背景
在开发中，往往会遇到一些关于延时任务的需求。例如
•生成订单30分钟未支付，则自动取消
•生成订单60秒后,给用户发短信
对上述的任务，我们给一个专业的名字来形容，那就是延时任务。
最近需要做一个延时处理的功能，主要是从kafka中消费消息后根据消息中的某个延时字段来进行延时处理，在实际的实现过程中有一些需要注意的地方，记录如下。
实现过程
说到java中的定时功能，首先想到的Timer和ScheduledThreadPoolExecutor，但是相比之下Timer可以排除，主要原因有以下几点：
1、ScheduledThreadPoolExecutor决定了用ScheduledThreadPoolExecutor来进行实现，接下来就是代码编写啦(大体流程代码)。
主要的延时实现如下：
ScheduledExecutorService executorService = new ScheduledThreadPoolExecutor(10, new NamedThreadFactory("scheduleThreadPool"), new
ThreadPoolExecutor.AbortPolicy());
//从消息中取出延迟时间及相关信息的代码略
int delayTime = 0;
executorService.scheduleWithFixedDelay(new Runnable() {
@Override
public void run() {
//具体操作逻辑
}},0,delayTime, TimeUnit.SECONDS);
其中NamedThreadFactory是我自定义的一个线程工厂，主要给线程池定义名称及相关日志打印便于后续的问题分析，这里就不多做介绍了。拒绝策略也是采用默认的拒绝策略。
然后测试了一下，满足目标需求的功能，可以做到延迟指定时间后执行，至此似乎功能就被完成了。
大家可能疑问，这也太简单了有什么好说的，但是这种方式实现简单是简单但是存在一个潜在的问题，问题在哪呢，让我们看一下ScheduledThreadPoolExecutor的源码：
public ScheduledThreadPoolExecutor(int corePoolSize,ThreadFactory threadFactory) {
super(corePoolSize, Integer.MAX_VALUE, 0,
TimeUnit.NANOSECONDS,new DelayedWorkQueue(), threadFactory);}
ScheduledThreadPoolExecutor由于它自身的延时和周期的特性，默认使用了DelayWorkQueue，而并不像我们平时使用的SingleThreadExecutor等构造是可以使用自己定义的LinkedBlockingQueue并且设置队列大小，问题就出在这里。
DelayWrokQueue是一个无界队列，而我们的目标数据源是kafka，也就是一个高并发高吞吐的消息队列，很大可能在某一时间段有大量的消息过来从而导致OOM，在使用多线程时我们是肯定要考虑到OOM的可能性的，因为OOM带来的后果往往比较严重，系统OOM临时的解决办法一般只能是重启，可能会导致用户数据丢失等不可能挽回的问题，所以从编码设计阶段要采用尽可能稳妥的手段来避免这些问题。
2、采用redis和线程结合
这一次换了思路，采用redis来帮助我们做缓冲，从而避免消息过多OOM的问题。
相关redis zset api：
//添加元素 ZADD key score member [[score member] [score member] …] //根据分值及限制数量查询 ZRANGEBYSCORE key min max [WITHSCORES] [LIMIT offset count] //从zset中删除指定成员 ZREM key member [member …]
我们采用redis基础数据结构的zset结构，采用score来存储我们目标发送时间的数值，整体处理流程如下：
public void onMessage(String topic, String message) {
String orderId;
int delayTime = 0;
try {
Map msgMap = gson.fromJson(message, new TypeToken>() {
}.getType());
if (msgMap.isEmpty()) {
return;
}
LOGGER.info("onMessage kafka content:{}", msgMap.toString());
orderId = msgMap.get("orderId");
if(StringUtils.isNotEmpty(orderId)){
delayTime = Integer.parseInt(msgMap.get("delayTime"));
Calendar calendar = Calendar.getInstance();
//计算出预计发送时间
calendar.add(Calendar.MINUTE, delayTime);
long sendTime = calendar.getTimeInMillis();
RedisUtils.getInstance().zetAdd(Constant.DELAY, sendTime, orderId);
LOGGER.info("orderId:{}---放入redis中等待发送---sendTime：{}", ---orderId:{}, sendTime);
}
} catch (Exception e) {
LOGGER.info("onMessage 延时发送异常:{}", e);
}
}
public void run(){
//获取批量大小
int orderNum = Integer.parseInt(PropertyUtil.get(Constant.ORDER_NUM,"100"));
try {
//批量获取离发送时间最近的orderNum条数据
Calendar calendar = Calendar.getInstance();
long now = calendar.getTimeInMillis();
//获取无限早到现在的事件key(防止上次批量数量小于放入数量，存在历史数据未消费情况)
Set orderIds = RedisUtils.getInstance().zrangeByScore(Constant.DELAY, 0, now, 0, orderNum);
LOGGER.info("task.getOrderFromRedis---size:{}---orderIds:{}", orderIds.size(), gson.toJson(orderIds));
if (CollectionUtils.isNotEmpty(orders)){
//删除key 防止重复发送
for (String orderId : orderIds) {
RedisUtils.getInstance().zrem(Constant.DELAY, orderId);
}
//接下来执行发送等业务逻辑
}
} catch (Exception e) {
LOGGER.warn("task.run exception:{}", e);
}
}
至此完成了依赖redis和线程完成了延时发送的功能。
结语
那么对上面两种不同的实现方式进行一下优缺点比较：
综上是本人这次延时功能的实现过程的两种实现方式的总结，具体采用哪种方式还需大家根据实际情况选择，希望能给大家带来帮助。ps：由于本人的技术能力有限，文章中可能出现技术描述不准确或者错误的情况恳请各位大佬指出，我立马进行改正，避免误导大家，谢谢！
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对的支持。
京公网安备 11010802040832号 | 京ICP备19059560号-6 