RabbitMQ实践——Stream队列的使用方法

大纲

什么是Stream队列
创建Stream
发布消息
消费
- 从第一条消息开始读取
- 从最后一条消息开始读取
- 从某个时间戳开始读取
- 从某个偏移量开始读取
样例
长度控制
- 长度控制
- 时间控制
- 服务端筛选消息
- - 发布方设定过滤值
  - 消费方设置服务端过滤，且要二次过滤
工程代码
参考资料

在《RabbitMQ实践——搭建多人聊天服务》一文中，我们使用Stream队列存储了聊天室记录。但是每个进入聊天室的人不能读取历史消息，只能读取当前时间之后的消息。这是因为我们对读取逻辑做了特殊设置。本文我们将全面介绍Stream队列的使用。

什么是Stream队列

Stream队列保存了发布到其上所有未过期（时间或Size判断）的消息。消费者只可以读取该队列，但是不能让队列将已读消息删除。这样就可以保证相同配置的消费者可以读取到相同的消息。
鉴于它保留了未过期消息，所以非常适合需要读取历史消息的场景。
鉴于消费者不能让其删除已读消息，所以对于需要“扇出”大量相同消息的场景，可以使用一个Stream来替代Fanout交换器绑定多个相同消息队列的方案。这样即可以降低系统设计的复杂度，也会提升Rabbitmq服务效率。
在这里插入图片描述

创建Stream

下面代码会创建一个Stream。

action.queueDeclare(roomName, true, false, false,Collections.singletonMap("x-queue-type", "stream"));

需要注意的是：

durable（第二个参数）只能设置为true。
exclusive（第三个参数）只能设置为false
autoDelete（第四个参数）只能设置为false。
下面完整代码，除了创建了Stream，还创建了交换器以及它们之间的绑定。

    private void createChatRoom(String roomName) {rabbitTemplate.execute(action -> {action.exchangeDeclare(roomName, "fanout", false, true, null);action.queueDeclare(roomName, true, false, false,Collections.singletonMap("x-queue-type", "stream"));action.queueBind(roomName, roomName, "");return null;});}

发布消息

发布消息没什么特别，直接给交换器发送消息即可。

rabbitTemplate.send(roomName, "", msg);

消费

由于Stream中保存了所有未超时的消息，所以存在一个起始读取位置的问题。
还有两个比较特殊的情况需要注意：

不可以“自动应答”，即AutoACK只能是false。所以我们要对每条消息手工ack。
必须指定Qos。因为消费者需要手工应答，所以需要设置一个配额，这样可以保证过慢的服务减少获取消息，从而让服务分发消息更加合理。

一般常见的模式如下：

从第一条消息开始读取

“x-stream-offset"设置为"first”，就是从第一条消息开始读取。

channel.basicQos(100);
channel.basicConsume(roomName, false, username,false, true,Collections.singletonMap("x-stream-offset", "first"),(consumerTag, message) -> {// Your codechannel.basicAck(message.getEnvelope().getDeliveryTag(), false);},consumerTag -> { });

从最后一条消息开始读取

“x-stream-offset"设置为"last”，就是从第一条消息开始读取。

channel.basicQos(100);
channel.basicConsume(roomName, false, username,false, true,Collections.singletonMap("x-stream-offset", "last"),(consumerTag, message) -> {// Your codechannel.basicAck(message.getEnvelope().getDeliveryTag(), false);},consumerTag -> { });

从某个时间戳开始读取

Date timestamp = new Date(System.currentTimeMillis() - 60 * 60 * 1_000)
channel.basicQos(100);
channel.basicConsume(roomName, false, username,false, true,Collections.singletonMap("x-stream-offset", "last"),(consumerTag, message) -> {// Your codechannel.basicAck(message.getEnvelope().getDeliveryTag(), false);},consumerTag -> { });

从某个偏移量开始读取

channel.basicQos(100);
channel.basicConsume(roomName, false, username,false, true,Collections.singletonMap("x-stream-offset", offset),(consumerTag, message) -> {emitter.next(new String(message.getBody()));channel.basicAck(message.getEnvelope().getDeliveryTag(), false);},consumerTag -> { });

样例

延续《RabbitMQ实践——搭建多人聊天服务》的案例，上面几个场景的读取代码如下：

    public Flux<String> getMessageFromFirst(String username, String roomName) {return Flux.create(emitter -> {rabbitTemplate.execute((ChannelCallback<Void>) channel -> {channel.basicQos(100);channel.basicConsume(roomName, false, username,false, true,Collections.singletonMap("x-stream-offset", "first"),(consumerTag, message) -> {emitter.next(new String(message.getBody()));channel.basicAck(message.getEnvelope().getDeliveryTag(), false);},consumerTag -> { });return null;});});}public Flux<String> getMessageFromLast(String username, String roomName) {return Flux.create(emitter -> {rabbitTemplate.execute((ChannelCallback<Void>) channel -> {channel.basicQos(100);channel.basicConsume(roomName, false, username,false, true,Collections.singletonMap("x-stream-offset", "last"),(consumerTag, message) -> {emitter.next(new String(message.getBody()));channel.basicAck(message.getEnvelope().getDeliveryTag(), false);},consumerTag -> { });return null;});});}public Flux<String> getMessageFromTimestamp(String username, String roomName, Date timestamp) {return Flux.create(emitter -> {rabbitTemplate.execute((ChannelCallback<Void>) channel -> {channel.basicQos(100);channel.basicConsume(roomName, false, username,false, true,Collections.singletonMap("x-stream-offset", timestamp),(consumerTag, message) -> {emitter.next(new String(message.getBody()));channel.basicAck(message.getEnvelope().getDeliveryTag(), false);},consumerTag -> { });return null;});});}public Flux<String> getMessageFromOffset(String username, String roomName, long offset) {return Flux.create(emitter -> {rabbitTemplate.execute((ChannelCallback<Void>) channel -> {channel.basicQos(100);channel.basicConsume(roomName, false, username,false, true,Collections.singletonMap("x-stream-offset", offset),(consumerTag, message) -> {emitter.next(new String(message.getBody()));channel.basicAck(message.getEnvelope().getDeliveryTag(), false);},consumerTag -> { });return null;});});}

长度控制

由于Stream并不会因为消费者而删除消息，导致其保存的消息数量一直在增加。所以需要通过一定的策略控制其大小。

长度控制

在创建Stream时，我们可以通过x-max-length-bytes设置其最大Size。这样如果Stream内容达到这个Size，最早的消息就会被Stream淘汰掉。

Map<String, Object> args = new HashMap<>();
args.put("x-max-length-bytes", maxSize);
args.put("x-queue-type", "stream");
action.queueDeclare(roomName, true, false, false, args);

时间控制

在创建Stream时，我们可以通过x-max-age设置消息的最长生命周期。超过这个时长的消息会被淘汰。它的取值可以是如下单位：Y, M, D, h, m, s。比如“1m”表示一分钟。

Map<String, Object> args = new HashMap<>();
args.put("x-max-age", ttl);
args.put("x-queue-type", "stream");
action.queueDeclare(roomName, true, false, false, args);

服务端筛选消息

如果消费者并不关系Stream中所有消息，它可以通过"x-stream-filter"来做过滤。这个过滤会发生在服务端，这样可以大大减轻消费者和服务端的压力。但是需要注意的是，服务端的过滤使用的是布隆过滤器，所以发送到消费者端的消息会包含不符合条件的消息，所以消费端需要做二次校验才可以使用。

发布方设定过滤值

channel.basicPublish("", // default exchange"my-stream",new AMQP.BasicProperties.Builder().headers(Collections.singletonMap("x-stream-filter-value", "california" // set filter value)).build(),body
);

消费方设置服务端过滤，且要二次过滤

channel.basicQos(100); // QoS must be specified
channel.basicConsume("my-stream",false,Collections.singletonMap("x-stream-filter", "california"), // set filter(consumerTag, message) -> {Map<String, Object> headers = message.getProperties().getHeaders();// there must be some client-side filter logicif ("california".equals(headers.get("x-stream-filter-value"))) {// message processing// ...}channel.basicAck(message.getEnvelope().getDeliveryTag(), false); // ack is required},consumerTag -> { });