异步编程CompletableFuture实现高并发系统优化之请求合并

  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。

 

posted @ 2019-08-04 16:28 北溪 阅读(...) 评论(...) 编辑 收藏