異步編程CompletableFuture實現高並發系統優化之請求合並

　　先說場景：

　　根據Redis官網介紹，單機版Redis的讀寫性能是12萬/秒，批量處理可以達到70萬/秒。不管是緩存或者是數據庫，都有批量處理的功能。當我們的系統達到瓶頸的時候，我們考慮充分的壓榨緩存和數據庫的性能，應對更大的並發請求。適用於電商促銷雙十一，等特定高並發的場景，讓系統可以支撐更高的並發。

　　思路：

一個用戶請求到后台，我沒有立即去處理，而是把請求堆積到隊列中，堆積10毫秒的時間，由於是高並發場景，就堆積了一定數量的請求。

我定義一個定時任務，把隊列中的請求，按批處理的方式，向后端的Redis緩存，或者數據庫發起批量的請求，拿到批量的結果，再把結果分發給對應的請求用戶。

對於單個用戶而言，他的請求變慢了10毫秒是無感知的。但是對於我們系統，卻可以提高幾倍的抗並發能力。

這個請求合並，結果分發的功能，就要用到一個類CompletableFuture 實現異步編程，不同線程之間的數據交互。

　　線程1 如何創建異步任務？

//創建異步任務 
CompletableFuture<Map<String, Object>> future = new CompletableFuture<>();
      
//阻塞等待獲取結果。
Map<String, Object> result = future.get();

　　線程2 如何把數據賦值給線程1 ？

// 線程2的處理結果 
Object result = "結果";
//線程2 的結果，賦值 給 線程1
future.complete(result);

　　CompletableFuture 是由大牛 Doug Lea 在JDK1.8 提供的類，我們來看看complete()方法的源碼。

    /**
     * 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;
    }

　　翻譯：

　　　　　　如果尚未完成，則將返回的值和相關方法get()設置為給定值。

　　也就是說，

　　　　線程1 的get() 方法，拿到的就是線程 2 的complete() 方法給的值。

 

看到這里，應該基本明白這個異常編程的意思了。它的核心就是線程通信，數據傳輸。直接上代碼：

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 {

    //並發安全的阻塞隊列，積攢請求。（每隔N毫秒批量處理一次）
    LinkedBlockingQueue<Request> queue = new LinkedBlockingQueue();

    // 定時任務的實現,每隔開N毫秒處理一次數據。
    @PostConstruct
    public void init() {
        // 定時任務線程池
        ScheduledExecutorService scheduledExecutorService = Executors.newScheduledThreadPool(1);
        scheduledExecutorService.scheduleAtFixedRate(new Runnable() {
            @Override
            public void run() {
//                捕獲異常
                try {
                    //1.從阻塞隊列中取出queue的請求，生成一次批量查詢。
                    int size = queue.size();
                    if (size == 0) {
                        return;
                    }
                    List<Request> requests = new ArrayList<>(size);
                    for (int i = 0; i < size; i++) {
                        // 移出隊列，並返回。
                        Request poll = queue.poll();
                        requests.add(poll);
                    }
                    //2.組裝一個批量查詢請求參數。
                    List<String> movieCodes = new ArrayList<>();
                    for (Request request : requests) {
                        movieCodes.add(request.getMovieCode());
                    }
                    //3. http 請求，或者 dubbo 請求。批量請求，得到結果list。
                    System.out.println("本次合並請求數量："+movieCodes.size());
                    List<Map<String, Object>> responses = new ArrayList<>();

                    //4.把list轉成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.將結果響應給每一個單獨的用戶請求。
                    for (Request request : requests) {
                        //根據請求中攜帶的能表示唯一參數，去批量查詢的結果中找響應。
                        Map<String, Object> result = responseMap.get(request.getMovieCode());

                        //將結果返回到對應的請求線程。2個線程通信，異步編程賦值。
                        //complete(),源碼注釋翻譯：如果尚未完成，則將由方法和相關方法返回的值設置為給定值
                        request.getFuture().complete(result);
                    }

                } catch (Exception e) {
                    e.printStackTrace();
                }

            }
            // 立即執行任務，並間隔10 毫秒重復執行。
        }, 0, 10, TimeUnit.MILLISECONDS);

    }

    // 1萬個用戶請求，1萬個並發,查詢電影信息
    public Map<String, Object> queryMovie(String movieCode) throws ExecutionException, InterruptedException {
        //請求合並，減少接口調用次數,提升性能。
        //思路：將不同用戶的同類請求，合並起來。
        //並非立刻發起接口調用，請求 。是先收集起來，再進行批量請求。
        Request request = new Request();
        //請求參數
        request.setMovieCode(movieCode);
        //異步編程，創建當前線程的任務，由其他線程異步運算，獲取異步處理的結果。
        CompletableFuture<Map<String, Object>> future = new CompletableFuture<>();
        request.setFuture(future);

        //請求參數放入隊列中。定時任務去消化請求。
        queue.add(request);

        //阻塞等待獲取結果。
        Map<String, Object> stringObjectMap = future.get();
        return stringObjectMap;
    }

}
    //請求包裝類
    class Request {

    //請求參數： 電影id。
    private String movieCode;

    // 多線程的future接收返回值。
    //每一個請求對象中都有一個future接收請求。
    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;
    }
}

　　這樣就實現了請求合並，批量處理，結果分發響應。讓系統支撐更高的並發量。

當然，因為不是天天雙十一，沒有那么大的並發量，就添加一個動態的配置，只有當特定的時間，才進行請求堆積。其他時間還是正常的處理。這部分邏輯就不寫出來了。