做了两年程序员，才用到了JUC

针对于具体的业务场景，现在场景要求如下：

现在需要统计不同维度的数据，且数据之间没有耦合关系，如果用传统的思路一条一条执行sql语句，执行效率比较忙，这里的思路是多开几条异步线程去处理，查询数据，最后将数据进行封装返回给前端，使用到的有自定义

异步线程任务（

ThreadPoolExecutor threadPool = new ThreadPoolExecutor(3,5,2L,
        TimeUnit.SECONDS,new LinkedBlockingQueue<>(3));

）、线程池（

CompletableFuture.runAsync(()->{
    String temperature = qzStorageMapper.selectTemperature(entCode,storageName);
    qzStoDcsVo.setTemperature(StringUtils.isEmpty(temperature)==true?"0":temperature);
    countDownLatch.countDown();
},threadPool);

）、线程执行完成标志做减法（

CountDownLatch

）

代码效果如下：

//当三个线程都执行完毕的时候，返回前端数据
        CountDownLatch countDownLatch=new CountDownLatch(3);
        //创建线程池
        ThreadPoolExecutor threadPool = new ThreadPoolExecutor(3,5,2L,
                TimeUnit.SECONDS,new LinkedBlockingQueue<>(3));
        try{
            CompletableFuture.runAsync(()->{
                String temperature = qzStorageMapper.selectTemperature(entCode,storageName);
                qzStoDcsVo.setTemperature(StringUtils.isEmpty(temperature)==true?"0":temperature);
                countDownLatch.countDown();
            },threadPool);

            CompletableFuture.runAsync(()->{
                String pressure = qzStorageMapper.selectPressure(entCode,storageName);
                qzStoDcsVo.setPressure(StringUtils.isEmpty(pressure)==true?"0":pressure);
                countDownLatch.countDown();
            },threadPool);

            CompletableFuture.runAsync(()->{
                String liquid = qzStorageMapper.selectLiquid(entCode,storageName);
                qzStoDcsVo.setLiquid(StringUtils.isEmpty(liquid)==true?"0":liquid);
                countDownLatch.countDown();
            },threadPool);
            countDownLatch.await();
        }catch(Exception e){
            e.printStackTrace();
        }finally {
            threadPool.shutdown();
        }

使用异步处理和不使用异步处理的用时时间前后对比：

使用前：

由图可以看出稳定之后基本在8-9毫米 

使用后：

 由图可以看出耗时基本在2-4毫米区间，速度提升两倍多一些，看似提升效果不大，但经不起请求数量多，那也是一笔不小的性能提升