当前位置:   article > 正文

订单付款倒计时实现方案_订单倒计时 数据库怎么做

订单倒计时 数据库怎么做

更多内容,移步IT-BLOG

当使用 12306 抢票成功后,就会进入付款界面,这个时候就会出现一个订单倒计时,下面我们就对付款倒计时的功能实现,进行深入学习和介绍,界面展示如下:

 如何实现付款及时呢,首先用户下单后,存储用户的下单时间。下面介绍四种系统自动取消订单的方案:

一、DelayQueue 延时无界阻塞队列


我们的第一反应是用 数据库轮序+任务调度 来实现此功能。但这种高效率的延迟任务用任务调度(定时器)实现就得不偿失。而且对系统也是一种压力且数据库消耗极大。因此我们使用 Java 延迟队列 DelayQueue 来实现,DelayQueue 是一个无界的延时阻塞队列(BlockingQueue),用于存放实现了 Delayed 接口的对象,队列中的对象只能在其到期时才能从队列中取走。这种队列是有序的,既队头对象的延迟到期时间最长。

  1. //加入delayQueue的对象,必须实现Delayed接口,同时实现如下:compareTo和GetDelay方法
  2. static class DelayItem implements Delayed{
  3. //过期时间(单位:分钟)
  4. private long expTime;
  5. private String orderCode;
  6. public DelayItem(String orderCode,long expTime,Date createTime) {
  7. super();
  8. this.orderCode=orderCode;
  9. this.expTime=TimeUnit.MILLISECONDS.convert(expTime, TimeUnit.MINUTES)+createTime.getTime();
  10. }
  11. /**
  12. * 用于延迟队列内部比较排序,当前时间的延迟时间 - 比较对象的延迟时间
  13. */
  14. @Override
  15. public int compareTo(Delayed o) {
  16. return Long.valueOf(this.expTime).compareTo(Long.valueOf(((DelayItem)o).expTime));
  17. }
  18. /**
  19. * 获得延迟时间,过期时间-当前时间(单位ms)
  20. */
  21. @Override
  22. public long getDelay(TimeUnit unit) {
  23. return this.expTime-System.currentTimeMillis();
  24. }
  25. }

将未付款的订单都 add 到延迟队列中,并通过线程池启动多个线程不断获取延迟队列的内容,获取到后进行状态的修改,进行业务逻辑处理。具体代码如下:

  1. public class DelayQueueTest implements Runnable{
  2. //创建一个延迟队列
  3. private DelayQueue<Delayed> item = new DelayQueue<>();
  4. @Override
  5. public void run() {
  6. while(true) {
  7. try {
  8. //只有当到期了才会获取到此对象
  9. DelayItem delayed = (DelayItem) item.take();
  10. //获取到之后修改状态
  11. } catch (InterruptedException e) {
  12. e.printStackTrace();
  13. }
  14. }
  15. }
  16. //添加数据调用的方法
  17. public void orderTimer(DelayItem delayItem) {
  18. //向队列汇总添加数据
  19. item.add(delayItem);
  20. }
  21. public static void main(String[] args) {
  22. //创建一个线程池
  23. ExecutorService executor = Executors.newCachedThreadPool();
  24. //多线程执行程序
  25. executor.execute(new DelayQueueTest());
  26. }
  27. }

这种方案的缺点【1】代码复杂度较高,大量消息堆积,性能不能保证,且很容易触发OOM。
【2】需要考虑分布式的实现、存在单点故障。

二、环形队列


58同城架构沈剑提供一种基于时间轮的环形队列算法,在他的分享中,一个高效延时消息,包含两个重要的数据结构:
【1】环形队列,例如可以创建一个包含3600个 slot 的环形队列(本质是个数组)
【2】任务集合,环上每一个 slot 是一个 Set<Task>
同时,启动一个 timer ,这个 timer 每隔一秒,在上述环形队列中移动一格,有一个 Current Index 指针来标识正在检测的 slot。环形队列分为 3600 个长度,每秒移动一格,移动 3600 秒正好一个小时。比如一个任务需要在60秒后执行,那这个任务应该放在那个槽位的集合里呢?假设当前指针移动到 slot 的位置为2,那么60秒后的槽位就是62,所以数据应该放在索引为 62 的那个槽位圈数为0。如果这个任务要70分钟,70*60+2=4202,4202-3600=602,减了一次3600,所以应该放在第二圈的602槽位,既放在队列索引为602槽位的集合,且圈数为1,代表运行一圈后才执行这个任务。
这种方案效率高,任务触发时间延迟时间比 delayQueue 低,代码复杂度 delayQueue 低,但没有公开源码,不过通过次思路可以实现次组件,当然缺点和 delayQueue 相同。

三、使用 Redis 实现


通过 Redis ZSet 类型及操作命令实现一个延迟队列,用时间戳(当前时间+延迟的分钟数)作为元素的 score 存入ZSet。只需获取 zset中的第一条记录,即最早时间下单数据,如果该记录未超时支付,剩下的订单必然未超时。

  1. public class DelayQueueComponent {
  2. private final static String delayQueueKey = "delay:queue";
  3. @Autowired
  4. private RedisService redisService;
  5. // 将延迟对象推送至队列中
  6. public void add(Object obj, long seconds) {
  7. this.redisService.zadd(delayQueueKey, obj, getDelayTimeMills(seconds));
  8. }
  9. public void startMonitor() {
  10. Runnable runnable = new Runnable() {
  11. @Override
  12. public void run() {
  13. monitorQueue();
  14. }
  15. };
  16. System.out.println("start monitor delay queue.");
  17. new Thread(runnable).start();
  18. System.out.println("finish start monitor delay queue.");
  19. }
  20. private void monitorQueue() {
  21. while(true) {
  22. if(lock()) {
  23. //从延迟队列中拿一个最旧的
  24. TypedTuple<Object> tuple = this.redisService.zrangeFirst(delayQueueKey);
  25. // isCanPush 判断是否延迟
  26. if(isCanPush(tuple)) {
  27. //删除掉处理的延迟消息
  28. this.redisService.zremFirst(delayQueueKey);
  29. //释放锁
  30. releaseLock();
  31. }else {
  32. releaseLock();
  33. }
  34. }
  35. sleep();
  36. }
  37. }
  38. // 是否可推送
  39. private boolean isCanPush(TypedTuple<Object> tuple) {
  40. if(tuple == null) {
  41. return false;
  42. }
  43. long currentTimeMills = System.currentTimeMillis();
  44. //当前时间小于延迟时间时,获取对象进行业务逻辑处理
  45. if(currentTimeMills >= tuple.getScore()) {
  46. return true;
  47. }
  48. return false;
  49. }
  50. }

这种方案的缺点:【1】消息处理失败,不能恢复处理。
【2】数据量大时,zset 性能有问题,多定义几个 zset,增加了内存和定时器去读的复杂度。

四、RabbitMQ 实现


利用 RabbitMQ做延时队列是比较常见的一种方式,而实际上 RabbitMQ自身并没有直接支持提供延迟队列功能,而是通过 RabbitMQ 消息队列TTLDLX这两个属性间接实现的。

Time To Live(TTL):消息的存活时间,RabbitMQ可以通过 x-message-tt参数来设置指定Queue(队列)和 Message(消息)上消息的存活时间,它的值是一个非负整数,单位为微秒

RabbitMQ 可以从两种维度设置消息过期时间,分别是队列和消息本身:
【1】设置队列过期时间,那么队列中所有消息都具有相同的过期时间。
【2】设置消息过期时间,对队列中的某一条消息设置过期时间,每条消息TTL都可以不同。
如果同时设置队列和队列中消息的TTL,则TTL值以两者中较小的值为准。而队列中的消息存在队列中的时间,一旦超过TTL过期时间则成为Dead Letter(死信)。

队列出现 Dead Letter的情况有:
【1】消息或者队列的TTL过期;
【2】队列达到最大长度;
【3】消息被消费端拒绝(basic.reject or basic.nack);

应用场景:一般应用在当正常业务处理时出现异常时,将消息拒绝则会进入到死信队列中,有助于统计异常数据并做后续处理;重试队列在重试16次(默认次数)将消息放入死信队列。利用 RabbitMQ 的死信队列(Dead-Letter-Exchage)机制实现,在 queueDeclare 方法中加入 “x-dead-letter-exchage”实现:

RabbitMQ的 Queue可以配置 x-dead-letter-exchange 和 x-dead-letter-routing-key(可选)两个参数,如果队列内出现了dead letter,则按照这两个参数重新路由转发到指定的队列。
x-dead-letter-exchage:过期消息路由转发(转发器类型)
x-dead-letter-routing-key:当消息达到过期时间由该 exchange 安装配置的 x-dead-letter-routing-key 转发到指定队列,最后被消费者消费

下边结合一张图看看如何实现超30分钟未支付关单功能,我们将订单消息A0001发送到延迟队列order.delay.queue,并设置x-message-tt消息存活时间为30分钟,当到达30分钟后订单消息A0001成为了Dead Letter(死信),延迟队列检测到有死信,通过配置x-dead-letter-exchange,将死信重新转发到能正常消费的队列,直接监听队列处理关闭订单逻辑即可。 

我们需要两个队列,一个用来做主队列,真正的投递消息;另一个用来延迟处理消息。

  1. channel.queueDeclare("MAIN_QUEUE",true,false,false,null);
  2. channel.queueBind("MAIN_QUEUE","amq.direct","MAIN_QUEUE");
  3. HashMap<String,Object> arguments = new HashMap<String,Object>();
  4. arguments.put("x-dead-letter-exchange","amq.direct");
  5. arguments.put("x-dead-letter-routing-key","MAIN_QUEUE");
  6. channel.queueDeclare("DELAY_QUEUE",true,false,false,arguments);

放入延迟消息(DeliveryMode 等于 2 说明这个消息是 persistent 的):

  1. AMQP.BasicProperties.Builder builder = new AMQP.BasicProperties.Builder();
  2. AMQP.BasicProperties properties = builder.expiration(
  3. String.valueOf(task.getDelayMillis())).deliveryMode(2).build();
  4. channel.basicPublish("","DELAY_QUEUE",properties,SerializationUtils.serialize(task));

这种方案的缺点:【1】笔者之前做 MQ 性能测试时,在公司的服务器上单机 TPS 接近 3W,如果是中小型企业级应用基本满足。但如果大量的消息积压得不到投递,性能仍然是个问题。
【2】依赖于 RabbitMQ 的运维,复杂度和成本提高。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/IT小白/article/detail/451932
推荐阅读
相关标签
  

闽ICP备14008679号