面试题：Redis缓存与消息队列集成的复杂业务场景处理

1. 消息发送

消息生产者：
- 在用户下单成功后，由下单服务作为消息生产者，构建包含订单详细信息（如订单ID、商品ID、购买数量等）的消息。
- 使用消息队列客户端（如Kafka的Producer、RabbitMQ的Publisher等）将消息发送到指定的消息队列主题或队列中。例如，在Kafka中：
```
ProducerRecord<String, String> record = new ProducerRecord<>("order - processing - topic", orderInfo);
producer.send(record);
```
消息格式：采用JSON格式，这样既易于解析，又具有较好的跨语言兼容性。例如：
```
{
    "orderId": "123456",
    "productId": "789",
    "quantity": 2,
    "userId": "user123"
}
```

2. 消息处理逻辑

消息消费者：

创建多个消费者组分别处理不同的业务逻辑，如库存扣减组和订单状态更新组。
以库存扣减消费者为例，使用消息队列客户端（如Kafka的Consumer、RabbitMQ的Consumer等）从队列中拉取消息。例如，在Kafka中：

Consumer<String, String> consumer = KafkaConsumerFactory.createConsumer();
consumer.subscribe(Arrays.asList("order - processing - topic"));
while (true) {
    ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(100));
    for (ConsumerRecord<String, String> record : records) {
        // 解析消息
        OrderInfo orderInfo = parseOrderInfo(record.value());
        // 调用库存服务扣减库存
        inventoryService.deductInventory(orderInfo.getProductId(), orderInfo.getQuantity());
    }
}

事务性处理：

对于库存扣减和订单状态更新等操作，要保证原子性。可以使用数据库的事务机制。例如，在库存扣减和订单状态更新的业务逻辑中：

@Transactional
public void processOrder(OrderInfo orderInfo) {
    inventoryService.deductInventory(orderInfo.getProductId(), orderInfo.getQuantity());
    orderService.updateOrderStatus(orderInfo.getOrderId(), OrderStatus.PROCESSED);
}

3. Redis缓存更新策略

写后更新：

在订单处理完成后（库存扣减和订单状态更新成功），更新Redis缓存。例如，更新商品库存信息：

Jedis jedis = new Jedis("localhost");
Product product = productService.getProductById(orderInfo.getProductId());
jedis.set("product:" + orderInfo.getProductId(), JSON.toJSONString(product));

缓存过期策略：
- 对于商品信息等缓存，设置合理的过期时间。例如，热门商品设置较短的过期时间（如1小时），冷门商品设置较长的过期时间（如1天）。
```
jedis.setex("product:" + orderInfo.getProductId(), 3600, JSON.toJSONString(product));
```
缓存预热：
- 在系统启动时，将热门商品信息、常用订单概要等数据预先加载到Redis缓存中，减少首次查询的响应时间。

4. 异常处理

消息丢失：
- 消息确认机制：使用消息队列的确认机制。例如，在RabbitMQ中，生产者发送消息时设置mandatory标志，并且监听ReturnCallback，如果消息无法路由到队列，会回调通知生产者。消费者端在处理完消息后，手动确认消息已消费，如在RabbitMQ中：
```
channel.basicConsume("order - processing - queue", false, "myConsumerTag",
        (consumerTag, delivery) -> {
            try {
                // 处理消息
                processMessage(delivery.getBody());
                channel.basicAck(delivery.getEnvelope().getDeliveryTag(), false);
            } catch (Exception e) {
                channel.basicNack(delivery.getEnvelope().getDeliveryTag(), false, true);
            }
        },
        consumerTag -> {});
```
- 持久化：将消息队列和消息设置为持久化。在Kafka中，通过设置相应的主题配置参数，保证消息在服务器故障后不丢失。

缓存雪崩：

分散过期时间：避免大量缓存同时过期。在设置缓存过期时间时，在基础过期时间上加上一个随机值。例如：

int baseExpireTime = 3600;
int randomOffset = new Random().nextInt(1800);
jedis.setex("product:" + orderInfo.getProductId(), baseExpireTime + randomOffset, JSON.toJSONString(product));

缓存降级：当Redis出现大规模故障时，启用本地缓存（如Guava Cache）或者直接查询数据库，同时记录日志，以便后续分析和恢复。例如：

LoadingCache<String, Product> localCache = CacheBuilder.newBuilder()
   .maximumSize(1000)
   .expireAfterWrite(10, TimeUnit.MINUTES)
   .build(new CacheLoader<String, Product>() {
        @Override
        public Product load(String key) throws Exception {
            return productService.getProductById(key);
        }
    });
Product product = localCache.get(orderInfo.getProductId());

面试题：Redis缓存与消息队列集成的复杂业务场景处理

知识考点

面试题答案

1. 消息发送

2. 消息处理逻辑

3. Redis缓存更新策略

4. 异常处理