Redis 与缓存 / 技术文章
Redis Streams 和 Pub/Sub 怎么选
面对实时通知、异步任务和事件流需求的后端工程师与架构师,可以用消息留存、消费模型、确认机制、失败恢复和运维复杂度五个维度快速判断 Redis Streams 与 Pub/Sub 的边界。最终目标不是判断谁“更强”,而是让实时广播、异步处理和可恢复事件链路各自落到合适的模型。
先看消息是否必须留下来
两者最根本的差异,是消息在发布后是否需要成为可追踪的数据记录。
Redis Pub/Sub 更像实时广播:发布者把消息发送给当前订阅者,订阅关系存在时才能接收。它适合“现在在线的人马上知道”的场景,例如 WebSocket 网关通知、缓存失效提醒、轻量状态广播。
Redis Streams 则把消息追加到 Stream 中,并保留消息 ID。消费者可以按游标读取,消费组还可以记录投递与确认状态,因此更适合消息需要被追踪、补偿或重新处理的场景。
# Pub/Sub:实时广播
PUBLISH order-events order-100
# Streams:持久化事件记录
XADD order-events * order_id 100 event_type created预期结果
Pub/Sub:当前在线订阅者收到消息,离线期间不会自动补发。
Streams:消息进入 Stream,可由消费者按读取位置继续处理。判断方法很直接:如果“消息晚几秒甚至晚几分钟还能不能补回来”决定了业务正确性,优先考虑 Streams;如果错过一次通知并不会影响业务状态,Pub/Sub 往往更简单。
再看消费者是否需要确认和恢复
Pub/Sub 没有 Streams 那种消费组、Pending Entries List 和 ACK 模型。消费者拿到消息后,业务处理成功与否不会改变 Redis 中某条 Pub/Sub 消息的消费状态。
Streams 的消费组则能把“消息已经投递给谁,但还没有确认”记录下来。消费者异常退出后,可以检查 Pending 消息,再使用合适的接管与重试策略恢复处理。
因此,两种模型对应的可靠性边界不同:
| 维度 | Redis Pub/Sub | Redis Streams |
|---|---|---|
| 消息留存 | 不提供面向消费追踪的留存 | 支持 Stream 记录与保留策略 |
| 多消费者 | 广播给订阅者 | 消费组可分摊消息 |
| ACK | 无 | 支持 XACK |
| Pending | 无 | 有 PEL |
| 故障接管 | 需要业务自行处理 | 可围绕 Pending 做恢复 |
| 重试 | 业务自行设计 | 可基于消息状态设计 |
当业务要求“至少一次处理、失败重试、消费者故障后接管”时,Streams 的模型更贴近需求;当业务只是把同一条状态变化实时推送给多个在线订阅者时,Pub/Sub 的简单广播更合适。
看看你到底需要广播还是分摊消费
这是最容易混淆的一点。
Pub/Sub 的典型语义是“一条消息同时通知多个订阅者”。例如订单状态变化后,多个在线服务或网关都需要立即收到同一事件。
Streams 消费组更接近“同一条消息由组内某个消费者处理”。例如有一个异步任务队列,多个 Worker 共同消费任务,希望通过扩容提升吞吐,同时避免同一组内每个实例重复处理同一条消息。
可以把它概括成两句话:
Pub/Sub:一条消息 -> 多个在线订阅者
Streams:一条消息 -> 消费组内的一个处理者需要注意,Streams 本身也可以被多个消费组分别读取,因此能够实现“一个事件进入多个独立处理链路”:例如审计组、通知组、数据处理组分别消费同一 Stream。此时每个组维护自己的消费进度,适合事件驱动架构中的多路处理。
用业务场景直接做选择
可以先把需求归到下面几类。
| 业务场景 | 优先方案 | 核心原因 |
|---|---|---|
| 在线用户实时通知 | Pub/Sub | 追求低延迟广播,允许错过离线消息 |
| WebSocket/SSE 实时推送 | Pub/Sub | 连接在线即可即时分发 |
| 缓存失效通知 | Pub/Sub | 消息生命周期短,通常无需补偿 |
| 图片处理、订单异步任务 | Streams | 需要留存、确认、重试和故障恢复 |
| 订单、支付、库存事件 | Streams | 需要消费进度与失败处理 |
| 审计、数据同步、事件分发 | Streams | 需要追踪、补偿与多消费组 |
| 必须补偿的业务事件 | Streams | 可以基于消息 ID 与 Pending 状态恢复 |
选择时不要只问“消息量大不大”。更关键的问题是:消息是否需要重新读取、是否必须知道谁还没处理、失败后是否需要恢复,以及不同消费者是否需要独立维护进度。
什么时候不要为了可靠性过度使用 Streams
Streams 的能力更多,也意味着数据生命周期、消费组状态、Pending 管理、重试策略、积压监控和保留策略都需要设计。
如果业务只是“服务 A 发生变化,通知当前在线的服务 B、C、D”,却不要求离线补发、不关心单条消息是否成功处理,那么直接使用 Streams 可能增加没有必要的治理成本。
同样,也不要因为 Redis 已经存在就默认所有消息都应该进入 Streams。对于极简的瞬时广播,Pub/Sub 的模型更清晰,链路也更短。
一个实用原则是:
需要可靠消费语义 -> Streams
只需要在线实时广播 -> Pub/Sub
两者都需要 -> 可以按链路拆分,而不是强行二选一例如,一个订单系统可以让业务事件先进入 Streams,保证事件可追踪;实时通知层再根据事件状态通过 Pub/Sub 或其他推送机制广播给在线客户端。这样把“可靠事件处理”和“实时触达”分成两个不同职责。
建立最终选型门槛
做技术评审时,可以按下面的顺序判断:
- 消息丢失是否可接受?可接受时倾向 Pub/Sub,不可接受时优先评估 Streams。
- 消费者是否需要 ACK、重试或故障接管?需要时倾向 Streams。
- 是广播还是任务分摊?广播优先 Pub/Sub,需要消费组协作时优先 Streams。
- 是否需要独立消费进度和历史追踪?需要时优先 Streams。
- 是否愿意承担消息保留、积压、Pending 和重试治理?不需要这些能力时,Pub/Sub 往往更省事。
最终可以把选择压缩为一句工程判断:Pub/Sub 解决“现在通知谁”,Streams 解决“这条消息有没有被可靠处理以及还能不能恢复”。 当业务从即时广播逐渐演变成异步任务、事件流和可恢复处理链路时,通常也是从 Pub/Sub 迁向 Streams 的信号。