基于电商场景的高并发RocketMQ实战-发送优惠券流程解析、生产环境的落库与定时推送解决方案

本文主要是介绍基于电商场景的高并发RocketMQ实战-发送优惠券流程解析、生产环境的落库与定时推送解决方案，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

🌈🌈🌈🌈🌈🌈🌈🌈
欢迎关注公众号（通过文章导读关注），发送【资料】可领取 深入理解 Redis 系列文章结合电商场景讲解 Redis 使用场景、中间件系列笔记和编程高频电子书！
【11来了】文章导读地址：点击查看文章导读！
🍁🍁🍁🍁🍁🍁🍁🍁

发送优惠券流程【落库+定时推送生产环境解决方案】

首先，还是先了解业务逻辑的背景，对于系统中不活跃的用户，需要通过给这些用户发送优惠券来激活这些用户的消费，那么在给这些用户发送优惠券的时候，可能并不想立即就发送，而是定时发送，那么这里的解决方案就是通过先将优惠券信息 落库，再通过 xxl-job 去扫描这个表执行优惠券推送给用户的任务

那么整个发送优惠券的流程如下：

这里先主要说一下如何对定时任务进行落库的，首先创建了一个优惠券，将这个优惠券进行推送，那么既然定时推送，就需要在优惠券的信息中定义 3 个数据：定时推送开始时间、定时推送结束时间 和 推送轮次，推送轮次表示在开始推送到推送结束这之间需要推送多少次

定时任务的落库就是通过这 3 个数据计算出来每一次推送的时间点，每一次推送都作为一个定时任务落库，如果 推送轮次 = 1，那么直接将 定时推送的开始时间 作为任务执行时间即可，如果 推送轮次 > 1，那么需要通过 (定时推送结束时间 - 定时推送开始时间) / 推送轮次 来拿到每次任务的执行时间，将每次需要执行的定时任务都落库存储即可

至此，给不活跃用户发送优惠券的主流程就已经结束了，接下来就进入到 xxl-job 去扫描定时任务并执行的阶段，xxl-job 执行流程如下：

首先去数据库中扫描 执行时间 <= 当前时间 并且 没有执行过 的任务
将该定时执行任务发送到 MQ 中，等待消费者消费

这里推送定时任务到 MQ 中，还是需要进行 分片 + 多线程进行推送 来提升推送速度（因为需要推送的用户数量太庞大），分片 + 多线程优化推送的流程和上边 创建促销活动 时是一样的，这里就不重复说了
发送到 MQ 之后，将该任务状态修改为 已执行，并修改数据库

总结来说，定时发送优惠券就是先将定时任务落库，再通过 xxl-job 去扫描定时任务进行推送即可

大量定时任务通过 xxljob 执行【优化方案】

这里讲的大量定时任务是什么呢？

首先，还是说一下业务背景，对于热门商品的推送在电商场景中是很常见的，那么每一个热门商品所需要推送给的用户可能都是不同的，因此会通过另外一个推荐系统，计算出大量的热门商品，之后再对这些热门商品进行用户的推送，而热门商品推送给用户一般也是定时进行推送的，这里使用了 xxl-job 来进行实现定时的推送，但是这里需要推送的商品数量也是很多的，单靠一个机器进行定时推送速度很慢，那么这里就通过任务分片来加快推送的速度

先获取 当前任务的分片索引，再获取 总共任务分片的数量，之后可以通过需要推送商品的 id 来进行分片处理，下边写一个简单的伪代码：

@XxlJob("job")
public void job() {// 获取 xxlJob 中当前任务的分片索引int shardIndex = Optional.of(XxlJobHelper.getShardIndex()).orElse(0);// 获取 xxlJob 中当前任务的总分片数量int totalShardNum = Optional.of(XxlJobHelper.getShardTotal()).orElse(0);// 循环任务，推送到 MQ 中for (Good good : goods) {Long goodId = good.getId();// 计算出商品 id 应该被哪一个任务分片处理int curNo = goodId.hashCode() % totalShardNum;// 如果当前任务分片索引和商品需要被处理的分片索引不同，就不处理，直接跳过if (curNo != shardIndex) {continue;}}
}