Redisson 3.47.0发布:分布式队列增强与性能优化
Redisson项目简介
Redisson是一个基于Redis的Java客户端,它不仅提供了对Redis基础数据结构的封装,还在此基础上实现了丰富的分布式Java对象和服务。作为一个成熟的Redis客户端框架,Redisson简化了在分布式环境中开发复杂应用的过程,提供了分布式锁、队列、集合、Map等高级数据结构,以及分布式服务如远程服务、定时任务等。
版本亮点解析
可靠的分布式队列增强
3.47.0版本对RReliableQueue进行了重大改进,新增了ReliableFanout对象,这是一种可靠的发布-订阅模式实现。与传统的Redis Pub/Sub不同,ReliableFanout保证了消息的可靠传递,即使在消费者暂时不可用时也不会丢失消息。
RReliableQueue现在支持两种处理模式:
- 单消费者模式:传统的队列模式,消息被一个消费者消费
- 多消费者模式:类似Kafka的消费者组模式,多个消费者可以并行处理消息
新版本还引入了监听器机制,开发者可以注册消费者监听器来接收队列状态变化的通知。同时,队列现在提供了丰富的度量指标,包括待处理消息数、处理中的消息数等,便于监控队列健康状况。
性能优化与稳定性提升
在底层连接管理方面,修复了多个可能导致连接泄漏的问题。特别是在哨兵模式下,新版本优化了故障转移后的连接管理,避免了为每个写操作创建新连接的问题。
对于集群环境中的RMap.loadAll()方法可能挂起的问题进行了修复,提升了大规模数据加载的可靠性。同时改进了"WAIT"和"WAITAOF"命令的可用性检测机制,使复制相关操作更加健壮。
数据结构功能扩展
RScoredSortedSet新增了多个集合操作相关方法:
- readDiffEntries:读取差集条目
- readIntersectionEntries:读取交集条目
- readUnionEntries:读取并集条目
这些方法为需要复杂集合运算的场景提供了更高效的实现方式。
框架整合改进
Spring生态整合增强
修复了Spring Cache.getNativeCache()返回错误实例的问题,确保了与Spring Cache抽象的更好兼容。对于Spring Data Redis的ReactiveZSetCommands.zadd()方法的默认参数进行了修正,使API行为更加符合预期。
特别值得注意的是,修复了Spring Data Redis中addMessageListener()方法在向同一主题或模式添加多个监听器时可能挂起的问题,提升了高并发订阅场景下的稳定性。
Micronaut支持改进
针对Micronaut 4.x版本,修复了只能连接到单个节点的问题,现在可以正确识别和连接Redis集群中的所有节点。
开发者建议
对于正在使用或考虑使用Redisson的开发者,3.47.0版本带来了多项值得关注的改进:
- 对于需要可靠消息传递的场景,建议评估新的RReliableQueue功能和ReliableFanout对象
- 在Spring生态中使用Redisson时,可以考虑升级以获得更稳定的消息监听体验
- 对于使用集群模式的用户,新版本解决了多个稳定性问题,建议优先升级
- 新增的集合操作方法可以简化某些业务逻辑的实现,值得在代码审查时关注
这个版本的改进主要集中在分布式队列的可靠性和功能性增强,以及底层稳定性的提升,体现了Redisson项目对生产环境需求的持续关注。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03