面试题：消息队列与缓存中间件集成的常见场景及实现方式

常见业务场景

高并发流量削峰：在电商促销、抢购等活动时，大量请求瞬间涌入。消息队列接收并暂存这些请求，缓存中间件（如Redis）快速响应读请求，从缓存中获取商品信息等数据。避免后端服务直接承受高并发压力，保护数据库等持久化存储，防止因大量请求导致系统崩溃。
异步任务处理：例如用户注册后发送邮件、短信通知等任务。消息队列接收注册成功的消息，将这些异步任务放入队列。缓存中间件可用于存储任务执行的一些临时状态或配置信息。任务处理系统从消息队列中消费任务，并根据缓存中的配置信息执行任务，提高系统整体的响应速度和处理效率。
数据同步：在分布式系统中，不同数据源之间的数据同步是常见需求。消息队列可以接收数据变更的消息，如数据库表数据的插入、更新等操作。缓存中间件用于存储最新的同步数据，通过消息队列将数据变更消息发送给负责同步的服务，该服务从消息队列获取消息，更新缓存中的数据，保证不同数据源之间数据的一致性。

消息队列向Redis写入数据的方式

选择消息队列：以RabbitMQ为例，它是一个广泛使用的消息队列。首先需要安装并配置好RabbitMQ服务。
生产者发送消息：在后端应用中，编写生产者代码，使用RabbitMQ的客户端库连接到RabbitMQ服务器，创建一个队列（例如命名为data_to_redis）。当有需要写入Redis的数据时，将数据封装成消息发送到该队列。例如在Python中使用pika库：

import pika

connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
channel = connection.channel()
channel.queue_declare(queue='data_to_redis')

data = {'key': 'value'}
channel.basic_publish(exchange='', routing_key='data_to_redis', body=str(data))

connection.close()

消费者接收消息并写入Redis：编写消费者代码，同样使用RabbitMQ客户端库连接到服务器并监听data_to_redis队列。当接收到消息时，解析消息内容，并使用Redis客户端库将数据写入Redis。还是以Python为例，使用redis - py库：

import pika
import redis

r = redis.Redis(host='localhost', port=6379, db=0)

connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
channel = connection.channel()
channel.queue_declare(queue='data_to_redis')

def callback(ch, method, properties, body):
    data = eval(body.decode('utf - 8'))
    key = list(data.keys())[0]
    value = data[key]
    r.set(key, value)

channel.basic_consume(queue='data_to_redis', on_message_callback=callback, auto_ack=True)

print(' [*] Waiting for messages. To exit press CTRL+C')
channel.start_consuming()

上述代码中，生产者将数据发送到RabbitMQ队列，消费者从队列接收数据并写入Redis缓存中。在实际应用中，需要根据具体业务场景优化代码，如处理异常、批量操作等。

星途面试题库

面试题：消息队列与缓存中间件集成的常见场景及实现方式

知识考点

面试题答案

常见业务场景

消息队列向Redis写入数据的方式