面试官问:生成订单30分钟未支付,则自动取消,该怎么实现

今天给大家上一盘硬菜,并且是支付中非常重要的一个技术解决方案,有这块业务的同学注意自己试一把了哈!

图片

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。

那么这里就会产生一个问题,这个延时任务和定时任务的区别究竟在哪里呢?一共有如下几点区别

  • 定时任务有明确的触发时间,延时任务没有

  • 定时任务有执行周期,而延时任务在某事件触发后一段时间内执行,没有执行周期

  • 定时任务一般执行的是批处理操作是多个任务,而延时任务一般是单个任务

下面,我们以判断订单是否超时为例,进行方案分析

方案分析

(1)数据库轮询

思路

该方案通常是在小型项目中使用,即通过一个线程定时的去扫描数据库,通过订单时间来判断是否有超时的订单,然后进行update或delete等操作

实现

当年早期是用quartz来实现的(实习那会的事),简单介绍一下

maven项目引入一个依赖如下所示

    <dependency><groupId>org.quartz-scheduler</groupId>        <artifactId>quartz</artifactId>        <version>2.2.2</version>    </dependency>

调用Demo类MyJob如下所示

public class MyJob implements Job {
    public void execute(JobExecutionContext context)            throws JobExecutionException {        System.out.println("要去数据库扫描啦。。。");    }
    public static void main(String[] args) throws Exception {
        // 创建任务        JobDetail jobDetail = JobBuilder.newJob(MyJob.class)                .withIdentity("job1", "group1").build();
        // 创建触发器 每3秒钟执行一次        Trigger trigger = TriggerBuilder                .newTrigger()                .withIdentity("trigger1", "group3")                .withSchedule(                        SimpleScheduleBuilder.simpleSchedule()                                .withIntervalInSeconds(3).repeatForever())                .build();
        Scheduler scheduler = new StdSchedulerFactory().getScheduler();        // 将任务及其触发器放入调度器        scheduler.scheduleJob(jobDetail, trigger);        // 调度器开始调度任务        scheduler.start();    }}

运行代码,可发现每隔3秒,输出如下

要去数据库扫描啦。。。

 

优缺点

优点:简单易行,支持集群操作

缺点:

(1)对服务器内存消耗大

(2)存在延迟,比如你每隔3分钟扫描一次,那最坏的延迟时间就是3分钟

(3)假设你的订单有几千万条,每隔几分钟这样扫描一次,数据库损耗极大

(2)JDK的延迟队列

思路

该方案是利用JDK自带的DelayQueue来实现,这是一个无界阻塞队列,该队列只有在延迟期满的时候才能从中获取元素,放入DelayQueue中的对象,是必须实现Delayed接口的。

DelayedQueue实现工作流程如下图所示

图片

  • Poll():获取并移除队列的超时元素,没有则返回空

  • take():获取并移除队列的超时元素,如果没有则wait当前线程,直到有元素满足超时条件,返回结果。

实现

定义一个类OrderDelay实现Delayed,代码如下

public class OrderDelay implements Delayed {    private String orderId;    private long timeout;
    OrderDelay(String orderId, long timeout) {        this.orderId = orderId;        this.timeout = timeout + System.nanoTime();    }
    public int compareTo(Delayed other) {
        if (other == this)            return 0;
        OrderDelay t = (OrderDelay) other;        long d = (getDelay(TimeUnit.NANOSECONDS) - t                .getDelay(TimeUnit.NANOSECONDS));
        return (d == 0) ? 0 : ((d < 0) ? -1 : 1);    }
    // 返回距离你自定义的超时时间还有多少    public long getDelay(TimeUnit unit) {        return unit.convert(timeout - System.nanoTime(),TimeUnit.NANOSECONDS);    }
    void print() {        System.out.println(orderId+"编号的订单要删除啦。。。。");    }}

运行的测试Demo为,我们设定延迟时间为3秒

public class DelayQueueDemo {     public static void main(String[] args) {              List<String> list = new ArrayList<String>();              list.add("00000001");              list.add("00000002");              list.add("00000003");              list.add("00000004");              list.add("00000005");  
            DelayQueue<OrderDelay> queue = newDelayQueue<OrderDelay>();  
            long start = System.currentTimeMillis();              for(int i = 0;i<5;i++){  
                //延迟三秒取出                queue.put(new OrderDelay(list.get(i),                          TimeUnit.NANOSECONDS.convert(3,TimeUnit.SECONDS)));                      try {                           queue.take().print();                           System.out.println("After " +                                   (System.currentTimeMillis()-start) + " MilliSeconds");                  } catch (InterruptedException e) {}              }          }  }

输出如下

00000001编号的订单要删除啦。。。。After 3003 MilliSeconds00000002编号的订单要删除啦。。。。After 6006 MilliSeconds00000003编号的订单要删除啦。。。。After 9006 MilliSeconds00000004编号的订单要删除啦。。。。After 12008 MilliSeconds00000005编号的订单要删除啦。。。。After 15009 MilliSeconds

可以看到都是延迟3秒,订单被删除

优缺点

优点:效率高,任务触发时间延迟低。

缺点:

(1)服务器重启后,数据全部消失,怕宕机

(2)集群扩展相当麻烦

(3)因为内存条件限制的原因,比如下单未付款的订单数太多,那么很容易就出现

OOM异常

(4)代码复杂度较高

(3)时间轮算法

思路

先上一张时间轮的图(这图到处都是啦)

图片

时间轮算法可以类比于时钟,如上图箭头(指针)按某一个方向按固定频率轮动,每一次跳动称为一个 tick。

这样可以看出定时轮由个3个重要的属性参数

  • ticksPerWheel(一轮的tick数)

  • tickDuration(一个tick的持续时间)

  • timeUnit(时间单位)

例如当ticksPerWheel=60,tickDuration=1,timeUnit=秒,这就和现实中的始终的秒针走动完全类似了。

如果当前指针指在1上面,我有一个任务需要4秒以后执行,那么这个执行的线程回调或者消息将会被放在5上。那如果需要在20秒之后执行怎么办,由于这个环形结构槽数只到8,如果要20秒,指针需要多转2圈。位置是在2圈之后的5上面(20 % 8 + 1)

实现

我们用Netty的HashedWheelTimer来实现

给Pom加上下面的依赖

<dependency>    <groupId>io.netty</groupId>    <artifactId>netty-all</artifactId>    <version>4.1.24.Final</version></dependency>

测试代码HashedWheelTimerTest如下所示

public class HashedWheelTimerTest {    static class MyTimerTask implements TimerTask{        boolean flag;        public MyTimerTask(boolean flag){            this.flag = flag;        }
        public void run(Timeout timeout) throws Exception {             System.out.println("要去数据库删除订单了。。。。");             this.flag =false;        }    }
    public static void main(String[] argv) {        MyTimerTask timerTask = new MyTimerTask(true);        Timer timer = new HashedWheelTimer();        timer.newTimeout(timerTask, 5, TimeUnit.SECONDS);
        int i = 1;        while(timerTask.flag){            try {                Thread.sleep(1000);            } catch (InterruptedException e) {                e.printStackTrace();            }
            System.out.println(i+"秒过去了");            i++;        }    }}

输出如下

1秒过去了2秒过去了3秒过去了4秒过去了5秒过去了要去数据库删除订单了。。。。6秒过去了

优缺点

优点:效率高,任务触发时间延迟时间比delayQueue低,代码复杂度比delayQueue低。

缺点:

(1)服务器重启后,数据全部消失,怕宕机

(2)集群扩展相当麻烦

(3)因为内存条件限制的原因,比如下单未付款的订单数太多,那么很容易就出现OOM异常

(4)redis缓存

思路一

利用redis的zset,zset是一个有序集合,每一个元素(member)都关联了一个score,通过score排序来取集合中的值

  • 添加元素:ZADD key score member [[score member] [score member] …]

  • 按顺序查询元素:ZRANGE key start stop [WITHSCORES]

  • 查询元素score:ZSCORE key member

  • 移除元素:ZREM key member [member …]

测试如下

添加单个元素redis> ZADD page_rank 10 google.com(integer) 1
添加多个元素redis> ZADD page_rank 9 baidu.com 8 bing.com(integer) 2
redis> ZRANGE page_rank 0 -1 WITHSCORES1) "bing.com"2) "8"3) "baidu.com"4) "9"5) "google.com"6) "10"
查询元素的score值redis> ZSCORE page_rank bing.com"8"
移除单个元素redis> ZREM page_rank google.com(integer) 1
redis> ZRANGE page_rank 0 -1 WITHSCORES1) "bing.com"2) "8"3) "baidu.com"4) "9"

那么如何实现呢?我们将订单超时时间戳与订单号分别设置为score和member,系统扫描第一个元素判断是否超时,具体如下图所示

图片

实现一

public class AppTest {    private static final String ADDR = "127.0.0.1";    private static final int PORT = 6379;    private static JedisPool jedisPool = new JedisPool(ADDR, PORT);
    public static Jedis getJedis() {       return jedisPool.getResource();    }
    //生产者,生成5个订单放进去    public void productionDelayMessage(){        for(int i=0;i<5;i++){
            //延迟3秒            Calendar cal1 = Calendar.getInstance();            cal1.add(Calendar.SECOND, 3);            int second3later = (int) (cal1.getTimeInMillis() / 1000);            AppTest.getJedis().zadd("OrderId",second3later,"OID0000001"+i);            System.out.println(System.currentTimeMillis()+"ms:redis生成了一个订单任务:订单ID为"+"OID0000001"+i);        }    }
    //消费者,取订单    public void consumerDelayMessage(){        Jedis jedis = AppTest.getJedis();        while(true){            Set<Tuple> items = jedis.zrangeWithScores("OrderId", 0, 1);            if(items == null || items.isEmpty()){                System.out.println("当前没有等待的任务");                try {                    Thread.sleep(500);                } catch (InterruptedException e) {                    e.printStackTrace();                }
                continue;            }
            int  score = (int) ((Tuple)items.toArray()[0]).getScore();            Calendar cal = Calendar.getInstance();            int nowSecond = (int) (cal.getTimeInMillis() / 1000);
            if(nowSecond >= score){                String orderId = ((Tuple)items.toArray()[0]).getElement();                jedis.zrem("OrderId", orderId);                System.out.println(System.currentTimeMillis() +"ms:redis消费了一个任务:消费的订单OrderId为"+orderId);            }        }    }
    public static void main(String[] args) {        AppTest appTest =new AppTest();        appTest.productionDelayMessage();        appTest.consumerDelayMessage();    }}

此时对应输出如下

图片

可以看到,几乎都是3秒之后,消费订单。

然而,这一版存在一个致命的硬伤,在高并发条件下,多消费者会取到同一个订单号,我们上测试代码ThreadTest

public class ThreadTest {    private static final int threadNum = 10;    private static CountDownLatch cdl = newCountDownLatch(threadNum);
    static class DelayMessage implements Runnable{        public void run() {            try {                cdl.await();            } catch (InterruptedException e) {                e.printStackTrace();            }
            AppTest appTest =new AppTest();            appTest.consumerDelayMessage();        }    }
    public static void main(String[] args) {        AppTest appTest =new AppTest();        appTest.productionDelayMessage();
        for(int i=0;i<threadNum;i++){            new Thread(new DelayMessage()).start();            cdl.countDown();        }    }}`

输出如下所示

图片

显然,出现了多个线程消费同一个资源的情况。

解决方案

(1)用分布式锁,但是用分布式锁,性能下降了,该方案不细说。

(2)对ZREM的返回值进行判断,只有大于0的时候,才消费数据,于是将consumerDelayMessage()方法里的

if(nowSecond >= score){    String orderId = ((Tuple)items.toArray()[0]).getElement();    jedis.zrem("OrderId", orderId);    System.out.println(System.currentTimeMillis()+"ms:redis消费了一个任务:消费的订单OrderId为"+orderId);}

修改为

if(nowSecond >= score){    String orderId = ((Tuple)items.toArray()[0]).getElement();    Long num = jedis.zrem("OrderId", orderId);    if( num != null && num>0){        System.out.println(System.currentTimeMillis()+"ms:redis消费了一个任务:消费的订单OrderId为"+orderId);    }}

在这种修改后,重新运行ThreadTest类,发现输出正常了

思路二

该方案使用redis的Keyspace Notifications,中文翻译就是键空间机制,就是利用该机制可以在key失效之后,提供一个回调,实际上是redis会给客户端发送一个消息。是需要redis版本2.8以上。

实现二

在redis.conf中,加入一条配置

notify-keyspace-events Ex

运行代码如下

public class RedisTest {    private static final String ADDR = "127.0.0.1";    private static final int PORT = 6379;
    private static JedisPool jedis = new JedisPool(ADDR, PORT);    private static RedisSub sub = new RedisSub();
    public static void init() {        new Thread(new Runnable() {            public void run() {                jedis.getResource().subscribe(sub, "__keyevent@0__:expired");            }        }).start();    }
    public static void main(String[] args) throws InterruptedException {        init();
        for(int i =0;i<10;i++){            String orderId = "OID000000"+i;            jedis.getResource().setex(orderId, 3, orderId);            System.out.println(System.currentTimeMillis()+"ms:"+orderId+"订单生成");        }    }
    static class RedisSub extends JedisPubSub {        public void onMessage(String channel, String message) {            System.out.println(System.currentTimeMillis()+"ms:"+message+"订单取消");        }    }}

输出如下

图片

可以明显看到3秒过后,订单取消了

ps:redis的pub/sub机制存在一个硬伤,官网内容如下

Because Redis Pub/Sub is fire and forget currently there is no way to use this feature if your application demands reliable notification of events, that is, if your Pub/Sub client disconnects, and reconnects later, all the events delivered during the time the client was disconnected are lost.

翻译: Redis的发布/订阅目前是即发即弃(fire and forget)模式的,因此无法实现事件的可靠通知。也就是说,如果发布/订阅的客户端断链之后又重连,则在客户端断链期间的所有事件都丢失了。

因此,方案二不是太推荐。当然,如果你对可靠性要求不高,可以使用。

优缺点

优点:

(1)由于使用Redis作为消息通道,消息都存储在Redis中。如果发送程序或者任务处理程序挂了,重启之后,还有重新处理数据的可能性。

(2)做集群扩展相当方便

(3)时间准确度高

缺点:

(1)需要额外进行redis维护

(5)使用消息队列

我们可以采用rabbitMQ的延时队列。RabbitMQ具有以下两个特性,可以实现延迟队列

RabbitMQ可以针对Queue和Message设置 x-message-tt,来控制消息的生存时间,如果超时,则消息变为dead letter

lRabbitMQ的Queue可以配置x-dead-letter-exchange 和x-dead-letter-routing-key(可选)两个参数,用来控制队列内出现了deadletter,则按照这两个参数重新路由。

结合以上两个特性,就可以模拟出延迟消息的功能,具体的,我改天再写一篇文章,这里再讲下去,篇幅太长。

优缺点

优点: 

高效,可以利用rabbitmq的分布式特性轻易的进行横向扩展,消息支持持久化增加了可靠性。

缺点:

本身的易用度要依赖于rabbitMq的运维.因为要引用rabbitMq,所以复杂度和成本变高

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/729988.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

论文翻译:一种基于强化学习的车辆队列控制策略,用于减少交通振荡中的能量消耗

A Reinforcement Learning-Based Vehicle Platoon Control Strategy for Reducing Energy Consumption in Traffic Oscillations 一种基于强化学习的车辆队列控制策略&#xff0c;用于减少交通振荡中的能量消耗 文章目录 A Reinforcement Learning-Based Vehicle Platoon Cont…

QT中的信号和槽

信号和槽概述 在 Qt 中&#xff0c;用户和控件的每次交互过程称为⼀个事件。比如 “用户点击按钮” 是⼀个事件&#xff0c;“用户关闭窗口” 也是⼀个事件。每个事件都会发出⼀个信号&#xff0c;例如用户点击按钮会发出 “按钮被点击” 的信号&#xff0c;用户关闭窗口会发出…

突破编程_前端_JS编程实例(自适应表格列宽)

1 开发目标 针对如下的表格组件&#xff1a; 根据表格的各个列字符串宽度动态调整表格列宽&#xff1a; 2 详细需求 本组件目标是提供一个自动调整 HTML 表格列宽的解决方案&#xff0c;通过 JS 实现动态计算并调整表格每列的宽度&#xff0c;以使得表格能够自适应容器宽度&a…

微信作为私域营销的载体有哪些优势?

私域流量的本质就是&#xff1a; 降低我的获客成本&#xff0c;提高我产品服务的复购率&#xff0c;增加我和用户之间的粘性&#xff0c;挖掘用户的终身价值。 私域流量的优势&#xff1a; 1、更精准&#xff1b; 2、节约成本&#xff0c;减少广告成本&#xff1b; 3、有利于品…

LCR 179. 查找总价格为目标值的两个商品 - 力扣

1. 题目 购物车内的商品价格按照升序记录于数组 price。请在购物车中找到两个商品的价格总和刚好是 target。若存在多种情况&#xff0c;返回任一结果即可。 2. 示例 3. 分析 我们首先想到暴力解法&#xff0c;这道题目的暴力还是比较简单的&#xff0c;列举每个数的情况即可…

C/C++的内存管理与初阶模板

引言 我们在学习C的时候&#xff0c;会经常在堆上申请空间&#xff0c;所以这个时候就体现了内存管理遍历。 图下是我们常见的计算机的内存划分&#xff1a; 我也在图下对部分变量存在的位置&#xff0c;及时标注。(如果有任何问题可以联系博主修改&#xff0c;感谢大家。) 那…

智慧油气场站:油气行业实现数字化转型的关键一步

智慧油气场站&#xff1a;油气行业实现数字化转型的关键一步 在现代社会&#xff0c;能源供应是国家经济发展和人民生活的重要保障。而油气场站作为能源的重要供应和储存基地&#xff0c;扮演着至关重要的角色。此外&#xff0c;油气场站还可以为石油和天然气的生产提供支持。…

Docker安装主从数据库

我自己的主数据库名字 user_muster 密码是123456 从数据库 就是slave2 名字是root 密码是123456 首先开启docker后直接执行命令 docker run -d \ -p 3307:3306 \ -v /xk857/mysql/master/conf:/etc/mysql/conf.d \ -v /xk857/mysql/master/data:/var/lib/mysql \ -e MYSQL_…

【随笔】程序员的金三银四求职宝典,每个人都有最合适自己的求职宝典

大家好&#xff0c;我是全栈小5&#xff0c;欢迎阅读文章&#xff01; 此篇是【话题达人】系列文章&#xff0c;这一次的话题是《程序员的金三银四求职宝典》 目录 背景能力流程图求职宝典就业数据人数曲线图增长率柱状图 其他建议文章推荐 背景 随着春天的脚步渐近&#xff0…

【JavaEE初阶】 关于JVM垃圾回收

文章目录 &#x1f343;前言&#x1f38b;死亡对象的判断算法&#x1f6a9;引用计数算法&#x1f6a9;可达性分析算法 &#x1f333;垃圾回收算法&#x1f6a9;标记-清除算法&#x1f6a9;复制算法&#x1f6a9;标记-整理算法&#x1f6a9;分代算法&#x1f388;哪些对象会进入…

Redis与 Memcache区别

Redis与 Memcache区别 1 , Redis 和 Memcache 都是将数据存放在内存中&#xff0c;都是内存数据库。不过 Memcache 还可用于缓存 其他东西&#xff0c;例如图片、视频等等。 2 , Memcache 仅支持key-value结构的数据类型&#xff0c;Redis不仅仅支持简单的key-value类型的数据&…

STM32 | Proteus 8.6安装步骤(图文并茂)

01 Proteus 8.6 简介 Proteus 8.6 是一款功能强大的电子设计自动化软件&#xff0c;广泛用于电路设计、仿真和PCB布局。它为电子工程师和学生提供了一个全面的工具集&#xff0c;用于设计和验证各种电路和电子设备。Proteus 8.6 包括了以下几个主要特性&#xff1a; 1. 电路设…

力扣404. 左叶子之和(java)

//当前节点的左子树不为空 且是叶子节点 root.left ! null &&root.left.leftnull && root.left.rightnull/*** Definition for a binary tree node.* public class TreeNode {* int val;* TreeNode left;* TreeNode right;* TreeNode() {}* …

git分布式管理-头歌实验搭建Git服务器

一、Git服务器搭建 任务描述 虽然有提供托管代码服务的公共平台&#xff0c;但是对一部分开发团队来说&#xff0c;为了不泄露项目源代码、节省费用及为项目提供更好的安全保护&#xff0c;往往需要搭建私有Git服务器用做远程仓库。Git服务器为团队的开发者们&#xff0c;提供了…

洛谷 P8816 [CSP-J 2022] 上升点列(T4)

目录 题目传送门 算法解析 最终代码 提交结果 尾声 题目传送门 [CSP-J 2022] 上升点列 - 洛谷https://www.luogu.com.cn/problem/P8816 算法解析 k 0 且 xi, yi 值域不大时&#xff0c;这题是非常简单的 DP&#xff0c;类似「数字三角形」。 记 dp(x,y) 为「以 (x,y) …

tomcat基础介绍

目录 一、Tomcat的基本介绍 1、Tomcat是什么&#xff1f; 2、Tomcat的配置文件详解 3、Tomcat的构成组件 6、Tomcat的请求过程 一、Tomcat的基本介绍 1、Tomcat是什么&#xff1f; Tomcat 服务器是一个免费的开放源代码的Web 应用服务器&#xff0c;属于轻量级应用服务器…

植物病虫害:YOLO玉米病虫害识别数据集

玉米病虫害识别数据集&#xff1a;玉米枯萎病&#xff0c;玉米灰斑病&#xff0c;玉米锈病叶&#xff0c;粘虫幼虫&#xff0c;玉米条斑病&#xff0c;黄二化螟&#xff0c;黄二化螟幼虫7类&#xff0c;yolo标注完整&#xff0c;3900多张图像&#xff0c;全部原始数据&#xff…

二、TensorFlow结构分析(4)

TF数据流图图与TensorBoard会话张量Tensor变量OP高级API 目录 1、变量 2、高级API 1、变量 2、高级API

RFID技术进阶:频段选择的艺术与科学

RFID技术进阶&#xff1a;频段选择的艺术与科学 在数字化、自动化的浪潮中&#xff0c;RFID&#xff08;无线射频识别&#xff09;技术以其独特的优势&#xff0c;逐渐在多个领域占据了一席之地。RFID&#xff08;Radio Frequency Identification&#xff09;&#xff0c;即无…

24/03/07总结

esayx: 贪吃蛇: #include "iostream" #include "cmath" #include "conio.h" #include "easyx.h" #include "time.h" #define NODE_WIDTH 40 using namespace std; typedef struct {int x;int y; }node; enum direction /…