您好,登录后才能下订单哦!
这篇文章跟大家分析一下“java8异步调用该怎么使用”。内容详细易懂,对“java8异步调用该怎么使用”感兴趣的朋友可以跟着小编的思路慢慢深入来阅读一下,希望阅读后能够对大家有所帮助。下面跟着小编一起深入学习“java8异步调用该怎么使用”的知识吧。
今天在写代码的时候,想要调用异步的操作,这里我是用的java8的流式异步调用,但是使用过程中呢,发现这个异步方式有两个方法,如下所示:
区别是一个 需要指定线程池,一个不需要。
那么指定线程池有哪些好处呢?直观的说有以下两点好处:
可以根据我们的服务器性能,通过池的管理更好的规划我们的线程数。
可以对我们使用的线程自定义名称,这里也是阿里java开发规范所提到的。
当然常规使用默认的也没什么问题。我们通过源码分析下使用默认线程池的过程。
public static CompletableFuture<Void> runAsync(Runnable runnable) { return asyncRunStage(asyncPool, runnable); }
看下这个asyncPool是什么?
如下所示,useCommonPool如果为真,就使用ForkJoinPool.commonPool()
,否则创建一个new ThreadPerTaskExecutor()
:
private static final Executor asyncPool = useCommonPool ? ForkJoinPool.commonPool() : new ThreadPerTaskExecutor();
看看useCommonPool 是什么?
private static final boolean useCommonPool = (ForkJoinPool.getCommonPoolParallelism() > 1);
/** * 公共池的目标并行度级别 */ public static int getCommonPoolParallelism() { return commonParallelism; }
最终这个并行级别并没有给出默认值
static final int commonParallelism;
通过找到这个常量的调用,我们看看是如何进行初始化的,在ForkJoinPool中有一个静态代码块,启动时会对commonParallelism进行初始化,我们只关注最后一句话就好了,:
// Unsafe mechanics private static final sun.misc.Unsafe U; private static final int ABASE; private static final int ASHIFT; private static final long CTL; private static final long RUNSTATE; private static final long STEALCOUNTER; private static final long PARKBLOCKER; private static final long QTOP; private static final long QLOCK; private static final long QSCANSTATE; private static final long QPARKER; private static final long QCURRENTSTEAL; private static final long QCURRENTJOIN; static { // initialize field offsets for CAS etc try { U = sun.misc.Unsafe.getUnsafe(); Class<?> k = ForkJoinPool.class; CTL = U.objectFieldOffset (k.getDeclaredField("ctl")); RUNSTATE = U.objectFieldOffset (k.getDeclaredField("runState")); STEALCOUNTER = U.objectFieldOffset (k.getDeclaredField("stealCounter")); Class<?> tk = Thread.class; PARKBLOCKER = U.objectFieldOffset (tk.getDeclaredField("parkBlocker")); Class<?> wk = WorkQueue.class; QTOP = U.objectFieldOffset (wk.getDeclaredField("top")); QLOCK = U.objectFieldOffset (wk.getDeclaredField("qlock")); QSCANSTATE = U.objectFieldOffset (wk.getDeclaredField("scanState")); QPARKER = U.objectFieldOffset (wk.getDeclaredField("parker")); QCURRENTSTEAL = U.objectFieldOffset (wk.getDeclaredField("currentSteal")); QCURRENTJOIN = U.objectFieldOffset (wk.getDeclaredField("currentJoin")); Class<?> ak = ForkJoinTask[].class; ABASE = U.arrayBaseOffset(ak); int scale = U.arrayIndexScale(ak); if ((scale & (scale - 1)) != 0) throw new Error("data type scale not a power of two"); ASHIFT = 31 - Integer.numberOfLeadingZeros(scale); } catch (Exception e) { throw new Error(e); } commonMaxSpares = DEFAULT_COMMON_MAX_SPARES; defaultForkJoinWorkerThreadFactory = new DefaultForkJoinWorkerThreadFactory(); modifyThreadPermission = new RuntimePermission("modifyThread"); common = java.security.AccessController.doPrivileged (new java.security.PrivilegedAction<ForkJoinPool>() { public ForkJoinPool run() { return makeCommonPool(); }}); // 即使线程被禁用也是1,至少是个1 int par = common.config & SMASK; commonParallelism = par > 0 ? par : 1; }
如下所示,默认是7:
所以接着下面的代码看:
private static final boolean useCommonPool = (ForkJoinPool.getCommonPoolParallelism() > 1);
这里一定是返回true,证明当前是并行的。
private static final Executor asyncPool = useCommonPool ? ForkJoinPool.commonPool() : new ThreadPerTaskExecutor();
上面会返回一个大小是七的的默认线程池
其实这个默认值是当前cpu的核心数,我的电脑是八核,在代码中默认会将核心数减一,所以显示是七个线程。
if (parallelism < 0 && //默认是1,小于核心数 (parallelism = Runtime.getRuntime().availableProcessors() - 1) <= 0) parallelism = 1; if (parallelism > MAX_CAP) parallelism = MAX_CAP;
下面我们写个main方法测试一下,10个线程,每个阻塞10秒,看结果:
public static void main(String[] args) { // 创建10个任务,每个任务阻塞10秒 for (int i = 0; i < 10; i++) { CompletableFuture.runAsync(() -> { try { Thread.sleep(10000); System.out.println(new Date() + ":" + Thread.currentThread().getName()); } catch (InterruptedException e) { e.printStackTrace(); } }); } try { Thread.sleep(30000); } catch (InterruptedException e) { e.printStackTrace(); } }
结果如下所示,前面七个任务先完成,另外三个任务被阻塞10秒后,才完成:
Mon Sep 13 11:20:57 CST 2021:ForkJoinPool.commonPool-worker-5 Mon Sep 13 11:20:57 CST 2021:ForkJoinPool.commonPool-worker-4 Mon Sep 13 11:20:57 CST 2021:ForkJoinPool.commonPool-worker-2 Mon Sep 13 11:20:57 CST 2021:ForkJoinPool.commonPool-worker-7 Mon Sep 13 11:20:57 CST 2021:ForkJoinPool.commonPool-worker-3 Mon Sep 13 11:20:57 CST 2021:ForkJoinPool.commonPool-worker-6 Mon Sep 13 11:20:57 CST 2021:ForkJoinPool.commonPool-worker-1 ----------------------------------------------------------- Mon Sep 13 11:21:07 CST 2021:ForkJoinPool.commonPool-worker-2 Mon Sep 13 11:21:07 CST 2021:ForkJoinPool.commonPool-worker-5 Mon Sep 13 11:21:07 CST 2021:ForkJoinPool.commonPool-worker-4
结论:当我们使用默认的线程池进行异步调用时,如果异步任务是一个IO密集型,简单说处理时间占用长,将导致其他使用共享线程池的任务阻塞,造成系统性能下降甚至异常。甚至当一部分调用接口时,如果接口超时,那么也会阻塞与超时时长相同的时间;实际在计算密集的场景下使用是能提高性能的。
上面说到如果是IO密集型的场景,在异步调用时还是使用自定义线程池比较好。
针对开篇提到的两个显而易见的好处,此处新增一条:
可以根据我们的服务器性能,通过池的管理更好的规划我们的线程数。
可以对我们使用的线程自定义名称,这里也是阿里java开发规范所提到的。
不会因为阻塞导致使用共享线程池的其他线程阻塞甚至异常。
我们自定义下面的线程池:
/** * @description: 全局通用线程池 * @author:weirx * @date:2021/9/9 18:09 * @version:3.0 */ @Slf4j public class GlobalThreadPool { /** * 核心线程数 */ public final static int CORE_POOL_SIZE = 10; /** * 最大线程数 */ public final static int MAX_NUM_POOL_SIZE = 20; /** * 任务队列大小 */ public final static int BLOCKING_QUEUE_SIZE = 30; /** * 线程池实例 */ private final static ThreadPoolExecutor instance = getInstance(); /** * description: 初始化线程池 * * @return: java.util.concurrent.ThreadPoolExecutor * @author: weirx * @time: 2021/9/10 9:49 */ private synchronized static ThreadPoolExecutor getInstance() { // 生成线程池 ThreadPoolExecutor executor = new ThreadPoolExecutor( CORE_POOL_SIZE, MAX_NUM_POOL_SIZE, 60, TimeUnit.SECONDS, new LinkedBlockingQueue<>(BLOCKING_QUEUE_SIZE), new NamedThreadFactory("Thread-wjbgn-", false)); return executor; } private GlobalThreadPool() { } public static ThreadPoolExecutor getExecutor() { return instance; } }
调用:
public static void main(String[] args) { // 创建10个任务,每个任务阻塞10秒 for (int i = 0; i < 10; i++) { CompletableFuture.runAsync(() -> { try { Thread.sleep(10000); System.out.println(new Date() + ":" + Thread.currentThread().getName()); } catch (InterruptedException e) { e.printStackTrace(); } },GlobalThreadPool.getExecutor()); } try { Thread.sleep(30000); } catch (InterruptedException e) { e.printStackTrace(); } }
输出我们指定线程名称的线程:
Mon Sep 13 11:32:35 CST 2021:Thread-Inbox-Model-1 Mon Sep 13 11:32:35 CST 2021:Thread-Inbox-Model-10 Mon Sep 13 11:32:35 CST 2021:Thread-Inbox-Model-2 Mon Sep 13 11:32:35 CST 2021:Thread-Inbox-Model-9 Mon Sep 13 11:32:35 CST 2021:Thread-Inbox-Model-5 Mon Sep 13 11:32:35 CST 2021:Thread-Inbox-Model-6 Mon Sep 13 11:32:35 CST 2021:Thread-Inbox-Model-3 Mon Sep 13 11:32:35 CST 2021:Thread-Inbox-Model-7 Mon Sep 13 11:32:35 CST 2021:Thread-Inbox-Model-8 Mon Sep 13 11:32:35 CST 2021:Thread-Inbox-Model-4
在我们使用线程池的时候,是否有的时候很纠结,到底设置多大的线程池参数是最合适的呢?如果不够用了怎么办,要改代码重新部署吗?
其实是不需要的,记得当初看过美团的一篇文章,真的让人茅塞顿开啊,动态线程池。
ThreadPoolExecutor这个类其实是提供对于线程池的属性进行修改的,支持我们动态修改以下的属性:
从上至下分别是:
线程工厂(用于指定线程名称)
核心线程数
最大线程数
活跃时间
拒绝策略。
在美团的文章当中呢,是监控服务器线程的使用率,当达到阈值就进行告警,然后通过配置中心去动态修改这些数值。
我们也可以这么做,使用@RefreshScope加nacos就可以实现了。
我写了一个定时任务,监控当前服务的线程使用率,小了就扩容,一段时间后占用率下降,就恢复初始值。
其实还有很多地方需要改进的,请大家多提意见,监控的是文章前面的线程池GlobalThreadPool,下面调度任务的代码:
/** * @description: 全局线程池守护进程 * @author:weirx * @date:2021/9/10 16:32 * @version:3.0 */ @Slf4j @Component public class DaemonThreadTask { /** * 服务支持最大线程数 */ public final static int SERVER_MAX_SIZE = 50; /** * 最大阈值Maximum threshold,百分比 */ private final static int MAXIMUM_THRESHOLD = 8; /** * 每次递增最大线程数 */ private final static int INCREMENTAL_MAX_NUM = 10; /** * 每次递增核心线程数 */ private final static int INCREMENTAL_CORE_NUM = 5; /** * 当前线程数 */ private static int currentSize = GlobalThreadPool.MAX_NUM_POOL_SIZE; /** * 当前核心线程数 */ private static int currentCoreSize = GlobalThreadPool.CORE_POOL_SIZE; @Scheduled(cron = "0 */5 * * * ?") public static void execute() { threadMonitor(); } /** * description: 动态监控并设置线程参数 * * @return: void * @author: weirx * @time: 2021/9/10 13:20 */ private static void threadMonitor() { ThreadPoolExecutor instance = GlobalThreadPool.getExecutor(); int activeCount = instance.getActiveCount(); int size = instance.getQueue().size(); log.info("GlobalThreadPool: the active thread count is {}", activeCount); // 线程数不足,增加线程 if (activeCount > GlobalThreadPool.MAX_NUM_POOL_SIZE % MAXIMUM_THRESHOLD && size >= GlobalThreadPool.BLOCKING_QUEUE_SIZE) { currentSize = currentSize + INCREMENTAL_MAX_NUM; currentCoreSize = currentCoreSize + INCREMENTAL_CORE_NUM; //当前设置最大线程数小于服务最大支持线程数才可以继续增加线程 if (currentSize <= SERVER_MAX_SIZE) { instance.setMaximumPoolSize(currentSize); instance.setCorePoolSize(currentCoreSize); log.info("this max thread size is {}", currentSize); } else { log.info("current size is more than server max size, can not add"); } } // 线程数足够,降低线程数,当前活跃数小于默认核心线程数 if (activeCount < GlobalThreadPool.MAX_NUM_POOL_SIZE && size == 0 && currentSize > GlobalThreadPool.MAX_NUM_POOL_SIZE) { currentSize = GlobalThreadPool.MAX_NUM_POOL_SIZE; currentCoreSize = GlobalThreadPool.CORE_POOL_SIZE; instance.setMaximumPoolSize(currentSize); instance.setCorePoolSize(currentCoreSize); } } }
有的朋友其实问过我,我直接把线程池设置大一点不就好了,这种动态线程池有什么意义呢?
其实这是一个好问题。在以前的传统软件当中,单机部署,硬件部署,确实,我们能使用的线程数取决于服务器的核心线程数,而且基本没有其他服务来争抢这些线程。
但是现在是容器的时代,云原生的时代。
多个容器部署在一个宿主机上,那么当高峰期的时候,某个容器就需要占用大量的cpu资源,如果所有的容器都将大部分资源占据,那么这个容器必然面临阻塞甚至瘫痪的风险。
当高峰期过了,释放这部分资源可以被释放掉,用于其他需要的容器。。
再结合到目前的云服务器节点扩容,都是需要动态扩缩容的的,和线程相似,在满足高可用的情况下,尽量的节约成本。
关于java8异步调用该怎么使用就分享到这里啦,希望上述内容能够让大家有所提升。如果想要学习更多知识,请大家多多留意小编的更新。谢谢大家关注一下亿速云网站!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。