Redisson进阶：Lua脚本与API在分布式锁与限流中的深度整合
1. 为什么需要Lua脚本与Redisson的深度整合
在分布式系统中，高并发场景下的数据一致性和性能优化一直是开发者面临的难题。想象一下电商秒杀场景：成千上万的用户同时抢购同一件商品，如果库存扣减操作不是原子的，很可能出现超卖；又或者API接口被恶意刷量，如果没有可靠的限流机制，系统可能瞬间崩溃。
传统做法是用Java代码组合多个Redis命令，但这存在三个致命问题：
- 网络开销大：每个命令都要单独与Redis服务器通信
- 非原子性风险：多个命令执行期间可能被其他操作打断
- 业务逻辑复杂：错误处理、重试机制等代码会让业务层变得臃肿
而Lua脚本在Redis中执行时具有天然的原子性——要么全部执行成功，要么全部不执行。Redisson作为Redis的Java客户端，通过RScript接口提供了Lua脚本的加载、执行和管理能力，让开发者既能享受Lua的原子性优势，又能保持Java开发的便捷性。
我在实际项目中遇到过这样的案例：某金融系统的账户余额变更操作，最初采用先查询后更新的方式，在并发量高时频繁出现余额错乱。改用Lua脚本后，将查询、计算、更新三个操作合并为一个原子操作，彻底解决了问题，QPS还提升了3倍。
2. 环境准备与基础配置
2.1 引入Redisson依赖
推荐使用Spring Boot Starter方式集成，这是目前最简洁的配置方案：
<dependency> <groupId>org.redisson</groupId> <artifactId>redisson-spring-boot-starter</artifactId> <version>3.23.2</version> </dependency>如果是非Spring项目，也可以直接引入核心库：
<dependency> <groupId>org.redisson</groupId> <artifactId>redisson</artifactId> <version>3.23.2</version> </dependency>2.2 配置Redisson客户端
单节点Redis的基础配置示例：
@Bean public RedissonClient redissonClient() { Config config = new Config(); config.useSingleServer() .setAddress("redis://127.0.0.1:6379") .setPassword("yourpassword") .setDatabase(0); return Redisson.create(config); }生产环境建议配置连接池参数：
.setConnectionPoolSize(64) .setConnectionMinimumIdleSize(24) .setIdleConnectionTimeout(10000) .setConnectTimeout(5000) .setTimeout(3000)3. Redisson的Lua脚本管理机制
3.1 脚本加载与SHA摘要
Redisson通过scriptLoad方法预编译Lua脚本并生成SHA1摘要，后续执行只需传递这个摘要，大幅减少网络传输量。这就像给脚本办了个身份证，以后凭身份证号就能快速调用。
String luaScript = "return redis.call('get', KEYS[1])"; String shaDigest = redissonClient.getScript().scriptLoad(luaScript);实际项目中，我习惯把Lua脚本放在resources/scripts目录下，用工具类统一加载：
public String loadScript(String path) { String content = new String(Files.readAllBytes(Paths.get(getClass() .getResource(path).toURI()))); return redissonClient.getScript().scriptLoad(content); }3.2 脚本执行模式详解
Redisson提供三种执行模式，对应不同的Redis节点选择策略：
| 模式 | 适用场景 | 执行节点 |
|---|---|---|
| READ_ONLY | 只读操作 | 副本节点 |
| READ_WRITE | 读写操作（默认） | 主节点 |
| MASTER | 强制主节点执行 | 主节点 |
典型执行示例：
Long result = redissonClient.getScript() .evalSha(RScript.Mode.READ_WRITE, shaDigest, ReturnType.INTEGER, Collections.singletonList("myKey"), "arg1", "arg2");踩坑提醒：在Redis集群环境下，所有Key必须位于同一个slot，否则会报错。可以通过hash tag确保这一点，比如用"{user}:order"作为key前缀。
4. 分布式锁的Lua实现方案
4.1 可重入锁实现原理
可重入锁的核心是解决同一线程重复获取锁的问题。我们通过Redis的Hash结构实现：
- Key：锁名称
- Field：线程标识
- Value：重入次数
加锁Lua脚本示例：
local key = KEYS[1] local threadId = ARGV[1] local ttl = tonumber(ARGV[2]) if (redis.call('exists', key) == 0) then redis.call('hset', key, threadId, 1) redis.call('expire', key, ttl) return 1 end if (redis.call('hexists', key, threadId) == 1) then redis.call('hincrby', key, threadId, 1) redis.call('expire', key, ttl) return 1 end return 0对应的Java调用方法：
public boolean tryLock(String lockKey, String threadId, long ttlSec) { Long result = redissonClient.getScript().evalSha( Mode.READ_WRITE, lockScriptSha, ReturnType.INTEGER, Collections.singletonList(lockKey), threadId, String.valueOf(ttlSec)); return result != null && result == 1; }4.2 锁续期与死锁预防
为了防止业务执行时间超过锁有效期，需要实现锁续期机制。我推荐的做法是：
- 获取锁成功后启动守护线程
- 每隔ttl/3时间执行一次续期
- 业务完成时取消续期
private void scheduleExpirationRenewal(String lockKey, String threadId, long ttl) { ScheduledExecutorService executor = Executors.newSingleThreadScheduledExecutor(); executor.scheduleAtFixedRate(() -> { if (isLocked(lockKey, threadId)) { redissonClient.getBucket(lockKey).expire(ttl, TimeUnit.SECONDS); } }, ttl / 3, ttl / 3, TimeUnit.SECONDS); }5. 限流算法的Lua实现
5.1 令牌桶算法实战
令牌桶算法的核心参数：
- 桶容量：最大突发请求量
- 填充速率：每秒新增的令牌数
Lua实现要点：
local key = KEYS[1] local capacity = tonumber(ARGV[1]) local rate = tonumber(ARGV[2]) local now = tonumber(ARGV[3]) local tokens = tonumber(redis.call("get", key..":tokens") or capacity) local lastTime = tonumber(redis.call("get", key..":time") or now) local delta = math.max(0, now - lastTime) local newTokens = math.min(capacity, tokens + delta * rate) if newTokens >= 1 then redis.call("set", key..":tokens", newTokens - 1) redis.call("set", key..":time", now) return 1 else return 0 endJava调用示例：
public boolean tryAcquire(String key, int capacity, int rate) { Long result = redissonClient.getScript().evalSha( Mode.READ_WRITE, tokenBucketSha, ReturnType.INTEGER, Collections.singletonList(key), String.valueOf(capacity), String.valueOf(rate), String.valueOf(System.currentTimeMillis() / 1000)); return result != null && result == 1; }5.2 漏桶算法对比实现
漏桶算法与令牌桶的区别：
| 特性 | 令牌桶 | 漏桶 |
|---|---|---|
| 突发流量 | 允许 | 平滑 |
| 实现复杂度 | 较高 | 较低 |
| 适用场景 | 突发流量控制 | 恒定速率控制 |
漏桶Lua实现核心逻辑：
local key = KEYS[1] local capacity = tonumber(ARGV[1]) local rate = tonumber(ARGV[2]) local now = tonumber(ARGV[3]) local water = tonumber(redis.call("get", key..":water") or 0) local lastTime = tonumber(redis.call("get", key..":time") or now) local leaked = math.max(0, (now - lastTime) * rate) water = math.max(0, water - leaked) if water < capacity then redis.call("set", key..":water", water + 1) redis.call("set", key..":time", now) return 1 else return 0 end6. 原子操作进阶技巧
6.1 库存扣减的原子性实现
电商场景下的库存扣减需要特别注意：
- 检查库存是否充足
- 扣减库存
- 记录操作日志
这三个操作必须原子化：
local productKey = KEYS[1] local logKey = KEYS[2] local userId = ARGV[1] local amount = tonumber(ARGV[2]) local stock = tonumber(redis.call("get", productKey)) if stock < amount then return 0 end redis.call("decrby", productKey, amount) redis.call("hset", logKey, userId, amount) return 16.2 多键操作的原子性
当需要同时操作多个Key时，可以使用Redis的事务特性：
local account1 = KEYS[1] local account2 = KEYS[2] local amount = tonumber(ARGV[1]) local balance1 = tonumber(redis.call("get", account1)) if balance1 < amount then return 0 end redis.call("decrby", account1, amount) redis.call("incrby", account2, amount) return 17. 性能优化与错误处理
7.1 脚本缓存策略
Redisson默认会自动缓存脚本，但在集群环境下需要注意：
- 脚本需要预先在所有节点加载
- 使用scriptLoad返回的SHA要缓存起来
- 捕获NOSCRIPT错误并重新加载
优化后的执行逻辑：
public Object executeScript(String scriptSha, String scriptContent, RScript.Mode mode, List<Object> keys, Object... args) { try { return redissonClient.getScript() .evalSha(mode, scriptSha, ReturnType.VALUE, keys, args); } catch (RedisException e) { if (e.getMessage().contains("NOSCRIPT")) { String newSha = redissonClient.getScript().scriptLoad(scriptContent); scriptCache.put(scriptContent, newSha); return redissonClient.getScript() .evalSha(mode, newSha, ReturnType.VALUE, keys, args); } throw e; } }7.2 常见错误排查
脚本超时：复杂脚本执行时间超过lua-time-limit（默认5秒）
- 解决方案：优化脚本逻辑，或调大超时时间
内存不足：脚本使用过多内存
- 解决方案：减少数据处理量，分批执行
语法错误：Lua语法问题
- 调试技巧：先用redis-cli测试脚本
redis-cli --eval script.lua key1 key2 , arg1 arg2我在实际项目中总结了一套调试方法：先在Redis命令行测试脚本，确认无误后再集成到Java代码中，可以节省大量调试时间。