分布式任务 + 消息队列框架 go-queue
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：https://github.com/beanstalkd/go-beanstalk。
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);
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)
}
}
// [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))
})
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 structure
type 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 broker
if err := pusher.Push(string(body)); err != nil {
log.Fatal(err)
}
}
}
config.yaml：
Name: kq Brokers: - 127.0.0.1:19092 - 127.0.0.1:19092 - 127.0.0.1:19092 Group: adhoc Topic: kq Offset: first Consumers: 1
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()
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。
总结
在我们目前的场景中，kq 大量使用在我们的异步消息服务；而延时任务，我们除了 dq，还可以使用内存版的 TimingWheel「go-zero 生态组件」。
关于 go-queue 更多的设计和实现文章，可以持续关注我们。欢迎大家去关注和使用。
