聊聊并發(fā)編程的12種業(yè)務(wù)場景

前言

今天聊聊我之前在項目中用并發(fā)編程的12種業(yè)務(wù)場景，給有需要的朋友一個參考。

1. 簡單定時任務(wù)

各位親愛的朋友，你沒看錯，Thread類真的能做定時任務(wù)。如果你看過一些定時任務(wù)框架的源碼，你最后會發(fā)現(xiàn)，它們的底層也會使用Thread類。

實現(xiàn)這種定時任務(wù)的具體代碼如下：

public?static?void?init()?{
????new?Thread(()?->?{
????????while?(true)?{
????????????try?{
????????????????System.out.println("下載文件");
????????????????Thread.sleep(1000?*?60?*?5);
????????????}?catch?(Exception?e)?{
????????????????log.error(e);
????????????}
????????}
????}).start();
}

使用Thread類可以做最簡單的定時任務(wù)，在run方法中有個while的死循環(huán)（當(dāng)然還有其他方式），執(zhí)行我們自己的任務(wù)。有個需要特別注意的地方是，需要用try...catch捕獲異常，否則如果出現(xiàn)異常，就直接退出循環(huán)，下次將無法繼續(xù)執(zhí)行了。

但這種方式做的定時任務(wù)，只能周期性執(zhí)行，不能支持定時在某個時間點執(zhí)行。

特別提醒一下，該線程建議定義成守護(hù)線程，可以通過setDaemon方法設(shè)置，讓它在后臺默默執(zhí)行就好。

使用場景：比如項目中有時需要每隔5分鐘去下載某個文件，或者每隔10分鐘去讀取模板文件生成靜態(tài)html頁面等等，一些簡單的周期性任務(wù)場景。

使用Thread類做定時任務(wù)的優(yōu)缺點：

• 優(yōu)點：這種定時任務(wù)非常簡單，學(xué)習(xí)成本低，容易入手，對于那些簡單的周期性任務(wù)，是個不錯的選擇。

• 缺點：不支持指定某個時間點執(zhí)行任務(wù)，不支持延遲執(zhí)行等操作，功能過于單一，無法應(yīng)對一些較為復(fù)雜的場景。

2.監(jiān)聽器

有時候，我們需要寫個監(jiān)聽器，去監(jiān)聽某些數(shù)據(jù)的變化。

比如：我們在使用canal的時候，需要監(jiān)聽binlog的變化，能夠及時把數(shù)據(jù)庫中的數(shù)據(jù)，同步到另外一個業(yè)務(wù)數(shù)據(jù)庫中。

如果直接寫一個監(jiān)聽器去監(jiān)聽數(shù)據(jù)就太沒意思了，我們想實現(xiàn)這樣一個功能：在配置中心有個開關(guān)，配置監(jiān)聽器是否開啟，如果開啟了使用單線程異步執(zhí)行。

主要代碼如下：

@Service
public?CanalService?{
????private?volatile?boolean?running?=?false;
????private?Thread?thread;

????@Autowired
????private?CanalConnector?canalConnector;
????
????public?void?handle()?{
????????//連接canal
????????while(running)?{
???????????//業(yè)務(wù)處理
????????}
????}
????
????public?void?start()?{
???????thread?=?new?Thread(this::handle,?"name");
???????running?=?true;
???????thread.start();
????}
????
????public?void?stop()?{
???????if(!running)?{
??????????return;
???????}
???????running?=?false;
????}
}

在start方法中開啟了一個線程，在該線程中異步執(zhí)行handle方法的具體任務(wù)。然后通過調(diào)用stop方法，可以停止該線程。

其中，使用volatile關(guān)鍵字控制的running變量作為開關(guān)，它可以控制線程中的狀態(tài)。

接下來，有個比較關(guān)鍵的點是：如何通過配置中心的配置，控制這個開關(guān)呢？

以apollo配置為例，我們在配置中心的后臺，修改配置之后，自動獲取最新配置的核心代碼如下：

public?class?CanalConfig?{
????@Autowired
????private?CanalService?canalService;

????@ApolloConfigChangeListener
????public?void?change(ConfigChangeEvent?event)?{
????????String?value?=?event.getChange("test.canal.enable").getNewValue();
????????if(BooleanUtils.toBoolean(value))?{
????????????canalService.start();
????????}?else?{
????????????canalService.stop();
????????}
????}
}

通過apollo的ApolloConfigChangeListener注解，可以監(jiān)聽配置參數(shù)的變化。

如果test.canal.enable開關(guān)配置的true，則調(diào)用canalService類的start方法開啟canal數(shù)據(jù)同步功能。如果開關(guān)配置的false，則調(diào)用canalService類的stop方法，自動停止canal數(shù)據(jù)同步功能。

3.收集日志

在某些高并發(fā)的場景中，我們需要收集部分用戶的日志（比如：用戶登錄的日志），寫到數(shù)據(jù)庫中，以便于做分析。

但由于項目中，還沒有引入消息中間件，比如：kafka、rocketmq等。

如果直接將日志同步寫入數(shù)據(jù)庫，可能會影響接口性能。

所以，大家很自然想到了異步處理。

實現(xiàn)這個需求最簡單的做法是，開啟一個線程，異步寫入數(shù)據(jù)到數(shù)據(jù)庫即可。

這樣做，可以是可以。

但如果用戶登錄操作的耗時，比異步寫入數(shù)據(jù)庫的時間要少得多。這樣導(dǎo)致的結(jié)果是：生產(chǎn)日志的速度，比消費日志的速度要快得多，最終的性能瓶頸在消費端。

其實，還有更優(yōu)雅的處理方式，雖說沒有使用消息中間件，但借用了它的思想。

這套記錄登錄日志的功能，分為：日志生產(chǎn)端、日志存儲端和日志消費端。

如下圖所示：

先定義了一個阻塞隊列。

@Component
public?class?LoginLogQueue?{
????private?static?final?int?QUEUE_MAX_SIZE????=?1000;

????private?BlockingQueueblockingQueue?queue?=?new?LinkedBlockingQueue<>(QUEUE_MAX_SIZE);

????//生成消息
????public?boolean?push(LoginLog?loginLog)?{
????????return?this.queue.add(loginLog);
????}?

????//消費消息
????public?LoginLog?poll()?{
????????LoginLog?loginLog?=?null;
????????try?{
????????????loginLog?=?this.queue.take();
????????}?catch?(InterruptedException?e)?{
????????????e.printStackTrace();
????????}
????????return?result;
????}
}

然后定義了一個日志的生產(chǎn)者。

@Service
public?class?LoginSerivce?{
????
????@Autowired
????private?LoginLogQueue?loginLogQueue;

????public?int?login(UserInfo?userInfo)?{
????????//業(yè)務(wù)處理
????????LoginLog?loginLog?=?convert(userInfo);
????????loginLogQueue.push(loginLog);
????}??
}

接下來，定義了日志的消費者。

@Service
public?class?LoginInfoConsumer?{
????@Autowired
????private?LoginLogQueue?queue;

????@PostConstruct
????public?voit?init?{
???????new?Thread(()?->?{
??????????while?(true)?{
??????????????LoginLog?loginLog?=?queue.take();
??????????????//寫入數(shù)據(jù)庫
??????????}
????????}).start();
????}
}

當(dāng)然，這個例子中使用單線程接收登錄日志，為了提升性能，也可以使用線程池來處理業(yè)務(wù)邏輯（比如：寫入數(shù)據(jù)庫）等。

4.excel導(dǎo)入

我們可能會經(jīng)常收到運營同學(xué)提過來的excel數(shù)據(jù)導(dǎo)入需求，比如：將某一大類下的所有子類一次性導(dǎo)入系統(tǒng)，或者導(dǎo)入一批新的供應(yīng)商數(shù)據(jù)等等。

我們以導(dǎo)入供應(yīng)商數(shù)據(jù)為例，它所涉及的業(yè)務(wù)流程很長，比如：

1. 調(diào)用天眼查接口校驗企業(yè)名稱和統(tǒng)一社會信用代碼。
2. 寫入供應(yīng)商基本表
3. 寫入組織表
4. 給供應(yīng)商自動創(chuàng)建一個用戶
5. 給該用戶分配權(quán)限
6. 自定義域名
7. 發(fā)站內(nèi)通知

等等。

如果在程序中，解析完excel，讀取了所有數(shù)據(jù)之后。用單線程一條條處理業(yè)務(wù)邏輯，可能耗時會非常長。

為了提升excel數(shù)據(jù)導(dǎo)入效率，非常有必要使用多線程來處理。

當(dāng)然在java中實現(xiàn)多線程的手段有很多種，下面重點聊聊java8中最簡單的實現(xiàn)方式：parallelStream。

偽代碼如下：

supplierList.parallelStream().forEach(x?->?importSupplier(x));

parallelStream是一個并行執(zhí)行的流，它默認(rèn)通過ForkJoinPool實現(xiàn)的，能提高你的多線程任務(wù)的速度。

ForkJoinPool處理的過程會分而治之，它的核心思想是：將一個大任務(wù)切分成多個小任務(wù)。每個小任務(wù)都能單獨執(zhí)行，最后它會把所用任務(wù)的執(zhí)行結(jié)果進(jìn)行匯總。

下面用一張圖簡單介紹一下ForkJoinPool的原理：

當(dāng)然除了excel導(dǎo)入之外，還有類似的讀取文本文件，也可以用類似的方法處理。

溫馨的提醒一下，如果一次性導(dǎo)入的數(shù)據(jù)非常多，用多線程處理，可能會使系統(tǒng)的cpu使用率飆升，需要特別關(guān)注。

5.查詢接口

很多時候，我們需要在某個查詢接口中，調(diào)用其他服務(wù)的接口，組合數(shù)據(jù)之后，一起返回。

比如有這樣的業(yè)務(wù)場景：

在用戶信息查詢接口中需要返回：用戶名稱、性別、等級、頭像、積分、成長值等信息。

而用戶名稱、性別、等級、頭像在用戶服務(wù)中，積分在積分服務(wù)中，成長值在成長值服務(wù)中。為了匯總這些數(shù)據(jù)統(tǒng)一返回，需要另外提供一個對外接口服務(wù)。

于是，用戶信息查詢接口需要調(diào)用用戶查詢接口、積分查詢接口 和 成長值查詢接口，然后匯總數(shù)據(jù)統(tǒng)一返回。

調(diào)用過程如下圖所示：

調(diào)用遠(yuǎn)程接口總耗時 530ms = 200ms + 150ms + 180ms

顯然這種串行調(diào)用遠(yuǎn)程接口性能是非常不好的，調(diào)用遠(yuǎn)程接口總的耗時為所有的遠(yuǎn)程接口耗時之和。

那么如何優(yōu)化遠(yuǎn)程接口性能呢？

既然串行調(diào)用多個遠(yuǎn)程接口性能很差，為什么不改成并行呢？

如下圖所示：

調(diào)用遠(yuǎn)程接口總耗時 200ms = 200ms（即耗時最長的那次遠(yuǎn)程接口調(diào)用）

在java8之前可以通過實現(xiàn)Callable接口，獲取線程返回結(jié)果。

java8以后通過CompleteFuture類實現(xiàn)該功能。我們這里以CompleteFuture為例：

public?UserInfo?getUserInfo(Long?id)?throws?InterruptedException,?ExecutionException?{
????final?UserInfo?userInfo?=?new?UserInfo();
????CompletableFuture?userFuture?=?CompletableFuture.supplyAsync(()?->?{
????????getRemoteUserAndFill(id,?userInfo);
????????return?Boolean.TRUE;
????},?executor);

????CompletableFuture?bonusFuture?=?CompletableFuture.supplyAsync(()?->?{
????????getRemoteBonusAndFill(id,?userInfo);
????????return?Boolean.TRUE;
????},?executor);

????CompletableFuture?growthFuture?=?CompletableFuture.supplyAsync(()?->?{
????????getRemoteGrowthAndFill(id,?userInfo);
????????return?Boolean.TRUE;
????},?executor);
????CompletableFuture.allOf(userFuture,?bonusFuture,?growthFuture).join();

????userFuture.get();
????bonusFuture.get();
????growthFuture.get();
????return?userInfo;
}

溫馨提醒一下，這兩種方式別忘了使用線程池。示例中我用到了executor，表示自定義的線程池，為了防止高并發(fā)場景下，出現(xiàn)線程過多的問題。

6.獲取用戶上下文

不知道你在項目開發(fā)時，有沒有遇到過這樣的需求：用戶登錄之后，在所有的請求接口中，通過某個公共方法，就能獲取到當(dāng)前登錄用戶的信息？

獲取的用戶上下文，我們以CurrentUser為例。

CurrentUser內(nèi)部包含了一個ThreadLocal對象，它負(fù)責(zé)保存當(dāng)前線程的用戶上下文信息。當(dāng)然為了保證在線程池中，也能從用戶上下文中獲取到正確的用戶信息，這里用了阿里的TransmittableThreadLocal。偽代碼如下：

@Data
public?class?CurrentUser?{
????private?static?final?TransmittableThreadLocal?THREA_LOCAL?=?new?TransmittableThreadLocal<>();
????
????private?String?id;
????private?String?userName;
????private?String?password;
????private?String?phone;
????...
????
????public?statis?void?set(CurrentUser?user)?{
??????THREA_LOCAL.set(user);
????}
????
????public?static?void?getCurrent()?{
??????return?THREA_LOCAL.get();
????}
}

這里為什么用了阿里的TransmittableThreadLocal，而不是普通的ThreadLocal呢？在線程池中，由于線程會被多次復(fù)用，導(dǎo)致從普通的ThreadLocal中無法獲取正確的用戶信息。父線程中的參數(shù)，沒法傳遞給子線程，而TransmittableThreadLocal很好解決了這個問題。

然后在項目中定義一個全局的spring mvc攔截器，專門設(shè)置用戶上下文到ThreadLocal中。偽代碼如下：

public?class?UserInterceptor?extends?HandlerInterceptorAdapter?{
???
???@Override??
???public?boolean?preHandle(HttpServletRequest?request,?HttpServletResponse?response,?Object?handler)?throws?Exception?{
??????CurrentUser?user?=?getUser(request);
??????if(Objects.nonNull(user))?{
?????????CurrentUser.set(user);
??????}
???}?
}

用戶在請求我們接口時，會先觸發(fā)該攔截器，它會根據(jù)用戶cookie中的token，調(diào)用調(diào)用接口獲取redis中的用戶信息。如果能獲取到，說明用戶已經(jīng)登錄，則把用戶信息設(shè)置到CurrentUser類的ThreadLocal中。

接下來，在api服務(wù)的下層，即business層的方法中，就能輕松通過CurrentUser.getCurrent();方法獲取到想要的用戶上下文信息了。

這套用戶體系的想法是很good的，但深入使用后，發(fā)現(xiàn)了一個小插曲：

api服務(wù)和mq消費者服務(wù)都引用了business層，business層中的方法兩個服務(wù)都能直接調(diào)用。

我們都知道在api服務(wù)中用戶是需要登錄的，而mq消費者服務(wù)則不需要登錄。

如果business中的某個方法剛開始是給api開發(fā)的，在方法深處使用了CurrentUser.getCurrent();獲取用戶上下文。但后來，某位新來的帥哥在mq消費者中也調(diào)用了那個方法，并未發(fā)覺這個小機(jī)關(guān)，就會中招，出現(xiàn)找不到用戶上下文的問題。

所以我當(dāng)時的第一個想法是：代碼沒做兼容處理，因為之前這類問題偶爾會發(fā)生一次。

想要解決這個問題，其實也很簡單。只需先判斷一下能否從CurrentUser中獲取用戶信息，如果不能，則取配置的系統(tǒng)用戶信息。偽代碼如下：

@Autowired
private?BusinessConfig?businessConfig;

CurrentUser?user?=?CurrentUser.getCurrent();
if(Objects.nonNull(user))?{
???entity.setUserId(user.getUserId());
???entity.setUserName(user.getUserName());
}?else?{
???entity.setUserId(businessConfig.getDefaultUserId());
???entity.setUserName(businessConfig.getDefaultUserName());
}

這種簡單無公害的代碼，如果只是在一兩個地方加還OK。

此外，眾所周知，SimpleDateFormat在java8以前，是用來處理時間的工具類，它是非線程安全的。也就是說，用該方法解析日期會有線程安全問題。

為了避免線程安全問題的出現(xiàn)，我們可以把SimpleDateFormat對象定義成局部變量。但如果你一定要把它定義成靜態(tài)變量，可以使用ThreadLocal保存日期，也能解決線程安全問題。

8. 傳遞參數(shù)

之前見過有些同事寫代碼時，一個非常有趣的用法，即：使用MDC傳遞參數(shù)。

MDC是什么？

MDC是org.slf4j包下的一個類，它的全稱是Mapped Diagnostic Context，我們可以認(rèn)為它是一個線程安全的存放診斷日志的容器。

MDC的底層是用了ThreadLocal來保存數(shù)據(jù)的。

例如現(xiàn)在有這樣一種場景：我們使用RestTemplate調(diào)用遠(yuǎn)程接口時，有時需要在header中傳遞信息，比如：traceId，source等，便于在查詢?nèi)罩緯r能夠串聯(lián)一次完整的請求鏈路，快速定位問題。

這種業(yè)務(wù)場景就能通過ClientHttpRequestInterceptor接口實現(xiàn)，具體做法如下：

第一步，定義一個LogFilter攔截所有接口請求，在MDC中設(shè)置traceId：

public?class?LogFilter?implements?Filter?{
????@Override
????public?void?init(FilterConfig?filterConfig)?throws?ServletException?{
????}

????@Override
????public?void?doFilter(ServletRequest?request,?ServletResponse?response,?FilterChain?chain)?throws?IOException,?ServletException?{
????????MdcUtil.add(UUID.randomUUID().toString());
????????System.out.println("記錄請求日志");
????????chain.doFilter(request,?response);
????????System.out.println("記錄響應(yīng)日志");
????}

????@Override
????public?void?destroy()?{
????}
}

第二步，實現(xiàn)ClientHttpRequestInterceptor接口，MDC中獲取當(dāng)前請求的traceId，然后設(shè)置到header中：

public?class?RestTemplateInterceptor?implements?ClientHttpRequestInterceptor?{

????@Override
????public?ClientHttpResponse?intercept(HttpRequest?request,?byte[]?body,?ClientHttpRequestExecution?execution)?throws?IOException?{
????????request.getHeaders().set("traceId",?MdcUtil.get());
????????return?execution.execute(request,?body);
????}
}

第三步，定義配置類，配置上面定義的RestTemplateInterceptor類：

@Configuration
public?class?RestTemplateConfiguration?{

????@Bean
????public?RestTemplate?restTemplate()?{
????????RestTemplate?restTemplate?=?new?RestTemplate();
????????restTemplate.setInterceptors(Collections.singletonList(restTemplateInterceptor()));
????????return?restTemplate;
????}

????@Bean
????public?RestTemplateInterceptor?restTemplateInterceptor()?{
????????return?new?RestTemplateInterceptor();
????}
}

其中MdcUtil其實是利用MDC工具在ThreadLocal中存儲和獲取traceId

public?class?MdcUtil?{

????private?static?final?String?TRACE_ID?=?"TRACE_ID";

????public?static?String?get()?{
????????return?MDC.get(TRACE_ID);
????}

????public?static?void?add(String?value)?{
????????MDC.put(TRACE_ID,?value);
????}
}

當(dāng)然，這個例子中沒有演示MdcUtil類的add方法具體調(diào)的地方，我們可以在filter中執(zhí)行接口方法之前，生成traceId，調(diào)用MdcUtil類的add方法添加到MDC中，然后在同一個請求的其他地方就能通過MdcUtil類的get方法獲取到該traceId。

能使用MDC保存traceId等參數(shù)的根本原因是，用戶請求到應(yīng)用服務(wù)器，Tomcat會從線程池中分配一個線程去處理該請求。

那么該請求的整個過程中，保存到MDC的ThreadLocal中的參數(shù)，也是該線程獨享的，所以不會有線程安全問題。

9. 模擬高并發(fā)

有時候我們寫的接口，在低并發(fā)的場景下，一點問題都沒有。

但如果一旦出現(xiàn)高并發(fā)調(diào)用，該接口可能會出現(xiàn)一些意想不到的問題。

為了防止類似的事情發(fā)生，一般在項目上線前，我們非常有必要對接口做一下壓力測試。

當(dāng)然，現(xiàn)在已經(jīng)有比較成熟的壓力測試工具，比如：Jmeter、LoadRunner等。

如果你覺得下載壓測工具比較麻煩，也可以手寫一個簡單的模擬并發(fā)操作的工具，用CountDownLatch就能實現(xiàn)，例如：

public?static?void?concurrenceTest()?{
????/**
?????*?模擬高并發(fā)情況代碼
?????*/
????final?AtomicInteger?atomicInteger?=?new?AtomicInteger(0);
????final?CountDownLatch?countDownLatch?=?new?CountDownLatch(1000);?//?相當(dāng)于計數(shù)器，當(dāng)所有都準(zhǔn)備好了，再一起執(zhí)行，模仿多并發(fā)，保證并發(fā)量
????final?CountDownLatch?countDownLatch2?=?new?CountDownLatch(1000);?//?保證所有線程執(zhí)行完了再打印atomicInteger的值
????ExecutorService?executorService?=?Executors.newFixedThreadPool(10);
????try?{
????????for?(int?i?=?0;?i?1000;?i++)?{
????????????executorService.submit(new?Runnable()?{
????????????????@Override
????????????????public?void?run()?{
????????????????????try?{
????????????????????????countDownLatch.await();?//一直阻塞當(dāng)前線程，直到計時器的值為0,保證同時并發(fā)
????????????????????}?catch?(InterruptedException?e)?{
????????????????????????log.error(e.getMessage(),e);
????????????????????}
????????????????????//每個線程增加1000次，每次加1
????????????????????for?(int?j?=?0;?j?1000;?j++)?{
????????????????????????atomicInteger.incrementAndGet();
????????????????????}
????????????????????countDownLatch2.countDown();
????????????????}
????????????});
????????????countDownLatch.countDown();
????????}

????????countDownLatch2.await();//?保證所有線程執(zhí)行完
????????executorService.shutdown();
????}?catch?(Exception?e){
????????log.error(e.getMessage(),e);
????}
}

10. 處理mq消息

在高并發(fā)的場景中，消息積壓問題，可以說如影隨形，真的沒辦法從根本上解決。表面上看，已經(jīng)解決了，但后面不知道什么時候，就會冒出一次，比如這次：

有天下午，產(chǎn)品過來說：有幾個商戶投訴過來了，他們說菜品有延遲，快查一下原因。

這次問題出現(xiàn)得有點奇怪。

為什么這么說？

首先這個時間點就有點奇怪，平常出問題，不都是中午或者晚上用餐高峰期嗎？怎么這次問題出現(xiàn)在下午？

根據(jù)以往積累的經(jīng)驗，我直接看了kafka的topic的數(shù)據(jù)，果然上面消息有積壓，但這次每個partition都積壓了十幾萬的消息沒有消費，比以往加壓的消息數(shù)量增加了幾百倍。這次消息積壓得極不尋常。

我趕緊查服務(wù)監(jiān)控看看消費者掛了沒，還好沒掛。又查服務(wù)日志沒有發(fā)現(xiàn)異常。這時我有點迷茫，碰運氣問了問訂單組下午發(fā)生了什么事情沒？他們說下午有個促銷活動，跑了一個JOB批量更新過有些商戶的訂單信息。

這時，我一下子如夢初醒，是他們在JOB中批量發(fā)消息導(dǎo)致的問題。怎么沒有通知我們呢？實在太坑了。

雖說知道問題的原因了，倒是眼前積壓的這十幾萬的消息該如何處理呢？

此時，如果直接調(diào)大partition數(shù)量是不行的，歷史消息已經(jīng)存儲到4個固定的partition，只有新增的消息才會到新的partition。我們重點需要處理的是已有的partition。

直接加服務(wù)節(jié)點也不行，因為kafka允許同組的多個partition被一個consumer消費，但不允許一個partition被同組的多個consumer消費，可能會造成資源浪費。

看來只有用多線程處理了。

為了緊急解決問題，我改成了用線程池處理消息，核心線程和最大線程數(shù)都配置成了50。

大致用法如下：

1. 先定義一個線程池：

@Configuration
public?class?ThreadPoolConfig?{

????@Value("${thread.pool.corePoolSize:5}")
????private?int?corePoolSize;

????@Value("${thread.pool.maxPoolSize:10}")
????private?int?maxPoolSize;

????@Value("${thread.pool.queueCapacity:200}")
????private?int?queueCapacity;

????@Value("${thread.pool.keepAliveSeconds:30}")
????private?int?keepAliveSeconds;

????@Value("${thread.pool.threadNamePrefix:ASYNC_}")
????private?String?threadNamePrefix;

????@Bean("messageExecutor")
????public?Executor?messageExecutor()?{
????????ThreadPoolTaskExecutor?executor?=?new?ThreadPoolTaskExecutor();
????????executor.setCorePoolSize(corePoolSize);
????????executor.setMaxPoolSize(maxPoolSize);
????????executor.setQueueCapacity(queueCapacity);
????????executor.setKeepAliveSeconds(keepAliveSeconds);
????????executor.setThreadNamePrefix(threadNamePrefix);
????????executor.setRejectedExecutionHandler(new?ThreadPoolExecutor.CallerRunsPolicy());
????????executor.initialize();
????????return?executor;
????}
}

2. 再定義一個消息的consumer：

@Service
public?class?MyConsumerService?{
????@Autowired
????private?Executor?messageExecutor;
????
????@KafkaListener(id="test",topics={"topic-test"})
????public?void?listen(String?message){
????????System.out.println("收到消息："?+?message);
????????messageExecutor.submit(new?MyWork(message);
????}
}

3. 在定義的Runable實現(xiàn)類中處理業(yè)務(wù)邏輯：

public?class?MyWork?implements?Runnable?{
????private?String?message;
????
????public?MyWork(String?message)?{
???????this.message?=?message;
????}

????@Override
????public?void?run()?{
????????System.out.println(message);
????}
}

果然，調(diào)整之后消息積壓數(shù)量確實下降的非常快，大約半小時后，積壓的消息就非常順利的處理完了。

但此時有個更嚴(yán)重的問題出現(xiàn)：我收到了報警郵件，有兩個訂單系統(tǒng)的節(jié)點down機(jī)了。。。

更詳細(xì)內(nèi)容，請看看我的另一篇文章《我用kafka兩年踩過的一些非比尋常的坑》

11. 統(tǒng)計數(shù)量

在多線程的場景中，有時候需要統(tǒng)計數(shù)量，比如：用多線程導(dǎo)入供應(yīng)商數(shù)據(jù)時，統(tǒng)計導(dǎo)入成功的供應(yīng)商數(shù)有多少。

如果這時候用count++統(tǒng)計次數(shù)，最終的結(jié)果可能會不準(zhǔn)。因為count++并非原子操作，如果多個線程同時執(zhí)行該操作，則統(tǒng)計的次數(shù)，可能會出現(xiàn)異常。

為了解決這個問題，就需要使用concurent的atomic包下面的類，比如：AtomicInteger、AtomicLong等。

@Servcie
public?class?ImportSupplierService?{
??private?static?AtomicInteger?count?=?new?AtomicInteger(0);

??public?int?importSupplier(List?supplierList)?{
???????if(CollectionUtils.isEmpty(supplierList))?{
???????????return?0;
???????}

???????supplierList.parallelStream().forEach(x?->?{
???????????try?{
?????????????importSupplier(x);
?????????????count.addAndGet(1);
???????????}?catch(Exception?e)?{
??????????????log.error(e.getMessage(),e);
???????????}
???????);

??????return?count.get();
??}????
}

AtomicInteger的底層說白了使用自旋鎖+CAS。

public?final?int?incrementAndGet()?{
????for?(;;)?{
????????int?current?=?get();
????????int?next?=?current?+?1;
????????if?(compareAndSet(current,?next))
????????????return?next;
????}
}

自旋鎖說白了就是一個死循環(huán)。

而CAS是比較和交換的意思。

它的實現(xiàn)邏輯是：將內(nèi)存位置處的舊值與預(yù)期值進(jìn)行比較，若相等，則將內(nèi)存位置處的值替換為新值。若不相等，則不做任何操作。

12. 延遲定時任務(wù)

我們經(jīng)常有延遲處理數(shù)據(jù)的需求，比如：如果用戶下單后，超過30分鐘還未完成支付，則系統(tǒng)自動將該訂單取消。

這里需求就可以使用延遲定時任務(wù)實現(xiàn)。

ScheduledExecutorService是JDK1.5+版本引進(jìn)的定時任務(wù)，該類位于java.util.concurrent并發(fā)包下。

ScheduledExecutorService是基于多線程的，設(shè)計的初衷是為了解決Timer單線程執(zhí)行，多個任務(wù)之間會互相影響的問題。

它主要包含4個方法：

• schedule(Runnable command,long delay,TimeUnit unit)，帶延遲時間的調(diào)度，只執(zhí)行一次，調(diào)度之后可通過Future.get()阻塞直至任務(wù)執(zhí)行完畢。
• schedule(Callablecallable,long delay,TimeUnit unit)，帶延遲時間的調(diào)度，只執(zhí)行一次，調(diào)度之后可通過Future.get()阻塞直至任務(wù)執(zhí)行完畢，并且可以獲取執(zhí)行結(jié)果。
• scheduleAtFixedRate，表示以固定頻率執(zhí)行的任務(wù)，如果當(dāng)前任務(wù)耗時較多，超過定時周期period，則當(dāng)前任務(wù)結(jié)束后會立即執(zhí)行。
• scheduleWithFixedDelay，表示以固定延時執(zhí)行任務(wù)，延時是相對當(dāng)前任務(wù)結(jié)束為起點計算開始時間。

實現(xiàn)這種定時任務(wù)的具體代碼如下：

public?class?ScheduleExecutorTest?{

????public?static?void?main(String[]?args)?{
????????ScheduledExecutorService?scheduledExecutorService?=?Executors.newScheduledThreadPool(5);
????????scheduledExecutorService.scheduleAtFixedRate(()?->?{
????????????System.out.println("doSomething");
????????},1000,1000,?TimeUnit.MILLISECONDS);
????}
}

調(diào)用ScheduledExecutorService類的scheduleAtFixedRate方法實現(xiàn)周期性任務(wù)，每隔1秒鐘執(zhí)行一次，每次延遲1秒再執(zhí)行。

這種定時任務(wù)是阿里巴巴開發(fā)者規(guī)范中用來替代Timer類的方案，對于多線程執(zhí)行周期性任務(wù)，是個不錯的選擇。

使用ScheduledExecutorService類做延遲定時任務(wù)的優(yōu)缺點：

• 優(yōu)點：基于多線程的定時任務(wù)，多個任務(wù)之間不會相關(guān)影響，支持周期性的執(zhí)行任務(wù)，并且?guī)а舆t功能。

• 缺點：不支持一些較復(fù)雜的定時規(guī)則。

當(dāng)然，你也可以使用分布式定時任務(wù)，比如：xxl-job或者elastic-job等等。

其實，在實際工作中我使用多線程的場景遠(yuǎn)遠(yuǎn)不只這12種，在這里只是拋磚引玉，介紹了一些我認(rèn)為比較常見的業(yè)務(wù)場景。?