在企业的商业活动中，订单是指交易双方的产品或服务交易意向。交易下单负责创建这个交易双方的产品或服务交易意向，有了这个意向后，买方可以付款，卖方可以发货。

• 买家超时未付款：比如超过15分钟没有支付，订单自动取消。

• 商家超时未发货：比如商家超过1个月没发货，订单自动取消。

• 买家超时未收货：比如商家发货后，买家没有在14天内点击确认收货，则系统默认自动收货。

JDK中提供了一种延迟队列数据结构DelayQueue，其本质是封装了PriorityQueue，可以把元素进行排序。

1. 把订单插入DelayQueue中，以超时时间作为排序条件，将订单按照超时时间从小到大排序。

2. 起一个线程不停轮询队列的头部，如果订单的超时时间到了，就出队进行超时处理，并更新订单状态到数据库中。

3. 为了防止机器重启导致内存中的DelayQueue数据丢失，每次机器启动的时候，需要从数据库中初始化未结束的订单，加入到DelayQueue中。

• 优点：简单，不需要借助其他第三方组件，成本低。

• 缺点：

• 所有超时处理订单都要加入到DelayQueue中，占用内存大。

• 没法做到分布式处理，只能在集群中选一台leader专门处理，效率低。

• 不适合订单量比较大的场景。

RabbitMQ的延时消息主要有两个解决方案：

• RabbitMQ Delayed Message Plugin

• 消息的TTL+死信Exchange

• TTL：即消息的存活时间。RabbitMQ可以对队列和消息分别设置TTL，如果对队列设置，则队列中所有的消息都具有相同的过期时间。超过了这个时间，我们认为这个消息就死了，称之为死信。

• 死信Exchange（DLX）：一个消息在满足以下条件会进入死信交换机

• 一个消息被Consumer拒收了，并且reject方法的参数里requeue是false。也就是说不会被再次放在队列里，被其他消费者使用。

• TTL到期的消息。

• 队列满了被丢弃的消息。

1. 定义一个BizQueue，用来接收死信消息，并进行业务消费。

2. 定义一个死信交换机(DLXExchange)，绑定BizQueue，接收延时队列的消息，并转发给BizQueue。

3. 定义一组延时队列DelayQueue_xx，分别配置不同的TTL，用来处理固定延时5s、10s、30s等延时等级，并绑定到DLXExchange。

4. 定义DelayExchange，用来接收业务发过来的延时消息，并根据延时时间转发到不同的延时队列中。

• 优点：可以支持海量延时消息，支持分布式处理。

• 缺点：

• 不灵活，只能支持固定延时等级。

• 使用复杂，要配置一堆延时队列。

RocketMQ支持任意秒级的定时消息，如下图所示

MessageBuilder messageBuilder = null;Long deliverTimeStamp = System.currentTimeMillis() + 10L * 60 * 1000; //延迟10分钟Message message = messageBuilder.setTopic("topic")        //设置消息索引键，可根据关键字精确查找某条消息。        .setKeys("messageKey")        //设置消息Tag，用于消费端根据指定Tag过滤消息。        .setTag("messageTag")        //设置延时时间        .setDeliveryTimestamp(deliverTimeStamp)         //消息体        .setBody("messageBody".getBytes())        .build();SendReceipt sendReceipt = producer.send(message);System.out.println(sendReceipt.getMessageId());

• 优点

• 精度高，支持任意时刻。

• 使用门槛低，和使用普通消息一样。

• 缺点

• 使用限制：定时时长最大值24小时。

• 成本高：每个订单需要新增一个定时消息，且不会马上消费，给MQ带来很大的存储成本。

• 同一个时刻大量消息会导致消息延迟：定时消息的实现逻辑需要先经过定时存储等待触发，定时时间到达后才会被投递给消费者。因此，如果将大量定时消息的定时时间设置为同一时刻，则到达该时刻后会有大量消息同时需要被处理，会造成系统压力过大，导致消息分发延迟，影响定时精度。

Redis支持过期监听，也能达到和RocketMQ定时消息一样的能力，具体步骤如下：

1. redis配置文件开启"notify-keyspace-events Ex"

2. 监听key的过期回调，以java代码为例

@Configurationpublic class RedisListenerConfig {    @Bean    RedisMessageListenerContainer container(RedisConnectionFactory factory){        RedisMessageListenerContainer container=new RedisMessageListenerContainer();        container.setConnectionFactory(factory);        return container;    }}

@Componentpublic class RedisKeyExpirationListerner extends KeyExpirationEventMessageListener {     public RedisKeyExpirationListerner(RedisMessageListenerContainer listenerContainer) {        super(listenerContainer);    }     @Override    public void onMessage(Message message, byte[] pattern) {        String keyExpira = message.toString();        System.out.println("监听到key：" + expiredKey + "已过期");    }}

typedef struct redisDb {    dict *dict;    /* 维护所有key-value键值对 */    dict *expires; /* 过期字典，维护设置失效时间的键 */    ....} redisDb;

过期字典本质上是一个链表，每个节点的数据结构结构如下：

• key是一个指针，指向某个键对象。

• value是一个long long类型的整数，保存了key的过期时间。

• 定期删除：每隔一段时间（默认100ms）就随机抽取一些设置了过期时间的key，检查其是否过期，如果有过期就删除。之所以这么做，是为了通过限制删除操作的执行时长和频率来减少对cpu的影响。不然每隔100ms就要遍历所有设置过期时间的key，会导致cpu负载太大。

• 惰性删除：不主动删除过期的key，每次从数据库访问key时，都检测key是否过期，如果过期则删除该key。惰性删除有一个问题，如果这个key已经过期了，但是一直没有被访问，就会一直保存在数据库中。

定时任务分布式批处理解决方案，即通过定时任务不停轮询数据库的订单，将已经超时的订单捞出来，分发给不同的机器分布式处理：

• 稳定性强：基于通知的方案（比如MQ和Redis），比较担心在各种极端情况下导致通知的事件丢了。使用定时任务跑批，只需要保证业务幂等即可，如果这个批次有些订单没有捞出来，或者处理订单的时候应用重启了，下一个批次还是可以捞出来处理，稳定性非常高。

• 效率高：基于MQ的方案，需要一个订单一个定时消息，consumer处理定时消息的时候也需要一个订单一个订单更新，对数据库tps很高。使用定时任务跑批方案，一次捞出一批订单，处理完了，可以批量更新订单状态，减少数据库的tps。在海量订单处理场景下，批量处理效率最高。

• 可运维：基于数据库存储，可以很方便的对订单进行修改、暂停、取消等操作，所见即所得。如果业务跑失败了，还可以直接通过sql修改数据库来进行批量运维。

• 成本低：相对于其他解决方案要借助第三方存储组件，复用数据库的成本大大降低。

1. 通过实现map函数，通过代码自行构造分片，SchedulerX会将分片平均分给超时中心的不同节点分布式执行。

2. 通过实现reduce函数，可以做聚合，可以判断这次跑批有哪些分片跑失败了，从而通知下游处理。

• 免运维、成本低：不需要自建任务调度系统，由云上托管。

• 可观测：提供任务执行的历史记录、查看堆栈、日志服务、链路追踪等能力。

• 高可用：支持同城双活容灾，支持多种渠道的监控报警。

• 混部：可以托管阿里云的机器，也可以托管非阿里云的机器。

如果对于超时精度比较高，超时时间在24小时内，且不会有峰值压力的场景，推荐使用RocketMQ的定时消息解决方案。

[1] https://developer.aliyun.com/article/994932

[2] https://redis.io/docs/manual/keyspace-notifications/

[3] https://www.aliyun.com/aliware/schedulerx

作者：阿里巴巴中间件