redisson

关注

原创 2025-06-11 15:03:20 417 阅读 AI 写同款· GEO 优化 ›

Spring集成Redisson配置RedissonAutoConfiguration初始化源码解析 Redisson数据源初始化源码，当前版本3.13.6 /** * Copyright (c) 2013-2020 Nikita Koksharov * * Licensed under the Apache License, Version 2.0 (the "License"); * you may not use this file except in compliance with the License. * You may obtain a copy of the License 阅读详情

lettuce

redistemplate是springboot2.X后面，由lettuce具体实现，1.x的是jedis，redisson是redis的分布式客户端

Lettuce 是一个基于 Netty 的高性能、线程安全的 Java Redis 客户端，专为高并发和异步场景设计。以下是其核心要点
异步与非阻塞：基于 Netty 实现，支持异步和响应式编程（如 Reactive Streams）。
线程安全：单个连接实例可被多线程共享，无需连接池。
协议支持：完整支持 Redis 5/6/7 的协议（RESP2/RESP3）、集群、哨兵、管道、事务等。
长连接：支持连接自动重连和心跳保活，适合长时间运行的分布式服务。

redisson

<dependency>
  <groupId>org.redisson</groupId>
  <artifactId>redisson</artifactId>
  <version>3.15.4</version>
</dependenc

命令

redisson

在这里插入图片描述

1. 使用官网git

link

什么场景需要用到RScoredSortedSet,举例说明

实时排行榜：在游戏、竞赛或社交应用中，需要实时地根据分数来排名用户或团队。ScoredSortedSet可以将用户的得分作为分数，并将用户对象添加到集合中。通过调用方法如reverseRange，可以轻松地获取排行榜上的前几名。
时间线：类似于社交媒体平台的时间线，可以使用ScoredSortedSet按照发布时间对帖子进行排序。每个帖子可以关联一个时间戳作为分数，通过添加帖子对象到集合中并调用range方法，可以按照时间顺序获取帖子列表。
任务调度：当需要按优先级执行任务时，可以使用ScoredSortedSet来存储任务对象，并将任务的优先级作为分数。通过调用range方法，可以按优先级顺序获取要执行的任务列表。
范围查询：ScoredSortedSet还支持范围查询操作，可以根据指定的分数范围来获取成员列表。例如，在电子商务应用程序中，可以使用ScoredSortedSet来存储商品，并将商品的价格作为分数。这样，可以方便地根据指定价格范围来获取商品列表。

aip

add(double score, V object): 将成员对象添加到集合中，并为其指定分数。
removeRangeByScore(double startScore, boolean startIncluded, double endScore, boolean endIncluded): 删除给定范围内的成员。可以选择是否包含起始和结束分数。
score(V object): 获取指定成员的分数。
rank(V object): 获取指定成员在集合中的排名（从0开始）。
count(double startScore, boolean startIncluded, double endScore, boolean endIncluded): 计算给定范围内成员的数量。可以选择是否包含起始和结束分数。
range(double startScore, boolean startIncluded, double endScore, boolean endIncluded): 返回给定范围内的成员列表。可以选择是否包含起始和结束分数。
reverseRank(V object): 获取指定成员在集合中的逆序排名（从0开始）。
reverseRange(int startIndex, int endIndex): 返回指定范围内的成员列表，按逆序排列。

RScoredSortedSet原理

RScoredSortedSet 通过 Redis 原生的 Sorted Set 实现分布式有序集合，借助跳跃表和哈希表的高效性，结合 Lua 脚本的原子性，提供了高性能的排序、范围查询

3. Redission RAtomicLong

今天有多少订单产生,统计大屏;

有多少柜机在线;

RAtomicLong本身可以满足单次操作的原子性需求，

简单计数场景
直接使用RAtomicLong的原子方法（如incrementAndGet()），无需额外处理。

高并发场景优化
本地预生成ID缓冲池（减少Redis访问）
冷热数据分离（高频操作用RAtomicLong，低频数据用数据库）

4. RScoredSortedSet 实现LFU

 public static void main(String[] args) {
        // 创建 Redisson 配置
        Config config = new Config();
        config.useSingleServer().setAddress("redis://127.0.0.1:6379");

        // 创建 Redisson 客户端
        RedissonClient redisson = Redisson.create(config);

        // 获取有序集合
        RScoredSortedSet<String> sortedSet = redisson.getScoredSortedSet("mySortedSet");

        // 插入数据的函数
        insertData(sortedSet, "data1");
        insertData(sortedSet, "data2");
        insertData(sortedSet, "data1"); // "data1" already exists, score should be incremented
        insertData(sortedSet, "data3");
        insertData(sortedSet, "data4");
        insertData(sortedSet, "data5");
        insertData(sortedSet, "data5");
        insertData(sortedSet, "data6");
        insertData(sortedSet, "data7");
        insertData(sortedSet, "data8");
        insertData(sortedSet, "data9");
        insertData(sortedSet, "data10");
        insertData(sortedSet, "data11");
        insertData(sortedSet, "data12");

        // 打印集合内容
        System.out.println("111");
        final val scoredEntries = sortedSet.entryRangeReversed(0, -1);
        final val collect = scoredEntries.stream().map(ScoredEntry::getValue).collect(Collectors.toList());
        System.out.println(JSONObject.toJSONString(collect));


        // 获取按分数由高到低排序的所有数据

        // 打印集合内容
        for (ScoredEntry<String> entry : scoredEntries) {

            System.out.println("Data: " + entry.getValue() + ", Score: " + entry.getScore());
        }

        // 关闭 Redisson 客户端
        redisson.shutdown();
    }

    public static void insertData(RScoredSortedSet<String> sortedSet, String data) {
        Double currentScore = sortedSet.getScore(data);
        if (currentScore != null) {
            // 数据已经存在，分数加一
            sortedSet.addScore(data, 60*60*24);
        } else {
            // 数据不存在，插入新数据
            if (sortedSet.size() < 10) {
                sortedSet.add(System.currentTimeMillis()/100000, data);
            } else {
                // 插入新数据
                sortedSet.add(System.currentTimeMillis()/100000, data);

                // 获取分数最低的元素集合（有多个分数相同的情况）
                Collection<String> lowestScoreElements = sortedSet.valueRange(0, 0);

                // 找到插入时间最早的元素
                String earliestElement = null;
                long earliestTimestamp = Long.MAX_VALUE;
                for (String element : lowestScoreElements) {
                    Double score = sortedSet.getScore(element);
                    if (score != null && score < earliestTimestamp) {
                        earliestTimestamp = score.longValue();
                        earliestElement = element;
                    }
                }

                // 删除分数最低且插入时间最早的元素
                if (earliestElement != null) {
                    sortedSet.remove(earliestElement);
                }
            }
        }
    }

5. 分布式锁

one 原理

1. 锁的存储结构

Redisson 的分布式锁通过 Redis 的 Hash 结构 存储锁信息，键的格式为 锁名称（例如 myLock），字段（field）为客户端唯一标识（UUID + 线程ID），值为锁的重入次数（计数器）。例如：

HGETALL myLock
1) "b983c153-8b6a-4a7a-8e2a-3f0a7d8f3c7b:1"  # 客户端ID:线程ID
2) "3"  # 重入次数

在这里插入图片描述

2. 加锁过程（lock()）

当调用 lock() 方法时，Redisson 执行以下流程：

步骤 1：尝试加锁

使用 Lua 脚本（保证原子性）尝试在 Redis 中创建锁：

如果锁不存在（exists == 0），则通过 hset 设置锁的 Hash 字段，初始化重入次数为 1，并设置过期时间（默认 30 秒）。
如果锁已存在且是当前线程持有（可重入），则重入次数加 1，并更新过期时间。
如果锁被其他线程占用，则通过 Redis 的发布订阅机制订阅锁释放事件，进入循环等待。

-- Lua 脚本伪代码
if (redis.call('exists', KEYS[1]) == 0) then
    redis.call('hset', KEYS[1], ARGV[2], 1);
    redis.call('pexpire', KEYS[1], ARGV[1]);
    return nil;
end;
if (redis.call('hexists', KEYS[1], ARGV[2]) == 1) then
    redis.call('hincrby', KEYS[1], ARGV[2], 1);
    redis.call('pexpire', KEYS[1], ARGV[1]);
    return nil;
end;
return redis.call('pttl', KEYS[1]);

步骤 2：锁续期（Watchdog 机制）

如果锁获取成功，Redisson 会启动一个后台线程（看门狗），每隔 10 秒 检查锁是否仍被持有。如果是，则自动将锁的过期时间重置为 30 秒，防止业务逻辑未执行完锁被自动释放。

3. 解锁过程（unlock()）

调用 unlock() 时，Redisson 通过 Lua 脚本减少重入次数，直到计数器归零后删除锁：

-- Lua 脚本伪代码
if (redis.call('hexists', KEYS[1], ARGV[3]) == 0) then
    return nil;
end;
local counter = redis.call('hincrby', KEYS[1], ARGV[3], -1);
if (counter > 0) then
    redis.call('pexpire', KEYS[1], ARGV[2]);
    return 0;
else
    redis.call('del', KEYS[1]);
    redis.call('publish', KEYS[2], ARGV[1]);
    return 1;
end;

每次解锁会将重入次数减 1，直到计数器为 0 时删除锁。
通过 Redis 的发布订阅机制通知等待线程锁已释放。

4. 关键特性

可重入性
同一线程多次获取锁时，重入次数递增，避免死锁。
自动续期（Watchdog）
防止因业务执行时间过长导致锁超时释放。
避免死锁
锁默认 30 秒过期（即使未显式释放），结合 Watchdog 续期。
互斥性
基于 Redis 的单线程特性，确保锁的互斥访问。

5. 高可用场景（RedLock）

在 Redis 集群模式下，Redisson 支持 RedLock 算法（多节点加锁），通过多个独立的 Redis 实例协同工作，提升分布式锁的可靠性。但 getLock 默认基于单节点实现，若需高可用需显式使用 RedissonRedLock。

总结

RedissonClient.getLock() 的底层实现结合了 Redis 的原子操作、Lua 脚本、发布订阅和看门狗机制，提供了一个高效、可靠的分布式锁，解决了传统 SETNX 命令的局限性（如不可重入、无自动续期等问题）。

模版代码

Lock lock = ...;
 if (lock.tryLock()) {
   try {
     // manipulate protected state
   } finally {
     lock.unlock();
   }
 } else {
   // perform alternative actions
 }

6. redission实现公平锁的实现原理

排队机制：

当多个客户端尝试获取锁时，Redisson 会将它们放入一个队列中（这个队列存储在 Redis 里），按照请求的时间顺序排队。
只有队列中的第一个客户端才能获得锁。

监听机制：

每个客户端在尝试获取锁失败后，会订阅一个特定的频道（channel），以监听前一个释放锁的事件。
当前一个客户端释放锁时，它会发布一个消息到该频道，通知下一个客户端来尝试获取锁。

超时与重试：

客户端在等待锁的过程中会有一个超时时间，如果超时仍未获得锁，则放弃获取锁并移出队列。
客户端可以设置等待锁的最长时间和锁的持有时间。

7. 再谈公平锁

Redisson 公平锁实现原理与最佳实践

Redisson 的公平锁（Fair Lock）是一种分布式锁实现，它按照请求锁的顺序来分配锁，确保所有等待锁的客户端按照先来先服务的原则获得锁资源。

公平锁的实现原理

Redisson 公平锁基于 Redis 的 Lua 脚本和发布/订阅机制实现，核心设计如下：

1. 排队机制

使用 Redis 的 List 数据结构作为等待队列
每个客户端尝试获取锁时，会生成唯一标识并加入队列尾部
只有队列头部的客户端才能获得锁

2. 锁获取流程

3. 关键组件

等待队列：Redis List 存储等待客户端（键格式：redisson_lock_queue:{lockName}）
超时集合：Redis Sorted Set 跟踪客户端等待时间（键格式：redisson_lock_timeout:{lockName}）
订阅通道：Redis Pub/Sub 通知锁释放事件

公平锁的使用方式

基本用法

import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;

public class FairLockExample {
    
    private final RedissonClient redissonClient;
    
    public void performTaskWithFairLock() {
        RLock fairLock = redissonClient.getFairLock("myFairLock");
        
        try {
            // 尝试获取锁，最多等待10秒，锁持有时间30秒
            if (fairLock.tryLock(10, 30, TimeUnit.SECONDS)) {
                // 执行需要锁保护的代码
                executeCriticalSection();
            }
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
        } finally {
            if (fairLock.isLocked() && fairLock.isHeldByCurrentThread()) {
                fairLock.unlock();
            }
        }
    }
    
    private void executeCriticalSection() {
        // 关键业务逻辑
    }
}

最佳实践建议

合理设置等待时间

// 根据业务场景设置合理的等待时间
boolean acquired = fairLock.tryLock(15, 60, TimeUnit.SECONDS);

避免锁泄漏

finally {
    // 确保只有持有锁的线程才能解锁
    if (fairLock.isHeldByCurrentThread()) {
        fairLock.unlock();
    }
}

处理中断异常

catch (InterruptedException e) {
    Thread.currentThread().interrupt();
    // 执行清理操作或重试逻辑
}

公平锁 vs 非公平锁

特性	公平锁	非公平锁
获取顺序	先进先出（FIFO）	随机竞争
性能	较低（维护队列开销）	较高
饥饿问题	不会发生	可能发生
实现复杂度	较高	较低
适用场景	需要严格顺序执行的业务	高并发、低延迟场景

fair and unfair

公平用的队列, 非公平用的发布订阅
Redisson的公平锁和非公平锁在锁释放通知机制上有重要区别。下面我将详细解释两种锁在锁释放时如何通知等待的客户端：

1. 公平锁（Fair Lock）的通知机制

公平锁使用队列机制保证获取锁的顺序（FIFO）。当锁释放时：

仅通知队列中的第一个等待客户端（即等待时间最长的客户端）
其他等待客户端不会收到通知，直到它们成为队列头部

实现关键点：

使用Redis的List结构作为等待队列（键：redisson_lock_queue:{lockName}）
每个客户端在队列中的位置固定
锁释放时，Redis执行Lua脚本：

从队列头部取出第一个客户端
向该客户端的专属频道发布通知

2. 非公平锁（Non-fair Lock）的通知机制

非公平锁在锁释放时：

向所有等待客户端广播锁释放消息
所有收到通知的客户端会同时竞争锁

最佳实践建议

需要严格顺序：使用公平锁（如订单处理、资源分配）
追求高吞吐：使用非公平锁（如库存扣减）
避免大量等待：

设置合理的锁等待超时时间
使用tryLock而非无限制的lock

监控等待队列长度：


RLock lock = redisson.getFairLock("fairLock");

// 获取等待线程数（Redisson 3.17+）

int waitCount = lock.getQueueSize();

结论

公平锁：锁释放时只通知等待队列中的第一个客户端（甲），确保获取顺序。
非公平锁：锁释放时向所有等待客户端广播通知，引发竞争。

这种设计差异使得公平锁能保证先到先得的公平性，而非公平锁则通过竞争获得更高的吞吐量。

高级特性

1. 锁续期（Watchdog）

当不指定锁超时时间时，Redisson 会启动看门狗线程自动续期：

// 无超时时间参数，启动自动续期
fairLock.lock();

// 后台线程每10秒续期一次（默认1/3看门狗超时时间）

2. 多锁管理（MultiLock）

RLock lock1 = redissonClient.getFairLock("lock1");
RLock lock2 = redissonClient.getFairLock("lock2");

RedissonMultiLock multiLock = new RedissonMultiLock(lock1, lock2);
multiLock.lock();
try {
    // 同时获得多个锁
} finally {
    multiLock.unlock();
}

性能优化建议

减少锁粒度：根据业务拆分多个细粒度锁
设置合理超时：避免锁持有时间过长

监控锁等待时间：

long waitTime = System.currentTimeMillis();
if (fairLock.tryLock()) {
    long acquiredTime = System.currentTimeMillis() - waitTime;
    // 记录等待时间指标
}

避免嵌套锁：防止死锁发生

典型应用场景

订单处理系统：按照订单创建顺序处理
资源分配系统：公平分配有限资源
定时任务调度：确保任务按提交顺序执行
分布式工作队列：保证任务处理顺序性

通过合理使用 Redisson 公平锁，可以在分布式系统中实现公平的资源分配，避免某些客户端长时间等待导致的"饥饿"问题，特别适合需要严格顺序执行的业务场景。

8. A B 两个服务的客户端唯一标识应该不一样,那么 A加的锁,B识别不到吧,那么自己加自己的锁,就不是分布式的呀

我们讨论的是Redisson分布式锁的实现机制。您提到的结构确实如此：Redisson使用Redis的Hash结构存储锁信息，其中：

键（key）是锁的名称，例如"myLock"。
字段（field）是客户端唯一标识，由UUID（每个Redisson客户端实例有一个唯一的UUID）和线程ID组成。
值（value）是锁的重入次数（计数器）。

现在，问题来了：服务A和服务B是两个不同的服务，它们各自启动一个Redisson客户端实例，那么它们的UUID肯定是不同的。因此，服务A加的锁，服务B在尝试获取同一把锁（同一个key）时，看到的Hash中的field（即客户端标识）是服务A的，而不是自己的。那么，服务B如何知道自己不能获取锁呢？这会不会导致服务B自己加自己的锁，从而破坏了分布式锁的互斥性？

答案是：不会。因为Redisson的分布式锁机制保证了互斥性。下面我来详细解释：