早在 4 年前，当我发现 Redis5 中增加了 Stream 类型后我就觉得它的这些特性完全可以实现一个完整的 MQ 中间件功能，当时我还在交控工作，当时的项目刚好涉及到大量数据入库的一个需求，当时这个项目不算很大，所以我就想把这个新的技术引入到项目中，实现一个轻量级的基于 Redis 的消息队列。
最终基本上实现了这个功能，当时也做了一个基于 SpringBoot 的 Demo ，后来又改了一版基于 Jedis 版本的，因为可以自己定义和操作多线程，更加灵活自由的实现一些细节。
最近提离职后正在交接期，自己的时间比较多，又翻出这个早起的 Demo ，想改造一下，用到我的心情记录员项目中，如果精力和时间有的话我更想将它完善为一个完整的、可复用的项目。
心情记录员小程序为什么要用到这个？以及为什么不用其他成熟的 RabbitMQ ，首先不用其他成熟的原因是我不想搞太多中间件，一个项目中 Redis 安装是大多数情况，因此我想在保持单体应用的基础上实现一个 MQ ，另外的一个原因就是折腾，这也是我本人的一个“缺点”，什么都喜欢自己折腾一下，验证可行性。接下来说说应用场景吧，心情记录员这款小程序目前调用的 AI 是 Kimi 的平台，目前因为是前期，因此是免费版本，并发数限制到了 1 ，这就会导致一个问题，如果同时有两个或者多个（意淫一下，哈哈哈）同时点了记录的时候，这时候有一个肯定会报错，这时候就可以用到消息队列了，将请求的数据先放入队列，等前一个 AI 生成结束后再次调用，就这？……，一个队列不就搞定了吗？当然还有场景了，那就是目前 AI 生成我采用的是 Stream 流式返回，而我是在点击记录后就开始生成，点击记录后会跳转到结果页面，为了使用户跳过去立马就感觉到在生成，因此我就将调用 AI 接口的动作提前到跳转页面前点击记录按钮后，然后给一定到 Loading 延迟在跳转，跳转到结果页后建立 WebSocket 连接，根据 openId 标识接收消息，这时候这个消息其实已经在上一步中在生成了，这里就可以用到消息队列了，根据对应的 openId 到消息队列中取内容，服务端的 WebSocket 只需要根据标识从消息队列中缓存的生成结果进行返回即可，提升了响应速度。
大概流程就像下图这样：

4 年前这个项目的库和博客：
Gitee-redismq （原谅我以前使用 Gitee 的行为，哈哈哈）
CSDN 博客（如果对 CSDN 排斥可以访问下面我自己网站的文章）
个人网站文章地址

我的评价是，专业的事交给专业的中间件去做

可以用、不好用、没必要

可以 但没必要

如果为了部署架构简单，而选择用软件 A 做 功能 B 的事，那我可能会更倾向于 everything in PostgreSQL 😄

交控，大量数据入库

是不是 mqtt+时序数据库好点？

不是，你说的这个是信号系统里面的，当时其他项目组这个方面是用 C++开发的，我这个是工程数据 Excel 数据例如电子地图、各种其他表：VOBC 、联锁表等等，当时的这个数据平台设计的时候我才用了精确到单元格级别的存储，方便后面功能的扩展，所以数据量比较大，一个一个工程线路下来有一百万左右的数据入库

我现在就在用 RedisSteam 用来做简单的 MQ

个人觉得 list 的 right push + left pop 更靠谱

大哥，RedisSteam 用来做简单的 MQ 和 redis list 如何更好的区别应用场景呢？？

可以，我就这么用过，而且看场景可能是完全是有必要的，说白了一切看需求和成本，尤其是给多个 B 端客户在硬件有限但是流量不小的交付场景，说“没必要”，“everything”就是项目做的少

去年，我们也用 redis stream 做的 mq

stream 有 maxlen 可以控制容量，如果你不希望消费比生产慢把内存爆掉的话

嗯嗯，这个 Demo 刚写完时就有一个老哥咨询，他最终是用到了他们网站短信发送功能了，用 Redis Stream 做的消息队列，性能还可以

如果消息量很少没事，量大上 kafka ，几十亿几百亿消息

嗯嗯，是的，这种只适合轻量应用，如果数据量那么大的话就不需要在乎多加额外中间件成文的问题了

＃15 并不见得是这样，kafka 需要落盘和不平衡同样会带来让人头疼的问题，单技术维度思考会带来很严重的后果

＃15 实际上我们当时 Redis 和 Kafka 两个都上了，Redis 的原因是吞吐，限流，Kafka 是为了落盘持久化，而且硬盘的总 IO 有限，都留给 Kafka 了

＃17 那是没设计好，涉及分布式大数据不管啥组件都需要考虑这些问题。这种情况还用 redis 直接爆内存直接不可用

可以，也可以用这个代替 redis 。 nats.io

确实，业务场景的复杂程度也决定了重要的一环

＃18 张嘴就来分布式大数据高可用？做 waf 防应用层攻击的时候给你额外落盘处理的时间？爆内存就加内存，redis stream 文档里的的 maxlen 参数看过吗？ kafka 不均衡爆盘是不是只会找运维？一再说看需求看成本，你要是拿着八股文 chatgpt 干得更好

我的评价是，专业的事交给专业的中间件去做

我们用 redis stream 好几年了，每天五六十亿数据是有的，我们业务对数据不敏感，数据差异小范围都可以接受，实际用起来也没发现多大差异，从成本上来看对比 kafka 便宜太多

＃20 打个比方说，小公司给客户交付的一台服务器连软件开发加硬件就五万块，你得算计硬盘多少钱，内存多大多少钱，是雇个光会打嘴炮懂个半吊子 MQ 的，还是 redis 和应用层能一把抓的，这种事情很要命，直接决定生死，但是大公司是另一回事，有专门的维护每个中间件的工程师（是不是真熟悉底层另一说），成本收不收回来那也是商业策略问题和员工没关系

专业的事交给专业的中间件去做 可以使用 kafka rabbitmq

＃21 你张嘴就拿 WAF 和实时性说事，Redis Stream 的吞吐和 maxlen 能撑小规模没错，但消息量一上来，内存爆炸是你加内存就能随便解决的？ Kafka 不均衡、落盘慢是设计没做好，你拿运维当挡箭牌，原帖想做“完整项目”，扩展性是以后要考虑的事情，
更何况我提 Kafka 是给选项，你扣个八股文帽子以为自己懂需求懂成本？技术选型不是靠意气用事，Redis 做大数据场景就是自欺欺人，而且我也没让楼主这种小场景上 kafka ，这点数量级不用 redis 直接进程内异步处理都行，你非要瞎杠