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> future = new CompletableFuture<>();
      
//阻塞等待获取结果。
Map 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 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 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 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> responses = new ArrayList<>();

                    //4.把list转成map方便快速查找。
                    HashMap> responseMap = new HashMap<>();
                    for (Map 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 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 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> 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 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> future;



    public CompletableFuture> getFuture() {
        return future;
    }

    public void setFuture(CompletableFuture> 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。