异步编程CompletableFuture实现高并发系统优化之请求合并
- 2019 年 10 月 3 日
- 笔记
先说场景：
根据Redis官网介绍，单机版Redis的读写性能是12万/秒，批量处理可以达到70万/秒。不管是缓存或者是数据库，都有批量处理的功能。当我们的系统达到瓶颈的时候，我们考虑充分的压榨缓存和数据库的性能，应对更大的并发请求。适用于电商促销双十一，等特定高并发的场景，让系统可以支撑更高的并发。
思路：
一个用户请求到后台，我没有立即去处理，而是把请求堆积到队列中，堆积10毫秒的时间，由于是高并发场景，就堆积了一定数量的请求。
我定义一个定时任务，把队列中的请求，按批处理的方式，向后端的Redis缓存，或者数据库发起批量的请求，拿到批量的结果，再把结果分发给对应的请求用户。
对于单个用户而言，他的请求变慢了10毫秒是无感知的。但是对于我们系统，却可以提高几倍的抗并发能力。
这个请求合并，结果分发的功能，就要用到一个类CompletableFuture 实现异步编程，不同线程之间的数据交互。
线程1 如何创建异步任务？
//创建异步任务 CompletableFuture<Map<String, Object>> future = new CompletableFuture<>(); //阻塞等待获取结果。 Map<String, Object> result = future.get();
线程2 如何把数据赋值给线程1 ？
// 线程2的处理结果 Object result = "结果"; //线程2 的结果，赋值 给 线程1 future.complete(result);
CompletableFuture 是由大牛 Doug Lea 在JDK1.8 提供的类，我们来看看complete()方法的源码。
/** * If not already completed, sets the value returned by {@link * #get()} and related methods to the given value. * * @param value the result value * @return {@code true} if this invocation caused this CompletableFuture * to transition to a completed state, else {@code false} */ public boolean complete(T value) { boolean triggered = completeValue(value); postComplete(); return triggered; }
翻译：
如果尚未完成，则将返回的值和相关方法get()设置为给定值。
也就是说，
线程1 的get() 方法，拿到的就是线程 2 的complete() 方法给的值。
看到这里，应该基本明白这个异常编程的意思了。它的核心就是线程通信，数据传输。直接上代码：
package www.itbac.com; import javax.annotation.PostConstruct; import java.util.ArrayList; import java.util.HashMap; import java.util.List; import java.util.Map; import java.util.concurrent.*; public class CompletableFutureTest { //并发安全的阻塞队列，积攒请求。（每隔N毫秒批量处理一次） LinkedBlockingQueue<Request> queue = new LinkedBlockingQueue(); // 定时任务的实现,每隔开N毫秒处理一次数据。 @PostConstruct public void init() { // 定时任务线程池 ScheduledExecutorService scheduledExecutorService = Executors.newScheduledThreadPool(1); scheduledExecutorService.scheduleAtFixedRate(new Runnable() { @Override public void run() { // 捕获异常 try { //1.从阻塞队列中取出queue的请求，生成一次批量查询。 int size = queue.size(); if (size == 0) { return; } List<Request> requests = new ArrayList<>(size); for (int i = 0; i < size; i++) { // 移出队列，并返回。 Request poll = queue.poll(); requests.add(poll); } //2.组装一个批量查询请求参数。 List<String> movieCodes = new ArrayList<>(); for (Request request : requests) { movieCodes.add(request.getMovieCode()); } //3. http 请求，或者 dubbo 请求。批量请求，得到结果list。 System.out.println("本次合并请求数量："+movieCodes.size()); List<Map<String, Object>> responses = new ArrayList<>(); //4.把list转成map方便快速查找。 HashMap<String, Map<String, Object>> responseMap = new HashMap<>(); for (Map<String, Object> respons : responses) { String code = respons.get("code").toString(); responseMap.put(code,respons); } //4.将结果响应给每一个单独的用户请求。 for (Request request : requests) { //根据请求中携带的能表示唯一参数，去批量查询的结果中找响应。 Map<String, Object> result = responseMap.get(request.getMovieCode()); //将结果返回到对应的请求线程。2个线程通信，异步编程赋值。 //complete(),源码注释翻译：如果尚未完成，则将由方法和相关方法返回的值设置为给定值 request.getFuture().complete(result); } } catch (Exception e) { e.printStackTrace(); } } // 立即执行任务，并间隔10 毫秒重复执行。 }, 0, 10, TimeUnit.MILLISECONDS); } // 1万个用户请求，1万个并发,查询电影信息 public Map<String, Object> queryMovie(String movieCode) throws ExecutionException, InterruptedException { //请求合并，减少接口调用次数,提升性能。 //思路：将不同用户的同类请求，合并起来。 //并非立刻发起接口调用，请求 。是先收集起来，再进行批量请求。 Request request = new Request(); //请求参数 request.setMovieCode(movieCode); //异步编程，创建当前线程的任务，由其他线程异步运算，获取异步处理的结果。 CompletableFuture<Map<String, Object>> future = new CompletableFuture<>(); request.setFuture(future); //请求参数放入队列中。定时任务去消化请求。 queue.add(request); //阻塞等待获取结果。 Map<String, Object> stringObjectMap = future.get(); return stringObjectMap; } } //请求包装类 class Request { //请求参数： 电影id。 private String movieCode; // 多线程的future接收返回值。 //每一个请求对象中都有一个future接收请求。 private CompletableFuture<Map<String, Object>> future; public CompletableFuture<Map<String, Object>> getFuture() { return future; } public void setFuture(CompletableFuture<Map<String, Object>> future) { this.future = future; } public Request() { } public Request(String movieCode) { this.movieCode = movieCode; } public String getMovieCode() { return movieCode; } public void setMovieCode(String movieCode) { this.movieCode = movieCode; } }
这样就实现了请求合并，批量处理，结果分发响应。让系统支撑更高的并发量。
当然，因为不是天天双十一，没有那么大的并发量，就添加一个动态的配置，只有当特定的时间，才进行请求堆积。其他时间还是正常的处理。这部分逻辑就不写出来了。
