JetCache连接Redis Sentinel的密码配置实践
2025-06-07 05:37:08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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.76 K
Ascend Extension for PyTorch
Python
344
412
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++
886
605
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
337
182
暂无简介
Dart
777
192
deepin linux kernel
C
27
11
🎉 (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
1.34 K
757
React Native鸿蒙化仓库
JavaScript
303
356
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
987
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
896