一、背景
项目中肯定会遇到异步调用其他方法的场景，比如有个计算过程，需要计算很多个指标的值，但是每个指标计算的效率快慢不同，如果采用同步执行的方式，运行这一个过程的时间是计算所有指标的时间之和。比如：
方法A：计算指标x，指标y，指标z的值，其中计算指标x需要1s，计算指标y需要2s，指标z需要3s。最终执行完方法A就是5s。
现在用异步的方式优化一下
方法A异步调用方法B，方法C，方法D，方法B，方法C，方法D分别计算指标x，指标y，指标z的值，那么最终执行完方法A的时间则是3s。
还有一种用途是当一个业务里面需要多个请求时，这时候异步并发请求所得到的回报远远是物有所值的。因为他是异步执行的，话不多说，一下是在springBoot里面使用并发请求；
二、spring boot中异步并发使用
2.1、appllication.yml
#****************集成Async线程池开始******************* async: # Async线程池 配置 executor: corepoolsize: 20 maxpoolsize: 25 queuecapacity: 40 keepaliveseconds: 200 threadnameprefix: appasync awaitterminationseconds: 60 #*****************集成Async线程池结束******************
2.2、配置线程池
@Configuration
@EnableAsync
public class ExecutorConfig {
@Value("${async.executor.corepoolsize}")
private Integer corePoolSize;
@Value("${async.executor.maxpoolsize}")
private Integer maxPoolSize;
@Value("${async.executor.queuecapacity}")
private Integer queueCapacity;
@Value("${async.executor.keepaliveseconds}")
private Integer keepAliveSeconds;
@Value("${async.executor.threadnameprefix}")
private String threadNamePrefix;
@Value("${async.executor.awaitterminationseconds}")
private Integer awaitTerminationSeconds;
/**
* 线程池
*
* @return
*/
@Bean(name = "asyncExecutor")
public Executor asyncExecutor() {
ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
// 基础线程数 corePoolSize: 10
executor.setCorePoolSize(corePoolSize);
// 最大线程数 maxPoolSize: 15
executor.setMaxPoolSize(maxPoolSize);
// 队列长度 queueCapacity: 25
executor.setQueueCapacity(queueCapacity);
// 线程池维护线程所允许的空闲时间,单位为秒 keepAliveSeconds: 200
executor.setKeepAliveSeconds(keepAliveSeconds);
// 线程名字 threadNamePrefix: appasync
executor.setThreadNamePrefix(threadNamePrefix);
executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
// 等待所有任务都完成再继续销毁其他的Bean
executor.setWaitForTasksToCompleteOnShutdown(true);
// 线程池中任务的等待时间，如果超过这个时候还没有销毁就强制销毁，以确保应用最后能够被关闭，而不是阻塞住
executor.setAwaitTerminationSeconds(awaitTerminationSeconds);
executor.initialize();
return executor;
}
}
2.3、线程池监控（这个可有可无，主要是为了对线程池参数及时的调优）
@RestController
@Slf4j
@RequestMapping("/pubapi/asyncExecutor")
public class AsyncExecutorController extends BaseController {
@Resource(name = "asyncExecutor")
private Executor asyncExecutor;
@PostMapping("/monitor")public ResultBean<Map<String, Object>> getAsyncExecutorData() {
ResultBean<Map<String, Object>> resultBean = ResultBeanUtil.error500();
if (asyncExecutor == null) {
return resultBean;
}
try {
ThreadPoolTaskExecutor executorTask = (ThreadPoolTaskExecutor) asyncExecutor;
ThreadPoolExecutor executor = executorTask.getThreadPoolExecutor();
// 当前排队线程数
int queueSize = executor.getQueue().size();
// 当前活动线程数
int activeCount = executor.getActiveCount();
// 执行完线程数
long completedThreadCount = executor.getCompletedTaskCount();
// 总线程数
long taskCount = executor.getTaskCount();
// 初始线程数
int poolSize = executor.getPoolSize();
// 核心线程数
int corePoolSize = executor.getCorePoolSize();
// 线程池是否终止
boolean isTerminated = executor.isTerminated();
// 线城池是否关闭
boolean isShutdown = executor.isShutdown();
// 线程空闲时间
long keepAliveTime = executor.getKeepAliveTime(TimeUnit.MILLISECONDS);
// 最大允许线程数
long maximumPoolSize = executor.getMaximumPoolSize();
// 线程池中存在的最大线程数
long largestPoolSize = executor.getLargestPoolSize();
Map<String, Object> threadPoolData = new HashMap<>(18);
threadPoolData.put("当前排队线程数", queueSize);
threadPoolData.put("当前活动线程数", activeCount);
threadPoolData.put("执行完线程数", completedThreadCount);
threadPoolData.put("总线程数", taskCount);
threadPoolData.put("初始线程数", poolSize);
threadPoolData.put("核心线程数", corePoolSize);
threadPoolData.put("线程池是否终止", isTerminated);
threadPoolData.put("线城池是否关闭", isShutdown);
threadPoolData.put("线程空闲时间", keepAliveTime);
threadPoolData.put("最大允许线程数", maximumPoolSize);
threadPoolData.put("线程池中存在的最大线程数", largestPoolSize);
InetAddress inetAddress = IdWorker.getLocalHostLANAddress();
Map<String, Object> resultData = new HashMap<>(4);
resultData.put("ip", inetAddress.getHostAddress());
resultData.put("threadPoolData", threadPoolData);
resultBean = ResultBeanUtil.success("请求成功！", resultData);
} catch (Exception e) {
e.printStackTrace();
}
return resultBean;
}
}
2.4、代码中使用
public void getMap(){
/**
* 先将耗时的、相互之间无依赖的操作先执行，由于其执行结果暂时不是特别关注，所以
*/
Future<String> futureA = functionA();
Future<String> futureB = functionB();
/**
* 执行其他的操作，其实functionA(),functionB()也在工作
*/
aaa();
/**
* 获取异步的结果，然后计算
*/
try {
String resultA =futureA.get();
String resuleB = futureB.get();
} catch (InterruptedException e) {
e.printStackTrace();
} catch (ExecutionException e) {
e.printStackTrace();
}
}
public Future<String> functionA (){
Future<String> future = null;
try {
Thread.sleep(5000);
future = new AsyncResult<String>("functionA");
} catch (InterruptedException e) {
e.printStackTrace();
}
return future;
}
public Future<String> functionB (){
Future<String> future = null;
try {
Thread.sleep(3000);
future = new AsyncResult<String>("functionB");
} catch (InterruptedException e) {
e.printStackTrace();
}
return future;
}
public void aaa(){
System.out.println("我是");
}
