如何使用分布式任务+消息队列框架go-queue
这篇文章主要介绍"如何使用分布式任务+消息队列框架go-queue"，在日常操作中，相信很多人在如何使用分布式任务+消息队列框架go-queue问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答"如何使用分布式任务+消息队列框架go-queue"的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
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 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 broker if err := pusher.Push(string(body)); err != nil { log.Fatal(err) } }}config.yaml：
Name: kqBrokers: - 127.0.0.1:19092 - 127.0.0.1:19092 - 127.0.0.1:19092Group: adhocTopic: kqOffset: firstConsumers: 1
consumer.go：
var c kq.KqConfconf.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。
到此，关于"如何使用分布式任务+消息队列框架go-queue"的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！
