JetCache连接Redis Sentinel的密码配置实践
2025-06-07 11:09:11作者:滑思眉Philip
背景介绍
JetCache作为阿里巴巴开源的Java缓存框架,支持多种缓存后端,包括Redis。在实际生产环境中,Redis Sentinel模式是常用的高可用方案。然而,当Sentinel服务本身配置了密码认证时,JetCache的配置会变得复杂,这也是本文要探讨的核心问题。
问题分析
在JetCache配置Redis Sentinel时,常见的配置方式是通过URI格式指定Sentinel节点和主节点信息。当Sentinel服务启用了密码认证,配置会面临以下挑战:
- Redis节点密码和Sentinel密码是独立的
- Lettuce客户端默认不支持在URI中直接配置Sentinel密码
- JetCache官方文档对此场景的说明不够详细
配置方案对比
方案一:使用Spring Data Redis适配器
对于Spring Boot项目,最简单的解决方案是切换依赖:
<dependency>
<groupId>com.alicp.jetcache</groupId>
<artifactId>jetcache-starter-redis-springdata</artifactId>
<version>${jetcache.version}</version>
</dependency>
这种方案利用了Spring Data Redis对Sentinel的原生支持,可以更简单地处理密码认证问题。
方案二:修改Lettuce源码
对于必须使用Lettuce客户端的场景,可以通过修改Lettuce源码实现Sentinel密码支持。核心修改点包括:
- 在
RedisURI.configureSentinel()方法中解析URI参数 - 添加对
sentinelPassword参数的支持 - 将密码设置到Sentinel的RedisURI对象中
关键代码修改如下:
private static Builder configureSentinel(URI uri) {
// 解析sentinelPassword参数
char[] sentinelPassword = parseSentinelPassword(uri);
// ...其他代码
if (builder == null && LettuceStrings.isNotEmpty(uri.getAuthority())) {
// 设置sentinel密码
builder.sentinelPassword = sentinelPassword;
}
// ...其他代码
}
最佳实践建议
- 优先使用Spring Data适配器:对于Spring Boot项目,这是最简单可靠的方案
- 密码安全:避免在配置文件中明文存储密码,考虑使用配置中心或加密方案
- 连接池配置:合理设置连接池参数,如示例中的minIdle、maxIdle等
- 多环境支持:使用变量替换(如${spring.application.name})提高配置的灵活性
配置示例
以下是结合了密码配置的JetCache完整配置示例:
jetcache:
remote:
default:
type: redis.lettuce
keyPrefix: '${spring.application.name}:'
password: '${redis.password}' # Redis节点密码
uri: redis-sentinel://${redis.password}@host1:port1,host2:port2/dbIndex?sentinelMasterId=mymaster&sentinelPassword=${sentinel.password}
poolConfig:
minIdle: 5
maxIdle: 20
maxTotal: 50
总结
JetCache连接带密码认证的Redis Sentinel集群时,开发者需要特别注意密码配置的层次性。通过本文介绍的两种方案,开发者可以根据项目实际情况选择最适合的接入方式。对于大多数Spring Boot项目,使用Spring Data适配器是最简单可靠的方案;而对于需要深度定制的情况,则可以考虑修改Lettuce客户端源码的方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
311
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1