1.分析SpringBoot 的码参Redis源码
2.redis源码解读（一）：事件驱动的io模型，为什么，码参是码参什么，怎么做
3.读懂Redis：从源码分析其跳表实现
4.redis是码参如何加载配置文件的！！码参源码阅读，码参nagios源码下载详细介绍
5.Redisson可重入锁加锁源码分析
6.Redis 码参实现分布式锁 +Redisson 源码解析
分析SpringBoot 的Redis源码
在Spring Boot 2.X版本中，官方简化了项目配置，码参如无需编写繁琐的码参web.xml和相关XML文件，只需在pom.xml中引入如spring-boot-starter-data-redis的码参starter包即可完成大部分工作，这极大地提高了开发效率。码参
深入理解其原理，码参我们研究了spring-boot-autoconfigure和spring-boot-starter-data-redis的码参源码。首先，码参配置项在application.properties中的码参设置会被自动映射到名为RedisProperties的类中，此类由RedisAutoConfiguration类负责扫描和配置。该类会检测是否存在RedisOperations接口的实现，例如官方支持的Jedis或Lettuce，以此来决定使用哪个客户端。
在RedisAutoConfiguration中，通过@Bean注解，它引入了LettuceConnectionConfiguration和JedisConnectionConfiguration，这两个配置类会创建RedisConnectionFactory实例。在注入RedisTemplate时，实际使用的会是第一个被扫描到的RedisConnectionFactory，这里通常是LettuceConnectionFactory，因为它们在@Import注解的导入顺序中位于前面。
自定义starter时，可以模仿官方starter的结构，首先引入spring-boot-autoconfigure，然后创建自己的配置类（如MyRedisProperties）和操作模板类（如JedisTemplete）。在MyRedisAutoConfiguration中，你需要编写相关配置并确保在spring.factories文件中注册，以便Spring Boot在启动时扫描到你的自定义配置。
以自定义my-redis-starter为例，项目结构包括引入的依赖，配置类的属性绑定，以及创建连接池和操作方法的实现。测试时，只需在Spring Boot项目中引入自定义starter，配置好相关参数，即可验证自定义starter的正确工作。
redis源码解读（一）：事件驱动的io模型，为什么，是非洲离印度源码什么，怎么做
Redis作为一个高性能的内存数据库，因其出色的读写性能和丰富的数据结构支持，已成为互联网应用不可或缺的中间件之一。阅读其源码，可以了解其内部针对高性能和分布式做的种种设计，包括但不限于reactor模型（单线程处理大量网络连接），定时任务的实现（面试常问），分布式CAP BASE理论的实际应用，高效的数据结构的实现，其次还能够通过大神的代码学习C语言的编码风格和技巧，让自己的代码更加优雅。
下面进入正题：为什么需要事件驱动的io模型
我们可以简单地将一个服务端程序拆成三部分，接受请求->处理请求->返回结果，其中接收请求和处理请求便是我们常说的网络io。那么网络io如何实现呢，首先我们介绍最基础的io模型，同步阻塞式io，也是很多同学在学校所学的“网络编程”。
使用同步阻塞式io的单线程服务端程序处理请求大致有以下几个步骤
其中3,4步都有可能使线程阻塞（6也会可能阻塞，这里先不讨论）
在第3步，如果没有客户端请求和服务端建立连接，那么服务端线程将会阻塞。如果redis采用这种io模型，那主线程就无法执行一些定时任务，比如过期key的清理，持久化操作，集群操作等。
在第4步，如果客户端已经建立连接但是没有发送数据，服务端线程会阻塞。若说第3步所提到的定时任务还可以通过多开两个线程来实现，那么第4步的阻塞就是硬伤了，如果一个客户端建立了连接但是一直不发送数据，服务端便会崩溃，无法处理其他任何请求。所以同步阻塞式io肯定是不能满足互联网领域高并发的需求的。
下面给出一个阻塞式io的服务端程序示例：
刚才提到，阻塞式io的主要问题是，调用recv接收客户端请求时会导致线程阻塞，无法处理其他客户端请求。那么我们不难想到，既然调用recv会使线程阻塞，那么我们多开几个几个线程不就好了，让那些没有阻塞的种草电商源码线程去处理其他客户端的请求。
我们将阻塞式io处理请求的步骤改造下：
改造后，我们用一个线程去做accept，也就是获取已经建立的连接，我们称这个线程为主线程。然后获取到的每个连接开一个新的线程去处理，这样就能够将阻塞的部分放到新的线程，达到不阻塞主线程的目的，主线程仍然可以继续接收其他客户端的连接并开新的线程去处理。这个方案对高并发服务器来说是一个可行的方案，此外我们还可以使用线程池等手段来继续优化，减少线程建立和销毁的开销。
将阻塞式io改为多线程io：
我们刚才提到多线程可以解决并发问题，然而redis6.0之前使用的是单线程来处理，之所以用单线程，官方给的答复是redis的瓶颈不在cpu，既然不在cpu那么用单线程可以降低系统的复杂度，避免线程同步等问题。如何在一个线程中非阻塞地处理多个socket，进而实现多个客户端的并发处理呢，那就要借助io多路复用了。
io多路复用是操作系统提供的另一种io机制，这种机制可以实现在一个线程中监控多个socket，返回可读或可写的socket，当一个socket可读或可写时再去操作它，这样就避免了对某个socket的阻塞等待。
将多线程io改为io多路复用：
什么是事件驱动的io模型（Reactor）
这里只讨论redis用到的单线程Reactor模型
事件驱动的io模型并不是一个具体的调用，而是高并发服务器的一种抽象的编程模式。
在Reactor模型中，有三种事件：
与这三种事件对应的，有三种handler，负责处理对应的事件。我们在一个主循环中不断判断是否有事件到来（一般通过io多路复用获取事件），有事件到来就调用对应的handler去处理时间。
听着玄乎，实际上也就这一张图：
事件驱动的io模型在redis中的实现
以下提及的源码版本为 5.0.8
文字的苍白的，建议参照本文最后的方法下载代码，自己调试下
整体框架
redis-server的main方法在 src/server.c 最后，在main方法中，首先进行一系列的初始化操作，最后进入进入Reactor模型的主循环中：
主循环在aeMain函数中，aeMain函数传入的参数 server.el ，是一个 aeEventLoop 类型的全局变量，保存了主循环的一些状态信息，包括需要处理的云空间移除源码读写事件、时间事件列表，epoll相关信息，回调函数等。
aeMain函数中，我们可以看到当 eventLoop->stop 标志位为0时，while循环中的内容会被重复执行，每次循环首先会调用beforesleep回调函数，然后处理时间。beforesleep函数在main函数中被注册，会进行集群状态更新、AOF落盘等任务。
之所以叫beforesleep，是因为aeProcessEvents函数中包含了获取事件和处理事件的逻辑，其中获取读写事件时通过epoll_wait实现，会将线程阻塞。
在aeProcessEvents函数中，处理读写事件和时间事件，参数flags定义了需要处理的事件类型，我们可以暂时忽略这个参数，认为读写时间都需要处理。
aeProcessEvents函数的逻辑可以分为三个部分，首先获取距离最近的时间事件，这一步的目的是为了确定epoll_wait的超时时间，并不是实际处理时间事件。
第二个部分为获取读写事件并处理，首先调用epoll_wait，获取需要处理的读写事件，超时时间为第一步确定的时间，也就是说，如果在超时时间内有读写事件到来，那么处理读写时间，如果没有读写时间就阻塞到下一个时间事件到来，去处理时间事件。
第三个部分为处理时间事件。
事件注册与获取
上面我们讲了整体框架，了解了主循环的大致流程。接下来我们来看其中的细节，首先是读写事件的注册与获取。
redis将读、写、连接事件用结构aeFileEvent表示，因为这些事件都是通过epoll_wait获取的。
事件的具体类型通过mask标志位来区分。aeFileEvent还保存了事件处理的团队主页介绍源码回调函数指针（rfileProc、wfileProc）和需要读写的数据指针（clientData）。
既然读写事件是通过epoll io多路复用实现，那么就避不开epoll的三部曲 epoll_create epoll_ctrl epoll_wait，接下来我们看下redis对epoll接口的封装。
我们之前提到aeMain函数的参数是一个 aeEventLoop 类型的全局变量，aeEventLoop中保存了epoll文件描述符和epoll事件。在aeApiCreate函数（src/ae_epoll.c）中，会调用epoll_create来创建初始化epoll文件描述符和epoll事件，调用关系为 main -> initServer -> aeCreateEventLoop -> aeApiCreate
调用epoll_create创建epoll后，就可以添加需要监控的文件描述符了，需要监控的情形有三个，一是监控新的客户端连接连接请求，二是监控客户端发送指令，也就是读事件，三是监控客户端写事件，也就是处理完了请求写回结果。
这三种情形在redis中被抽象为文件事件，文件事件通过函数aeCreateFileEvent（src/ae.c）添加，添加一个文件事件主要包含三个步骤，通过epoll_ctl添加监控的文件描述符，指定回调函数和指定读写缓冲区。
最后是通过epoll_wait来获取事件，上文我们提到，在每次主循环中，首先根据最近到达的时间事件来计算epoll_wait的超时时间，然后调用epoll_wait获取事件，再处理事件，其中获取事件在函数aeApiPoll（src/ae_epoll.c）中。
获取到事件后，主循环中会逐个调用事件的回调函数来处理事件。
读写事件的实现
写累了，有空补上……
如何使用vscode调试redis源码
编译出二进制程序
这一步有可能报错：
jemalloc是内存分配的一种更高效的实现，用于代替libc的默认实现。这里报错找不到jemalloc，我们只需要将其替换成libc默认实现就好：
如果报错：
我们可以在src目录找到一个脚本名为mkreleasehdr.sh，其中包含创建release.h的逻辑，将报错信息网上翻可以发现有一行：
看来是这个脚本没有执行权限，导致release.h没有成功创建，我们需要给这个脚本添加执行权限然后重新编译：
2. 创建调试配置（vscode）
创建文件 .vscode/launch.json，并填入以下内容：
然后就可以进入调试页面打断点调试了，main函数在 src/server.c
读懂Redis：从源码分析其跳表实现
要深入理解Redis中跳表的奥秘，首先，我们从理想化的跳表概念开始。跳表作为一种多层级有序链表，旨在提供高效的有序集合操作，如zrange和zrevrange。它的设计旨在通过空间换时间，以O(log_2 n)的时间复杂度进行查找，但删除和增加操作可能导致结构变动，这在理想情况下需要复杂的重构。
Redis在实践中对跳表进行了优化，以牺牲一定程度的复杂性来节省内存。它限制了跳表的最高层级为，并根据节点数量和字符串长度选择是否使用跳表。Redis的跳表设计重点在于第一个层级的元素，这使得范围查询极其高效，而这是其他数据结构难以比拟的特性。
当添加新元素到zset对象时，会根据特定条件（zset_max_ziplist_entries和zset_max_ziplist_value）决定是否转换为跳表。通过配置Redis的配置文件，用户可以调整这些参数以适应不同的需求。
总的来说，Redis的跳表实现是内存与性能之间的一种平衡，它在有序集合操作中发挥着关键作用，同时为高效查询提供了基础。对于希望系统学习C/C++、Linux系统和深入理解高性能存储的读者，可以关注我们的公众号《Lion 莱恩呀》获取更多技术内容，包括白金学习卡，覆盖基础架构、golang云原生等领域。
redis是如何加载配置文件的！！源码阅读，详细介绍
Redis的启动流程中，配置文件起着关键作用。通过命令行中的redis-server，我们可以配置服务器的监听地址、端口、访问密码等。配置文件是一个文本文件，包含选项和参数，如bind（服务器IP）、prot（端口号）和requirepass（密码）等。
启动redis-server前，需要确保安装并配置好配置文件。配置文件的加载由loadServerConfig()函数负责，这个函数位于src/config.c，主要任务是读取配置文件内容，检查语法，将选项和参数解析并保存在内存中。启动时，通过读取命令行参数指定配置文件路径，如通过-p设置端口，-a设置密码。
在配置文件中，包括指令用于引用其他配置文件，如`include`。如果遇到include，Redis会调用glob()函数扩展匹配规则，将相关配置文件合并到主配置中。`loadServerConfig`函数会处理各种选项，如从标准输入读取配置（config_from_stdin）和直接从命令行参数传递的选项（options）。
解析配置文件时，loadServerConfigFromString函数将字符串形式的配置逐行处理，如跳过注释行，分割参数，然后根据配置项类型和数量执行相应的设置操作。如果遇到如`rename-command`、`user`声明或`loadmodule`等特殊指令，会有对应的处理逻辑。
总的来说，Redis的配置文件加载过程严谨且灵活，它确保了服务器能在接收到正确配置后启动，提供了丰富的配置选项来满足不同场景的需求。若想深入了解，后续会有更多关于配置文件细节的探讨。
Redisson可重入锁加锁源码分析
在分布式环境中，控制并发的关键往往需要分布式锁。Redisson，作为Redis的高效客户端，其源码清晰易懂，这里主要探讨Redisson可重入锁的加锁原理，以版本3..5为例，但重点是理解其核心逻辑，而非特定版本。
加锁始于用户通过`redissonClient`获取RLock实例，并通过`lock`方法调用。这个过程最后会进入`RLock`类的`lock`方法，核心步骤是`tryAcquire`方法。
`tryAcquire`方法中，首先获取线程ID，用于标识是哪个线程在请求锁。接着，尝试加锁的真正核心在`tryAcquireAsync`，它嵌套了`get`方法，这个get方法会阻塞等待异步获取锁的结果。
在`tryAcquireAsync`中，如果锁的租期未设置，会使用默认的秒。脚本执行是加锁的核心，一个lua脚本负责保证命令的原子性。脚本中，`keys`和`argv`参数处理至关重要，尤其是判断哈希结构`_come`的键值对状态。
脚本逻辑分为三个条件：如果锁不存在，会设置并设置过期时间；如果当前线程已持有锁，会增加重入次数并更新过期时间；若其他线程持有，加锁失败并返回剩余存活时间。加锁失败时，系统会查询锁的剩余时间，用于后续的重试策略。
加锁成功后，会进行自动续期，通过`Future`监听异步操作结果。如果锁已成功获取且未设置过期时间，会定时执行`scheduleExpirationRenewal`，每秒检查锁状态，延长锁的存活时间。
整个流程总结如下：首先通过lua脚本在Redis中创建和更新锁的哈希结构，对线程进行标识。若无过期时间，定时任务会确保锁的持续有效。重入锁通过`hincrby`增加键值对实现。加锁失败后，客户端会等待锁的剩余存活时间，再进行重试。
至于加锁失败的处理，客户端会根据剩余存活时间进行阻塞，等待后尝试再次获取锁。这整个流程展现了Redisson可重入锁的简洁设计，主要涉及线程标识、原子操作和定时续期等关键点。
Redis 实现分布式锁 +Redisson 源码解析
在一些场景中，多个进程需要以互斥的方式独占共享资源，这时分布式锁成为了一个非常有用的工具。
随着互联网技术的快速发展，数据规模在不断扩大，分布式系统变得越来越普遍。一个应用往往会部署在多台机器上（多节点），在某些情况下，为了保证数据不重复，同一任务在同一时刻只能在一个节点上运行，即确保某一方法在同一时刻只能被一个线程执行。在单机环境中，应用是在同一进程下的，仅需通过Java提供的 volatile、ReentrantLock、synchronized 及 concurrent 并发包下的线程安全类等来保证线程安全性。而在多机部署环境中，不同机器不同进程，需要在多进程下保证线程的安全性，因此分布式锁应运而生。
实现分布式锁的三种主要方式包括：zookeeper、Redis和Redisson。这三种方式都可以实现分布式锁，但基于Redis实现的性能通常会更好，具体选择取决于业务需求。
本文主要探讨基于Redis实现分布式锁的方案，以及分析对比Redisson的RedissonLock、RedissonRedLock源码。
为了确保分布式锁的可用性，实现至少需要满足以下四个条件：互斥性、过期自动解锁、请求标识和正确解锁。实现方式通过Redis的set命令加上nx、px参数实现加锁，以及使用Lua脚本进行解锁。实现代码包括加锁和解锁流程，核心实现命令和Lua脚本。这种实现方式的主要优点是能够确保互斥性和自动解锁，但存在单点风险，即如果Redis存储锁对应key的节点挂掉，可能会导致锁丢失，导致多个客户端持有锁的情况。
Redisson提供了一种更高级的实现方式，实现了分布式可重入锁，包括RedLock算法。Redisson不仅支持单点模式、主从模式、哨兵模式和集群模式，还提供了一系列分布式的Java常用对象和锁实现，如可重入锁、公平锁、联锁、读写锁等。Redisson的使用方法简单，旨在分离对Redis的关注，让开发者更专注于业务逻辑。
通过Redisson实现分布式锁，相比于纯Redis实现，有更完善的特性，如可重入锁、失败重试、最大等待时间设置等。同时，RedissonLock同样面临节点挂掉时可能丢失锁的风险。为了解决这个问题，Redisson提供了实现了RedLock算法的RedissonRedLock，能够真正解决单点故障的问题，但需要额外为RedissonRedLock搭建Redis环境。
如果业务场景可以容忍这种小概率的错误，推荐使用RedissonLock。如果无法容忍，推荐使用RedissonRedLock。此外，RedLock算法假设存在N个独立的Redis master节点，并确保在N个实例上获取和释放锁，以提高分布式系统中的可靠性。
在实现分布式锁时，还需要注意到实现RedLock算法所需的Redission节点的搭建，这些节点既可以是单机模式、主从模式、哨兵模式或集群模式，以确保在任一节点挂掉时仍能保持分布式锁的可用性。
在使用Redisson实现分布式锁时，通过RedissonMultiLock尝试获取和释放锁的核心代码，为实现RedLock算法提供了支持。
