订单超时自动取消，我们是这样做的。。。
前言在电商、外卖、票务等系统中，订单超时未支付自动取消是一个常见的需求。
这个功能乍一看很简单，甚至很多初学者会觉得："不就是加个定时器么？" 但真到了实际工作中，细节的复杂程度往往会超乎预期。
这里我们从基础到高级，逐步分析各种实现方案，最后分享一些在生产中常见的优化技巧，希望对你会有所帮助。
(我最近开源了一个基于 SpringBoot+Vue+uniapp 的商城项目，欢迎访问和star。)[https://gitee.com/dvsusan/susan_mall]
1. 使用延时队列（DelayQueue）
适用场景：订单数量较少，系统并发量不高。
延时队列是Java并发包（java.util.concurrent）中的一个数据结构，专门用于处理延时任务。
订单在创建时，将其放入延时队列，并设置超时时间。
延时时间到了以后，队列会触发消费逻辑，执行取消操作。
示例代码：
import java.util.concurrent.*;public class OrderCancelService { private static final DelayQueue<OrderTask> delayQueue = new DelayQueue<>(); public static void main(String[] args) throws InterruptedException { // 启动消费者线程 new Thread(() -> { while (true) { try { OrderTask task = delayQueue.take(); // 获取到期任务 System.out.println("取消订单：" + task.getOrderId()); } catch (InterruptedException e) { Thread.currentThread().interrupt(); } } }).start(); // 模拟订单创建 for (int i = 1; i <= 5; i++) { delayQueue.put(new OrderTask(i, System.currentTimeMillis() + 5000)); // 5秒后取消 System.out.println("订单" + i + "已创建"); } } static class OrderTask implements Delayed { private final long expireTime; private final int orderId; public OrderTask(int orderId, long expireTime) { this.orderId = orderId; this.expireTime = expireTime; } public int getOrderId() { return orderId; } @Override public long getDelay(TimeUnit unit) { return unit.convert(expireTime - System.currentTimeMillis(), TimeUnit.MILLISECONDS); } @Override public int compareTo(Delayed o) { return Long.compare(this.expireTime, ((OrderTask) o).expireTime); } }}优点：
[*]实现简单，逻辑清晰。
缺点：
[*]依赖内存，系统重启会丢失任务。
[*]随着订单量增加，内存占用会显著上升。
2. 基于数据库轮询
适用场景：订单数量较多，但系统对实时性要求不高。
轮询是最容易想到的方案：定期扫描数据库，将超时的订单状态更新为“已取消”。
示例代码：
public void cancelExpiredOrders() { String sql = "UPDATE orders SET status = 'CANCELLED' WHERE status = 'PENDING' AND create_time < ?"; try (Connection conn = dataSource.getConnection(); PreparedStatement ps = conn.prepareStatement(sql)) { ps.setTimestamp(1, new Timestamp(System.currentTimeMillis() - 30 * 60 * 1000)); // 30分钟未支付取消 int affectedRows = ps.executeUpdate(); System.out.println("取消订单数量：" + affectedRows); } catch (SQLException e) { e.printStackTrace(); }}优点：
[*]数据可靠性强，不依赖内存。
[*]实现成本低，无需引入第三方组件。
缺点：
[*]频繁扫描数据库，会带来较大的性能开销。
[*]实时性较差（通常定时任务间隔为分钟级别）。
优化建议：
[*]为相关字段加索引，避免全表扫描。
[*]结合分表分库策略，减少单表压力。
3. 基于Redis队列
适用场景：适合对实时性有要求的中小型项目。
Redis 的 List 或 Sorted Set 数据结构非常适合用作延时任务队列。
我们可以把订单的超时时间作为 Score，订单 ID 作为 Value 存到 Redis 的 ZSet 中，定时去取出到期的订单进行取消。
例子：
public void addOrderToQueue(String orderId, long expireTime) { jedis.zadd("order_delay_queue", expireTime, orderId);}public void processExpiredOrders() { long now = System.currentTimeMillis(); Set<String> expiredOrders = jedis.zrangeByScore("order_delay_queue", 0, now); for (String orderId : expiredOrders) { System.out.println("取消订单：" + orderId); jedis.zrem("order_delay_queue", orderId); // 删除已处理的订单 }}优点：
[*]实时性高。
[*]Redis 的性能优秀，延迟小。
缺点：
[*]Redis 容量有限，适合中小规模任务。
[*]需要额外处理 Redis 宕机或数据丢失的问题。
4. Redis Key 过期回调
适用场景：对超时事件实时性要求高，并且希望依赖 Redis 本身的特性实现简单的任务调度。
Redis 提供了 Key 的过期功能，结合 keyevent 事件通知机制，可以实现订单的自动取消逻辑。
当订单设置超时时间后，Redis 会在 Key 过期时发送通知，我们只需要订阅这个事件并进行相应的处理。
例子：
[*]设置订单的过期时间：
public void setOrderWithExpiration(String orderId, long expireSeconds) { jedis.setex("order:" + orderId, expireSeconds, "PENDING");}
[*]订阅 Redis 的过期事件：
public void subscribeToExpirationEvents() { Jedis jedis = new Jedis("localhost"); jedis.psubscribe(new JedisPubSub() { @Override public void onPMessage(String pattern, String channel, String message) { if (channel.equals("__keyevent@0__:expired")) { System.out.println("接收到过期事件，取消订单：" + message); // 执行取消订单的业务逻辑 } } }, "__keyevent@0__:expired"); // 订阅过期事件}优点：
[*]实现简单，直接利用 Redis 的过期机制。
[*]实时性高，过期事件触发后立即响应。
缺点：
[*]依赖 Redis 的事件通知功能，需要开启 notify-keyspace-events 配置。
[*]如果 Redis 中大量使用过期 Key，可能导致性能问题。
注意事项：
要使用 Key 过期事件，需要确保 Redis 配置文件中 notify-keyspace-events 的值包含 Ex。比如：
notify-keyspace-events Ex5. 基于消息队列（如RabbitMQ）
适用场景：高并发系统，实时性要求高。
订单创建时，将订单消息发送到延迟队列（如RabbitMQ 的 x-delayed-message 插件）。
延迟时间到了以后，消息会重新投递到消费者，消费者执行取消操作。
示例代码（以RabbitMQ为例）：
public void sendOrderToDelayQueue(String orderId, long delay) { Map<String, Object> args = new HashMap<>(); args.put("x-delayed-type", "direct"); ConnectionFactory factory = new ConnectionFactory(); try (Connection connection = factory.newConnection(); Channel channel = connection.createChannel()) { channel.exchangeDeclare("delayed_exchange", "x-delayed-message", true, false, args); channel.queueDeclare("delay_queue", true, false, false, null); channel.queueBind("delay_queue", "delayed_exchange", "order.cancel"); AMQP.BasicProperties props = new AMQP.BasicProperties.Builder() .headers(Map.of("x-delay", delay)) // 延迟时间 .build(); channel.basicPublish("delayed_exchange", "order.cancel", props, orderId.getBytes()); } catch (Exception e) { e.printStackTrace(); }}优点：
[*]消息队列支持分布式，高并发下表现优秀。
[*]数据可靠性高，不容易丢消息。
缺点：
[*]引入消息队列增加了系统复杂性。
[*]需要处理队列堆积的问题。
6. 使用定时任务框架
适用场景：订单取消操作复杂，需要分布式支持。
定时任务框架，比如：Quartz、Elastic-Job，能够高效地管理任务调度，适合处理批量任务。
比如 Quartz 可以通过配置 Cron 表达式，定时执行订单取消逻辑。
示例代码：
@Scheduled(cron = "0 */5 * * * ?")public void scanAndCancelOrders() { System.out.println("开始扫描并取消过期订单"); // 这里调用数据库更新逻辑}优点：
[*]成熟的调度框架支持复杂任务调度。
[*]灵活性高，支持分布式扩展。
缺点：
[*]对实时性支持有限。
[*]框架本身较复杂。
我的项目实战和工作经验分享
7. 基于触发式事件流处理
适用场景：需要处理实时性较高的订单取消，同时结合复杂业务逻辑，例如根据用户行为动态调整超时时间。
可以借助事件流处理框架（如 Apache Flink 或 Spark Streaming），实时地处理订单状态，并触发超时事件。
每个订单生成后，可以作为事件流的一部分，订单未支付时通过流计算触发超时取消逻辑。
示例代码（以 Apache Flink 为例）：
DataStream<OrderEvent> orderStream = env.fromCollection(orderEvents);orderStream .keyBy(OrderEvent::getOrderId) .process(new KeyedProcessFunction<String, OrderEvent, Void>() { @Override public void processElement(OrderEvent event, Context ctx, Collector<Void> out) throws Exception { // 注册一个定时器 ctx.timerService().registerProcessingTimeTimer(event.getTimestamp() + 30000); // 30秒超时 } @Override public void onTimer(long timestamp, OnTimerContext ctx, Collector<Void> out) throws Exception { // 定时器触发，执行订单取消逻辑 System.out.println("订单超时取消，订单ID：" + ctx.getCurrentKey()); } });优点：
[*]实时性高，支持复杂事件处理逻辑。
[*]适合动态调整超时时间，满足灵活的业务需求。
缺点：
[*]引入了流计算框架，系统复杂度增加。
[*]对运维要求较高。
总结
每种方案都有自己的适用场景，大家在选择的时候，记得结合业务需求、订单量、并发量来综合考虑。
如果你的项目规模较小，可以直接用延时队列或 Redis；而在大型高并发系统中，消息队列和事件流处理往往是首选。
当然，代码实现只是第一步，更重要的是在实际部署和运行中进行性能调优，保证系统的稳定性。
希望这篇文章能给大家一些启发，也欢迎讨论其他可能的实现思路！
最后说一句(求关注，别白嫖我)
如果这篇文章对您有所帮助，或者有所启发的话，帮忙关注一下我的同名公众号：苏三说技术，您的支持是我坚持写作最大的动力。
求一键三连：点赞、转发、在看。
关注公众号：【苏三说技术】，在公众号中回复：进大厂，可以免费获取我最近整理的10万字的面试宝典，好多小伙伴靠这个宝典拿到了多家大厂的offer。
页:
[1]