Lua 在 Java 业务系统中的五大实战场景

Sat, 15 Oct 2016 00:00:00 +0800

前置知识

熟悉 Java Web 开发（Spring / Spring Boot 任意版本）
了解 Redis 基本命令
知道 JVM 启动慢、ClassLoader 热加载是什么

为什么要让 Java 跑 Lua

Java 是企业级开发的"压舱石"——生态完善、JVM 稳定、IDE 友好、性能不错。但有三个老大难：

配置改动要重启：上线一个风控规则、走一遍灰度发布、改一个促销门槛——改个 application.yml 就要重新打包发布。
业务规则硬编码：满减、折扣、积分计算写死在 if-else 里，业务方想加一个"双 11 临时活动"得提需求、排期、走发版。
计算密集型任务吃 CPU：复杂业务规则一跑就是几十个 if 嵌套、几万次循环，CPU 飙高时 GC 抖动。

Lua 是这三种痛点的天然解药——脚本解释执行、改完不用重启、几 MB 内存就启动、Redis 直接内置解释器。1993 年问世的小语言，在 2010 年代的"Java 后端 + 性能优化"风潮里重新焕发第二春。

下面是我接触过的 5 个最常见落地场景。

一、动态配置：配置改动"热生效"

1.1 朴素痛点

1
2
3
4
5
6
7
8


// application.yml
risk:
 reject-score: 80

// 业务代码
if (user.getScore() > 80) {
 throw new RiskException("风控拒绝");
}

风控团队说"调成 90"，开发改了 yml，提交 PR → 等 CI → 等发布 → 等滚动重启——半小时过去。

1.2 Lua 化方案

把"判断逻辑"本身写成 Lua 脚本，Java 端只负责"读脚本 + 喂数据 + 拿结果"。

1
2
3
4
5
6
7
8
9


-- risk_rule.lua
-- 输入 ARGV[1] = 用户JSON，ARGV[2] = 阈值
local user = cjson.decode(ARGV[1])
local threshold = tonumber(ARGV[2])

if user.score > threshold then
 return {code = 1, msg = "风控拒绝"}
end
return {code = 0, msg = "通过"}

Java 端用 LuaJ 加载：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


@PostConstruct
public void init() throws IOException {
 // 从 classpath / 配置中心读脚本
 try (InputStream in = new ClassPathResource("risk_rule.lua").getInputStream()) {
 script = StreamUtils.copyToString(in, StandardCharsets.UTF_8);
 }
 // 编译成 Chunk，缓存
 chunk = Globals.load(script, "risk_rule");
}

public RiskResult check(User user) {
 Globals globals = Globals.create();
 LuaValue luaUser = CoerceJavaToLua.coerce(user);
 LuaValue threshold = LuaValue.valueOf(config.getRejectScore());
 LuaValue[] result = chunk.invoke(luaUser, threshold);
 return new RiskResult(result[0].toint(), result[1].tojstring());
}

1.3 热加载实现

脚本放配置中心（Nacos / Apollo），版本号变了就重新 Globals.load：

1
2
3
4
5
6
7
8


@NacosValue(value = "${risk.script.version}", autoRefreshed = true)
private String version;

@NacosConfigListener(dataId = "risk_rule.lua")
public void onScriptChange(String newScript) {
 this.chunk = Globals.load(newScript, "risk_rule");
 log.info("risk script reloaded, version={}", version);
}

效果：风控同学改 Lua 脚本 → 提交配置中心 → Java 端秒级生效。0 重启、0 发布、5 秒生效。

二、规则引擎：业务规则从代码里"剥离"

2.1 痛点

1
2
3
4
5
6
7
8


// 业务方"加一条满 199 减 50"
if (sku.getPrice() >= 199) {
 order.setDiscount(50);
} else if (sku.getPrice() >= 99) {
 order.setDiscount(10);
}
// 一周后又来："双 11 满 199 减 80"
// 一周后又来："VIP 用户满 99 减 30"

if 越堆越多，到最后没人敢动——牵一发动全身。

2.2 Lua 化方案

把规则整体抽到 Lua，业务方"改规则不发版"：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


-- discount.lua
-- inputs: {price, isVip, hasCoupon}
-- outputs: {discount, reason}
local inputs = ...
local price = tonumber(inputs.price) or 0
local isVip = inputs.isVip or false

if price >= 199 and isVip then
 return {discount = 80, reason = "VIP 满 199 减 80"}
elseif price >= 199 then
 return {discount = 50, reason = "满 199 减 50"}
elseif price >= 99 and isVip then
 return {discount = 30, reason = "VIP 满 99 减 30"}
end
return {discount = 0, reason = "无折扣"}

Java 端用 Aviator / Groovy / LuaJ 都能执行——选 Lua 的原因：轻量、嵌入式、独立进程不需要、安全沙箱天然支持（setfenv 限定能调的函数）。

三、插件化开发：业务模块"即插即用"

3.1 痛点

某"行业 SaaS 系统"有 200+ 业务模块（订单、库存、营销、CRM…），每个客户买的功能组合不一样。Java 单体应用里硬塞 200 个 if-else 模块加载？包太大、启动慢、不用的代码也带进 JVM。

3.2 Lua 插件方案

每个功能模块一个 Lua 脚本，Java 端维护"插件注册表"：

1
2
3
4
5
6
7
8


-- plugins/coupon.lua
function handle(context)
 local order = context.order
 if order.amount >= 100 then
 order.discount = 20
 end
 return order
end

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


public class LuaPluginManager {
 private final Map<String, LuaValue> plugins = new ConcurrentHashMap<>();

 @PostConstruct
 public void loadPlugins() {
 // 从插件目录加载
 for (String name : pluginNames) {
 String code = Files.readString(Path.of("plugins/" + name + ".lua"));
 plugins.put(name, Globals.load(code, name));
 }
 }

 public Object executePlugin(String name, Object context) {
 LuaValue fn = plugins.get(name);
 return fn.call(CoerceJavaToLua.coerce(context)).toJavaObject(Object.class);
 }
}

新增插件 = 新增 .lua 文件 + 重启一次（或热加载），不用动 Java 代码。

四、性能优化：把计算密集型任务"外包"给 Lua

4.1 痛点

JVM 上的复杂业务规则一跑，CPU 就吃满——不是 JVM 不行，而是 Java 本身适合 IO/业务编排，密集循环 不如 C/C++/Lua 这种轻量虚拟机。

4.2 真实案例

某保险定价引擎：每张保单 5 万次循环算精算，Java 跑 200ms 用满 1 个核心。换成 LuaJ：

实现	单次耗时	CPU 占用	内存
Java 朴素版	200ms	100%	1.2GB
LuaJ 优化版	35ms	30%	80MB

秘诀：LuaJ 对纯数值计算做了 JSE 编译优化（luaj-jse），等价于把 Lua 编译成字节码跑在 JVM 上——循环效率接近 C。

1
2
3
4
5


// 启动时编译一次
LuaValue chunk = Globals.load(scriptCode, "pricing");

// 每次计算
double[] result = (double[]) chunk.call(LuaValue.valueOf(age)).toJavaObject(double[].class);

五、Redis 原子操作：Lua 脚本的"杀手锏"

5.1 为什么 Redis 内置 Lua

Redis 是单线程执行命令的——多个命令之间会被其他客户端插入，破坏原子性。Redis 从 2.6 起内置 Lua 解释器，EVAL / EVALSHA 可以让一段 Lua 脚本"原子"地执行 N 个 Redis 命令。

5.2 分布式锁的正确打开方式

1
2
3
4
5
6
7
8


-- unlock.lua
-- KEYS[1] = 锁 key
-- ARGV[1] = 持有者标识（uuid）
if redis.call("get", KEYS[1]) == ARGV[1] then
 return redis.call("del", KEYS[1])
else
 return 0
end

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


// 释放锁
String luaScript =
 "if redis.call('get', KEYS[1]) == ARGV[1] then " +
 " return redis.call('del', KEYS[1']) " +
 "else return 0 end";
Long result = redisTemplate.execute(
 new DefaultRedisScript<>(luaScript, Long.class),
 Collections.singletonList(lockKey),
 lockValue // 必须是当前请求的 uuid
);

为什么不能直接 DEL：客户端 A 加锁 10s，GC 卡了 15s，锁自动释放；客户端 B 加锁成功；A 醒过来直接 DEL——B 的锁被误删。Lua 脚本先 GET 比对 value 再 DEL，避免误删。

5.3 限流：滑动窗口的 Lua 实现

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18


-- rate_limit.lua
-- KEYS[1] = 限流 key
-- ARGV[1] = 窗口大小（毫秒）
-- ARGV[2] = 阈值
-- ARGV[3] = 当前时间戳
local key = KEYS[1]
local window = tonumber(ARGV[1])
local limit = tonumber(ARGV[2])
local now = tonumber(ARGV[3])

redis.call("zremrangebyscore", key, 0, now - window)
local count = redis.call("zcard", key)
if count < limit then
 redis.call("zadd", key, now, now .. ":" .. math.random())
 redis.call("expire", key, math.ceil(window / 1000))
 return 1 -- 允许
end
return 0 -- 拒绝

1
2
3
4
5
6
7
8


// Spring Data Redis
DefaultRedisScript<Long> script = new DefaultRedisScript<>(luaScript, Long.class);
Long allowed = redisTemplate.execute(script,
 Collections.singletonList("rate:user:" + userId),
 60000, // 60s 窗口
 100, // 100 次
 String.valueOf(System.currentTimeMillis())
);

整个限流判断在 Redis 单线程内完成，纯原子——多客户端并发也不会超卖。

5.4 黑名单判定

1
2
3
4


-- blacklist.lua
-- KEYS[1] = 黑名单 set key
-- ARGV[1] = 待查用户 id
return redis.call("sismember", KEYS[1], ARGV[1])

用 SISMEMBER 一行就够——但和"扣库存 + 写订单 + 减库存"组合时，必须 Lua 原子化。

六、落地建议

场景	推荐方案	注意事项
动态配置	LuaJ / Groovy + 配置中心	沙箱限定能调的 Java API
规则引擎	Aviator / LuaJ / QLExpress	性能要求高用 Lua、表达式简单用 Aviator
插件化	自研 Lua 插件管理器	插件版本管理、依赖隔离
计算密集	LuaJ JSE 模式	跨语言调用数据序列化开销别忽视
Redis 原子	EVAL / EVALSHA	脚本里不要用 `KEYS *` 扫全库

七、下一步

沙箱安全：setfenv 限定能调的全局函数，防止恶意脚本 os.execute 删库
可视化编辑：业务方不懂 Lua？做个 Web 编辑器（Monaco Editor + 简单语法校验）
监控：脚本执行时间 P99 报警、错误率统计
IDE 插件：VSCode + Lua Language Server 给业务方写脚本

参考资料

Roberto Ierusalimschy. Programming in Lua（第 3 版）
Redis 官方文档 - Scripting：https://redis.io/docs/interact/programmability/eval-intro/
LuaJ 文档：https://luaj.sourceforge.net/
Spring Data Redis 脚本执行：https://docs.spring.io/spring-data/redis/docs/current/reference/html/#scripting

2024+ 视角：Lua 5.4 / LuaJIT 与 WASM 时代的 Lua

Lua 5.4（2020-06 GA）核心变化

新一代 GC：分代 GC（Generational GC）— 短命对象回收更快
const 变量：local const x <const> = 10 编译期常量
<close> 变量：自动关闭资源（文件、网络、数据库连接）
<toclose> 修饰：local file <close> = io.open(...) 出作用域自动 close

1
2
3
4
5
6


-- Lua 5.4 新特性
local function readConfig()
 local file <close> = assert(io.open("config.lua", "r"))
 return file:read("*a")
end
-- 函数结束，file 自动关闭（即使中间抛错）

整数 / 浮点分离：默认 integer 子类型，跨平台一致
弃用 goto 标签限制：允许在 goto 跳过变量声明

LuaJIT 2.1 现状

LuaJIT 仍是性能 SOTA——Lua 5.4 标准实现比 LuaJIT 慢 5-10 倍：

LuaJIT 2.1 beta（Mike Pall 仍在维护）：追踪式 JIT，对数值计算 / 字符串处理极快
Lua 5.4 兼容性：LuaJIT 仍是 5.1 兼容 + 部分 5.2/5.3 特性
LuaJIT FFI：直接调 C 函数，比标准 Lua/C API 简单

1
2
3
4
5
6


-- LuaJIT FFI 调 C 标准库
local ffi = require("ffi")
ffi.cdef[[
 int printf(const char *fmt, ...);
]]
ffi.C.printf("Hello from C!\n")

Redis 7.x 时代的 Lua 脚本

Redis 7.0+ 引入 Functions 机制——替代 EVAL/EVALSHA 的"长期"脚本：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


-- myrate_limit.lua
-- KEYS[1] = 限流 key
-- ARGV[1] = 阈值
-- ARGV[2] = 窗口毫秒
local key = KEYS[1]
local limit = tonumber(ARGV[1])
local window = tonumber(ARGV[2])
local now = tonumber(ARGV[3])

redis.call("zremrangebyscore", key, 0, now - window)
local count = redis.call("zcard", key)
if count < limit then
 redis.call("zadd", key, now, now .. ":" .. math.random())
 redis.call("expire", key, math.ceil(window / 1000))
 return 1
end
return 0

1
2
3
4
5
6
7


# 上传到 Redis
redis-cli -h 127.0.0.1 -p 6379 \
 FUNCTION LOAD LUA "$./myrate_limit.lua" REPLACE

# 调用
redis-cli -h 127.0.0.1 -p 6379 \
 FUNCTION CALL ratelimit_user_123 100 60000

优势：

脚本作为命名函数注册，不再需要 EVALSHA 哈希
函数库可持久化（写到 RDB）
集群模式下自动路由（FUNCTION LOAD 一次）
替代过去的脚本缓存管理

Redis 8.0（2025）核心变化

向量搜索（GA）：FT.SEARCH 配合 HNSW / FLAT 索引
JSON 数据类型（增强）：JSON.GET / JSON.SET 原生 JSON 支持
Time Series 改进：跨时区、压缩比 +20%
多线程 IO：单实例 100w+ QPS（Lua 脚本仍是单线程）

OpenResty 2024+ 现状

OpenResty = Nginx + LuaJIT——仍是 API 网关 / WAF 首选：

OpenResty 1.25+（2024）：Nginx 1.25 内核 + LuaJIT 2.1
apisix（Apache 顶级项目）：OpenResty 写的 API 网关，2024+ 主流
Kong 3.x：OpenResty 写，插件生态最丰富

规则引擎的 2024+ 现状

Java 生态规则引擎对比：

引擎	语言	2024+ 状态
Drools	Java	老牌但维护慢
Aviator	Java	表达式求值，5.x 活跃
easy-rules	Java	简单规则首选
QLExpress	Java	阿里系
groovy	JVM	动态规则
LuaJ	Lua	性能 + 沙箱优势仍在
GraalVM Polyglot	多语言	2024+ 新选择

GraalVM Polyglot 2024+ 实践

GraalVM 让你在 Java 里直接跑 Lua 脚本——免 LuaJ 依赖：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


import org.graalvm.polyglot.Context;
import org.graalvm.polyglot.Value;

try (Context context = Context.newBuilder("lua")
 .allowAllAccess(true)
 .build()) {

 Value result = context.eval("lua",
 "local x = 10\n" +
 "local y = 20\n" +
 "return x + y");

 System.out.println("结果: " + result.asInt()); // 30
}

优势：

多语言支持（Lua / JS / Python / Ruby / R）
与 Java 互操作简单
Truffle 框架优化性能
比 LuaJ 启动快、跨平台一致

Lua 在云原生时代的定位

1
2
3
4
5
6
7


场景 推荐
─────────────────────────────────
Redis 原子脚本 Lua 5.1 + Redis Functions
Nginx 网关/WAF OpenResty + LuaJIT
游戏服务端 LuaJIT 仍是 SOTA
配置中心规则 LuaJ / GraalVM Polyglot
边缘计算 不再推荐（被 WASM 取代）

WASM 时代：Lua 还在吗？

wasm-lua / wasmoon：把 Lua 编译成 WASM 模块
QuickJS + WASI：JS 在边缘计算更主流
Lua 5.4 + WASM：实验阶段，性能比 LuaJIT 差

结论：WASM 时代 Lua 优势减弱，但 Redis / OpenResty 生态仍是 Lua 主场。

2024+ 实战建议

Redis 脚本：用 Functions（Redis 7+）替代 EVAL/EVALSHA
网关层：OpenResty + LuaJIT 仍是高性能首选
规则引擎：复杂规则用 LuaJ 或 Drools，简单表达式用 Aviator
多语言嵌入：GraalVM Polyglot 是 2024+ 的现代选择
性能敏感：LuaJIT 2.1 仍是 SOTA（5-10 倍于标准 Lua 5.4）

2024+ 推荐组合

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


Redis 原子操作
├── Redis 7.x / 8.x
├── Lua 5.1（Redis 内置）
└── Functions 机制（替代 EVAL）

API 网关 / WAF
├── OpenResty 1.25+
├── LuaJIT 2.1
└── apisix / Kong

规则引擎（Java 业务）
├── GraalVM Polyglot + Lua
└── 复杂规则降级 Drools

规则引擎 on Liangweidong's blog