用 redis 的 list 数据结构作为轻量级的消息队列，对于小系统确实是小而美，可控能力强。当然与 kafka 相比它还有很多缺陷。
1. 测试机器
机器配置：双核，4G
测试数据：100 w
2. 生产者
生产者，生产 100 w 条数据， 并发 13817 。(测试源码)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
func Produce(szBytes []byte) (err error) {
pConn := GetRedisConn()
if pConn.Err() != nil {
fmt.Println(pConn.Err().Error())
return
}
defer pConn.Close()
if _, err = pConn.Do("lpush", "redislist", szBytes); err != nil {
fmt.Println(err.Error())
return
}
return
}
1
2
3
4
begin time: 2018-07-29 14:03:55.606
end time: 2018-07-29 14:05:07.976
Produce message: 1000000
avg: 13817.860879118389
3. 消费者
消费者，消费 100 w 条数据，并发 9433。(测试源码)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
func Custom() {
c, err := redis.Dial("tcp", REDIS_ADDR)
if err != nil {
fmt.Println(err)
return
}
defer c.Close()
...
for {
vals, err := redis.Values(c.Do("brpop", MESSAGE_KEY, WAIT_TIME))
if err != nil {
...
time.Sleep(3 * time.Second)
continue
}
}
}
1
2
3
4
begin time: 2018-07-29 14:46:11.166
end time: 2018-07-29 14:47:58.038
custom message: 1000000
avg: 9433
4. 总结
以上生产和消费测试都是独立测试的，生产数据和消费数据，能达到 1w 左右的并发；如果生产者和消费者同时进行工作，各自并发能力还要下降 20%左右。消费者为了保证数据被消费失败后，能保重新消费，还需要写一部分逻辑，估计性能还会下降一部分，所以单实例的Redis消息队列消费并发应该是5000左右(根据业务多开几条队列，通过性能叠加，解决更高的并发问题？！）
测试代码用的是 golang 第三方库 redigo 做的压测，如果换成 C++ 的 hiredis 异步特性（参考我的帖子《hiredis + libev 异步测试》），生产者单进程并发轻松上 10w+，原则上消费能力也一样，但是消费为了保证数据的时序性，一般是一条条取出来入库处理，入库是同步操作，速度显然快不了多少。
