Spring Boot监听redis过期的key

Redis支持过期监听，可以实现监听过期数据，实现过程如下

1、pom依赖

java 复制代码

 <!-- Redis-->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
        </dependency>

2、配置类

添加序列化及key过期事件监听

java 复制代码

import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.listener.RedisMessageListenerContainer;
import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.StringRedisSerializer;

/**
 * @Author: best_liu
 * @Description:
 * @Date Create in 14:51 2023/12/11
 * @Modified By:
 */
@Configuration
public class RedisListenerConfig {


    /**
     * 监听key过期事件
     *
     * @author ztt
     * @date 2023/10/24 15:01
     **/
    @Bean
    RedisMessageListenerContainer container(RedisConnectionFactory connectionFactory) {
        RedisMessageListenerContainer container = new RedisMessageListenerContainer();
        container.setConnectionFactory(connectionFactory);
        return container;
    }

    /**
     * RedisTemplate序列化
     *
     * @author ztt
     * @date 2023/10/24 15:00
     **/
    @Bean
    public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory) {
        RedisTemplate<String, Object> redisTemplate = new RedisTemplate<>();
        redisTemplate.setConnectionFactory(redisConnectionFactory);
        StringRedisSerializer stringRedisSerializer = new StringRedisSerializer();
        redisTemplate.setKeySerializer(stringRedisSerializer);
        redisTemplate.setHashKeySerializer(stringRedisSerializer);
        Jackson2JsonRedisSerializer<?> jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer<>(Object.class);
        redisTemplate.setValueSerializer(jackson2JsonRedisSerializer);
        redisTemplate.setHashValueSerializer(jackson2JsonRedisSerializer);
        redisTemplate.afterPropertiesSet();
        return redisTemplate;
    }
}

3、配置监听

设置超时监听器：监听Redis 中的订单键是否已超时。如果超时，执行相应的处理逻辑。

java 复制代码

import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.connection.Message;
import org.springframework.data.redis.listener.KeyExpirationEventMessageListener;
import org.springframework.data.redis.listener.RedisMessageListenerContainer;
import org.springframework.stereotype.Component;

/**
 * @Author: best_liu
 * @Description:
 * @Date Create in 14:53 2023/12/11
 * @Modified By:
 */
@Slf4j
@Component
public class RedisKeyExpirationListener extends KeyExpirationEventMessageListener {


    public RedisKeyExpirationListener(RedisMessageListenerContainer listenerContainer) {
        super(listenerContainer);
    }

    /**
     * 针对redis数据失效事件，进行数据处理
     * @param message 失效的key
     */
    @Override
    public void onMessage(Message message, byte[] pattern) {
        log.info("过期redis数据：" + message.toString());
        try {
            String key = message.toString();
            //从失效key中筛选代表订单失效的key
            // 超时处理逻辑
            log.info("订单号为【" + key + "】超时未支付-*****");
        } catch (Exception e) {
            e.printStackTrace();
            log.error("【修改支付订单过期状态异常】：" + e.getMessage());
        }
    }
}

4、log输出

5、优缺点

Spring Boot整合Redis监听订单超时主要的优缺点：

优点：

1）实时性：使用 Redis 来监听订单超时，可以实现实时性处理。当订单超时时，处理操作可以立即触发，而不需要定期轮询数据库或其他方式。

2）高性能：Redis 是一个内存数据库，因此具有高性能。它能够快速存储和检索数据，适合用于订单超时处理。

3）可扩展性：Redis 支持分布式部署，因此您可以轻松扩展应用程序以处理更多订单。您可以使用 Redis Sentinel 或 Redis Cluster 来实现高可用性和负载均衡。

4）减轻数据库压力：将订单超时的检查和处理从数据库转移到 Redis，可以减轻数据库服务器的负载，因为不再需要频繁地查询数据库。

5）简化代码：Redis 提供了内置的过期键和发布/订阅功能，这些功能使订单超时的处理逻辑更加简单和可维护。

缺点：

1）单一点故障：如果 Redis 实例发生故障，可能导致订单超时处理不可用。为了解决这个问题，您可以使用 Redis Sentinel 或 Redis Cluster 来提高可用性。

2）不适合持久性数据：Redis 是一个内存数据库，不适合用于持久性数据存储。如果订单数据需要长期保留，您仍然需要在数据库中保留订单信息。

3）配置和维护：Redis 需要一些配置和维护工作，包括备份、监控、调整内存限制等。这可能需要额外的管理工作。

4）消息队列的竞争条件：如果多个实例同时处理订单超时，可能会引发竞争条件，需要在代码中进行处理。

5）性能成本：虽然 Redis 具有高性能，但在大规模订单处理时，可能需要更多的 Redis 实例和更强大的硬件，这可能带来一些成本。