Redis队列Demo带你体验任务处理效率提升的奇妙开始，简单又实用

（引用来源：基于Redis官方文档对列表（List）数据结构的说明,以及常见任务队列的实现模式）

你有没有遇到过这种情况：你的网站或应用有一个功能，比如用户上传头像后需要生成不同尺寸的缩略图，或者用户下单后需要立刻发送一封确认邮件，这些任务如果放在用户点击按钮的那个请求里一起完成，用户就得眼睁睁地等着，直到所有事情都做完才能看到结果，万一生成缩略图很慢，或者邮件服务器暂时抽风，那用户可能就直接关掉页面走人了,体验非常差。

这时候，一个叫做“队列”的东西就能派上大用场，你可以把它想象成现实生活中排队买奶茶，顾客（用户请求）点完单付了钱（主要业务逻辑完成），店员会给他一张小票（任务凭证），然后顾客就可以先去旁边坐着玩手机了，不用堵在柜台前，后厨（任务处理器）会根据小票的顺序，一杯一杯地做奶茶（处理任务），做好了再叫号，这样，柜台接待的速度就非常快,不会因为做奶茶慢而影响后续的顾客。

Redis，这个速度超快的内存数据库，它里面有一种叫“列表”的结构，特别适合用来实现这种“奶茶店排队”模式，也就是消息队列，下面我就用一个最简单的Demo，带你亲手搭一个队列，感受一下它是怎么让任务处理变得“丝滑”的。

第一幕：准备“柜台”和“后厨”（环境搭建）

你得安装好Redis并启动它，这就好比租下了一个店铺，通了电,我们需要两个角色：

1. 生产者： 就像柜台点单的店员，它负责接收用户请求，把需要处理的任务变成一个消息,然后放进Redis的队列里。
2. 消费者： 就像后厨做奶茶的师傅，它不停地盯着Redis里的队列，一有新的任务进来,就取出来埋头处理。

在这个Demo里，我们用Python语言来模拟这两个角色，因为它简单易懂，你需要安装Python的Redis客户端库，比如redis-py，在命令行里输入pip install redis就能安装。

第二幕：柜台开始营业——生产者投递任务

我们先来写“柜台”（生产者）的代码：

import redis
import time
import json
# 连接到本地的Redis服务器，就像店员走到了柜台前
r = redis.Redis(host='localhost', port=6379, db=0)
# 假设这是我们要处理的任务，比如生成缩略图的任务信息
task_list = [
    {'user_id': 101, 'image_url': 'http://example.com/photo1.jpg'},
    {'user_id': 102, 'image_url': 'http://example.com/photo2.jpg'},
    {'user_id': 103, 'image_url': 'http://example.com/photo3.jpg'},
]
# 柜台开始接待顾客，把每个任务依次放入名为 'task_queue' 的队列
for task in task_list:
    # 将任务字典转换成JSON字符串，方便存储和传递
    task_data = json.dumps(task)
    # 关键一步：使用 lpush (left push) 将任务从列表左边推入队列
    r.lpush('task_queue', task_data)
    print(f"已投递任务：{task}")
    # 模拟一下任务不是同时来的，间隔1秒
    time.sleep(1)
print("所有任务投递完毕！")

这段代码运行后，三个任务就像三张点单小票，被依次放进了Redis中一个叫task_queue的列表里，柜台的工作瞬间就完成了,非常快。

第三幕：后厨开工——消费者处理任务

“后厨”（消费者）要开始干活了,我们再写一个Python脚本：

import redis
import json
import time
# 后厨也连接到同一个Redis
r = redis.Redis(host='localhost', port=6379, db=0)
print("后厨（消费者）开始等待任务...")
# 后厨需要一直工作，所以是个无限循环
while True:
    # 关键一步：使用 brpop (blocking right pop) 从队列右边取出一个任务
    # 这里的 'task_queue' 是队列名，0 代表如果没有任务就无限期阻塞等待，不会白耗CPU
    queue_name, task_data = r.brpop('task_queue', 0)
    # 取到任务了！
    task = json.loads(task_data) # 把JSON字符串还原成字典
    print(f"捞到一个新任务：为用户 {task['user_id']} 处理图片 {task['image_url']}")
    # 模拟一个耗时的任务处理过程，比如生成缩略图需要3秒钟
    print("正在努力生成缩略图...")
    time.sleep(3)
    print(f"任务完成！用户 {task['user_id']} 的图片已处理妥当，\n")

运行这个消费者脚本，你会看到，它立刻从队列里取出了第一个任务，然后开始“处理”（也就是sleep 3秒），在这3秒里，你可以想象，即使有新的用户请求到来，生产者也能飞快地把新任务塞进队列，而不会被正在处理的慢任务卡住，消费者处理完一个，会自动去队列里取下一个，如果队列是空的,它就会安安静静地等着。

奇妙之处在哪里？

你会发现，生产者和消费者是完全分开的,各干各的：

• 效率提升： 用户（生产者端）的体验变好了，因为他的请求瞬间就得到了响应（任务已投递）,无需等待。
• 解耦： 柜台（生产者）和后厨（消费者）互不干扰，即使后厨今天手艺生疏（处理任务慢），或者暂时歇业（消费者程序重启），柜台依然可以正常收单，把任务先存起来，等后厨恢复了,再继续处理积压的任务。
• 伸缩性： 如果生意太好，一个后厨忙不过来怎么办？太简单了！你只需要多开几个消费者脚本（多雇几个厨师），他们都会自动地从同一个队列里抢任务来做，这就是所谓的“多个消费者竞争同一个队列”,处理能力瞬间提升。

这个Demo虽然简单，只是用了Redis的基本列表操作LPUSH和BRPOP，但它清晰地展示了队列的核心思想——异步处理，它把“立刻要做的事”和“可以稍后做的事”分开，用空间（队列）换取了时间（响应速度），当你下次再遇到需要提升响应速度、化解系统瓶颈的场景时，不妨想想这个Redis队列Demo，它可能就是那个奇妙开始的起点，你可以基于这个基础，去实现更复杂的任务，比如发送邮件、清理数据、分析日志等等,让程序的世界也变得井然有序。