

如果是异步消息消费/推送，则会选择使用 kq：kq.Push(msg)；
如果是 15分钟提醒/ 明天中午发送短信等，则使用 dq；

如何使用

分别介绍 dq 和 kq 的使用方式：

dq

// [Producer]producer := dq.NewProducer([]dq.Beanstalk{
	{
		Endpoint: "localhost:11300",
		Tube:     "tube",
	},
	{
		Endpoint: "localhost:11301",
		Tube:     "tube",
	},
})	

for i := 1000; i < 1005; i++ {
	_, err := producer.Delay([]byte(strconv.Itoa(i)), time.Second*5)	if err != nil {
		fmt.Println(err)
	}
}复制代码

// [Consumer]consumer := dq.NewConsumer(dq.DqConf{
  Beanstalks: []dq.Beanstalk{
    {
      Endpoint: "localhost:11300",
      Tube:     "tube",
    },
    {
      Endpoint: "localhost:11301",
      Tube:     "tube",
    },
  },
  Redis: redis.RedisConf{
    Host: "localhost:6379",
    Type: redis.NodeType,
  },
})
consumer.Consume(func(body []byte) {  // your consume logic
  fmt.Println(string(body))
})复制代码

和普通的生产者-消费者模型类似，开发者也只需要关注以下：

开发者只需要关注自己的任务类型「延时/定时」
消费端的消费逻辑

kq

producer.go：

// message structuretype message struct {
	Key     string `json:"key"`
	Value   string `json:"value"`
	Payload string `json:"message"`}

pusher := kq.NewPusher([]string{	"127.0.0.1:19092",	"127.0.0.1:19093",	"127.0.0.1:19094",
}, "kq")

ticker := time.NewTicker(time.Millisecond)for round := 0; round < 3; round++ {	select {	case <-ticker.C:
		count := rand.Intn(100)// 准备消息
		m := message{
			Key:     strconv.FormatInt(time.Now().UnixNano(), 10),
			Value:   fmt.Sprintf("%d,%d", round, count),
			Payload: fmt.Sprintf("%d,%d", round, count),
		}
		body, err := json.Marshal(m)		if err != nil {
			log.Fatal(err)
		}

		fmt.Println(string(body))// push to kafka brokerif err := pusher.Push(string(body)); err != nil {
			log.Fatal(err)
		}
	}
}复制代码

config.yaml：

Name: kqBrokers:
  - 127.0.0.1:19092
  - 127.0.0.1:19092
  - 127.0.0.1:19092Group: adhocTopic: kqOffset: firstConsumers: 1复制代码

consumer.go：

var c kq.KqConf
conf.MustLoad("config.yaml", &c)// WithHandle: 具体的处理msg的logic// 这也是开发者需要根据自己的业务定制化q := kq.MustNewQueue(c, kq.WithHandle(func(k, v string) error {
  fmt.Printf("=> %s\n", v)  return nil}))defer q.Stop()
q.Start()复制代码

和 dq 不同的是：开发者不需要关注任务类型（在这里也没有任务的概念，传递的都是 message data）。

其他操作和 dq 类似，只是将业务处理函数当成配置直接传入消费者中。