using-message-queues

消息队列

为事件驱动架构、后台任务处理和服务解耦实现异步通信模式。

何时使用此技能

在以下情况下使用消息队列：

• 长时间运行的操作会阻塞 HTTP 请求（报告生成、视频处理）
• 需要服务解耦（微服务、事件驱动架构）
• 需要可靠投递（支付处理、订单履约）
• 用于分析的事件流（日志聚合、指标管道）
• 复杂流程的工作流编排（多步骤 Saga、人工介入）
• 后台任务处理（发送邮件、调整图像大小）

消息代理选择决策树

根据主要需求选择消息代理：

事件流 / 日志聚合

→ Apache Kafka

• 吞吐量：500K-1M msg/s
• 重放事件（事件溯源）
• 精确一次语义
• 长期保留
• 用途：分析管道、CQRS、事件溯源

简单的后台任务

→ 任务队列

• Python → Celery + Redis
• TypeScript → BullMQ + Redis
• Go → Asynq + Redis
• 用途：发送邮件、生成报告、Webhooks

复杂工作流 / Saga

→ Temporal

• 持久化执行（重启后仍可继续）
• 支持 Saga 模式
• 人工介入工作流
• 用途：订单处理、AI Agent 编排

请求-响应 / RPC 模式

→ NATS

• 内置请求-响应
• 亚毫秒延迟
• 云原生、运维简单
• 用途：微服务 RPC、IoT 命令与控制

复杂消息路由

→ RabbitMQ

• 交换机（direct、topic、fanout、headers）
• 死信交换机
• 消息 TTL、优先级
• 用途：多消费者模式、发布/订阅

已在使用 Redis

→ Redis Streams

• 无需新增基础设施
• 简单的消费者组
• 中等吞吐量（100K+ msg/s）
• 用途：通知队列、简单任务队列

性能对比

消息代理	吞吐量	延迟（p99）	最适合
Kafka	500K-1M msg/s	10-50ms	事件流
NATS JetStream	200K-400K msg/s	亚毫秒至 5ms	云原生微服务
RabbitMQ	50K-100K msg/s	5-20ms	任务队列、复杂路由
Redis Streams	100K+ msg/s	亚毫秒	简单队列、缓存

快速入门示例

Kafka 生产者/消费者（Python）

查看 examples/kafka-python/ 获取可运行代码。

from confluent_kafka import Producer, Consumer

# Producer
producer = Producer({'bootstrap.servers': 'localhost:9092'})
producer.produce('orders', key='order_123', value='{"status": "created"}')
producer.flush()

# Consumer
consumer = Consumer({
    'bootstrap.servers': 'localhost:9092',
    'group.id': 'order-processors',
    'auto.offset.reset': 'earliest'
})
consumer.subscribe(['orders'])

while True:
    msg = consumer.poll(1.0)
    if msg is not None:
        process_order(msg.value())

Celery 后台任务（Python）

查看 examples/celery-image-processing/ 获取完整实现。

from celery import Celery

app = Celery('tasks', broker='redis://localhost:6379')

@app.task(bind=True, max_retries=3)
def process_image(self, image_url: str):
    try:
        result = expensive_image_processing(image_url)
        return result
    except RecoverableError as e:
        raise self.retry(exc=e, countdown=60)

BullMQ 任务处理（TypeScript）

查看 examples/bullmq-webhook-processor/ 获取完整实现。

import { Queue, Worker } from 'bullmq'

const queue = new Queue('webhooks', {
  connection: { host: 'localhost', port: 6379 }
})

// Enqueue job
await queue.add('send-webhook', {
  url: 'https://example.com/webhook',
  payload: { event: 'order.created' }
})

// Process jobs
const worker = new Worker('webhooks', async job => {
  await fetch(job.data.url, {
    method: 'POST',
    body: JSON.stringify(job.data.payload)
  })
}, { connection: { host: 'localhost', port: 6379 } })

Temporal 工作流编排

查看 examples/temporal-order-saga/ 获取 Saga 模式实现。

from temporalio import workflow, activity
from datetime import timedelta

@workflow.defn
class OrderSagaWorkflow:
    @workflow.run
    async def run(self, order_id: str) -> str:
        # Step 1: Reserve inventory
        inventory_id = await workflow.execute_activity(
            reserve_inventory,
            order_id,
            start_to_close_timeout=timedelta(seconds=10),
        )

        # Step 2: Charge payment
        payment_id = await workflow.execute_activity(
            charge_payment,
            order_id,
            start_to_close_timeout=timedelta(seconds=30),
        )

        return f"Order {order_id} completed"

核心模式

事件命名约定

使用：Domain.Entity.Action.Version

示例：

• order.created.v1
• user.profile.updated.v2
• payment.failed.v1

事件架构结构

{
  "event_type": "order.created.v2",
  "event_id": "uuid-here",
  "timestamp": "2025-12-02T10:00:00Z",
  "version": "2.0",
  "data": {
    "order_id": "ord_123",
    "customer_id": "cus_456"
  },
  "metadata": {
    "producer": "order-service",
    "trace_id": "abc123",
    "correlation_id": "xyz789"
  }
}

死信队列模式

达到最大重试次数后，将失败消息路由到死信队列（DLQ）：

@app.task(bind=True, max_retries=3)
def process_order(self, order_id: str):
    try:
        result = perform_processing(order_id)
        return result
    except UnrecoverableError as e:
        send_to_dlq(order_id, str(e))
        raise Reject(e, requeue=False)

精确一次处理的幂等性

@app.post("/process")
async def process_payment(
    payment_data: dict,
    idempotency_key: str = Header(None)
):
    # Check if already processed
    cached_result = redis_client.get(f"idempotency:{idempotency_key}")
    if cached_result:
        return {"status": "already_processed"}

    result = process_payment_logic(payment_data)
    redis_client.setex(f"idempotency:{idempotency_key}", 86400, result)
    return {"status": "processed", "result": result}

前端集成

通过 SSE 更新任务状态

# FastAPI endpoint for real-time job status
@app.get("/status/{task_id}")
async def task_status_stream(task_id: str):
    async def event_generator():
        while True:
            task = celery_app.AsyncResult(task_id)

            if task.state == 'PROGRESS':
                yield {"event": "progress", "data": task.info.get('progress', 0)}
            elif task.state == 'SUCCESS':
                yield {"event": "complete", "data": task.result}
                break

            await asyncio.sleep(0.5)

    return EventSourceResponse(event_generator())

React 组件

export function JobStatus({ jobId }: { jobId: string }) {
  const [progress, setProgress] = useState(0)

  useEffect(() => {
    const eventSource = new EventSource(`/api/status/${jobId}`)

    eventSource.addEventListener('progress', (e) => {
      setProgress(JSON.parse(e.data))
    })

    eventSource.addEventListener('complete', (e) => {
      toast({ title: 'Job complete', description: JSON.parse(e.data) })
      eventSource.close()
    })

    return () => eventSource.close()
  }, [jobId])

  return <ProgressBar value={progress} />
}

详细指南

如需完整文档，请参阅参考文件：

消息代理专属指南

• Kafka：参阅 references/kafka.md，了解分区、消费者组和精确一次语义
• RabbitMQ：参阅 references/rabbitmq.md，了解交换机、绑定和路由模式
• NATS：参阅 references/nats.md，了解 JetStream 和请求-响应模式
• Redis Streams：参阅 references/redis-streams.md，了解消费者组和确认机制

任务队列指南

• Celery：参阅 references/celery.md，了解周期性任务、canvas（工作流）和监控
• BullMQ：参阅 references/bullmq.md，了解任务优先级、流程和 Bull Board 监控
• Temporal：参阅 references/temporal-workflows.md，了解 Saga 模式、信号和查询

模式指南

• 事件模式：请参阅 references/event-patterns.md，了解事件溯源、CQRS 和 outbox 模式

应避免的常见反模式

1. 为长时间运行的操作使用同步 API

# ❌ BAD: Blocks request thread
@app.post("/generate-report")
def generate_report(user_id: str):
    report = expensive_computation(user_id)  # 5 minutes!
    return report

# ✅ GOOD: Enqueue background job
@app.post("/generate-report")
async def generate_report(user_id: str):
    task = generate_report_task.delay(user_id)
    return {"task_id": task.id}

2. 非幂等消费者

# ❌ BAD: Processes duplicates
@app.task
def send_email(email: str):
    send_email_service(email)  # Sends twice if retried!

# ✅ GOOD: Idempotent with deduplication
@app.task
def send_email(email: str, idempotency_key: str):
    if redis.exists(f"sent:{idempotency_key}"):
        return "already_sent"
    send_email_service(email)
    redis.setex(f"sent:{idempotency_key}", 86400, "1")

3. 忽略死信队列

# ❌ BAD: Failed messages lost forever
@app.task(max_retries=3)
def risky_task(data):
    process(data)  # If all retries fail, data disappears

# ✅ GOOD: DLQ for manual inspection
@app.task(max_retries=3)
def risky_task(data):
    try:
        process(data)
    except Exception as e:
        if self.request.retries >= 3:
            send_to_dlq(data, str(e))
        raise

4. 使用 Kafka 实现请求-响应

# ❌ BAD: Kafka is not designed for RPC
def get_user_profile(user_id: str):
    kafka_producer.send("user_requests", {"user_id": user_id})
    # How to correlate response? Kafka is asynchronous!

# ✅ GOOD: Use NATS request-reply or HTTP/gRPC
response = await nats.request("user.profile", user_id.encode())

库推荐

Context7 调研

Confluent Kafka（Python）

• Context7 ID：/confluentinc/confluent-kafka-python
• 信任评分：68.8/100
• 代码片段：192+
• 可用于生产环境的 Python Kafka 客户端

Temporal

• Context7 ID：/websites/temporal_io
• 信任评分：80.9/100
• 代码片段：3,769+
• 用于持久执行的工作流编排

安装

Python：

pip install confluent-kafka celery[redis] temporalio aio-pika redis

TypeScript/Node.js：

npm install kafkajs bullmq @temporalio/client amqplib ioredis

Rust：

cargo add rdkafka lapin async-nats redis

Go：

go get github.com/confluentinc/confluent-kafka-go
go get github.com/hibiken/asynq
go get go.temporal.io/sdk

实用工具

使用脚本自动化设置：

• Kafka 设置：运行 python scripts/kafka_producer_consumer.py 使用测试工具
• 架构验证：运行 python scripts/validate_message_schema.py 验证事件架构

相关技能

• api-patterns：用于异步作业提交的 API 设计
• realtime-sync：用于作业状态更新的 WebSocket/SSE
• feedback：用于作业完成的 Toast 通知
• databases-*：用于事件日志的持久化存储
• observability：用于队列操作的跟踪与指标