【并发编程】线程池多线程异步去分页调用其他服务接口获取海量数据

场景：

前段时间在做一个数据同步工具，其中一个服务的任务是调用A服务的接口，将数据库中指定数据请求过来，交给kafka去判断哪些数据是需要新增，哪些数据是需要修改的。

刚开始的设计思路是，,我创建多个服务同时去请求A服务的接口，每个服务都请求到全量数据，由于这些服务都注册在xxl-job上，而且采用的是分片广播的路由策略，那么每个服务就可以只处理请求到的所有数据中id%服务总数==分片索引的部分数据，然后交给kafka，由kafka决定这条数据应该放到哪个分区上。

解决方案

最近学了线程池后，回过头来思考，认为之前的方案还有很大的优化空间。

• 1.当数据量很大时，一次性查询所有数据会导致数据库的负载过大，而使用分页查询，每次只查询部分数据，可以减轻数据库的负担，从而提高数据库的性能和响应速度，所以请求数据方每次分页查询少量数据，这样可以整体降低请求数据的时间。
• 第一次优化.之前是每个服务都要把全量数据请求过来，假设全量数据1000w条，一个服务请求数据需要100s，我开5个服务，那请求数据的总时长就是500s。现在把1000w条数据均分给5个服务，那1个服务就只需要请求200w条数据，耗时20s，那所有服务的请求总时长就是100s。总体耗时缩小了5倍。上面说的分页查询就可以实现：页面大小假设10w（也就是将1000w/10w，逻辑上分成了100页），每个服务自己的分片索引作为页号，每次请求完，都给索引加上分片总数（例如：当前注册了五个服务，那分片总数=5，对于分片索引为1的服务来说，请求的页号为1，6，11，16，21。。。，对于分片索引为2的服务来说，请求的页号为2，7，12，17。。。，对于分片索引为3的服务来说，请求的页号为3，8，13，18，。。。。，对于分片索引为4的服务来说，请求的页号为4，9，14，19。。。。，对于分片索引为5的服务来说，请求的页号为5，10，15，20.。。）这样1000w条数据就均分到每个服务上了。对于每个服务都是单线程去请求数据，就可以将请求操作以及（页号+总服务数）的操作写在一个while循环里，一直请求数据，直到请求的数据为空时（也就是页号超过100了），退出while。

        //单线程情况下
        while(true){

            String body = HttpUtil.get(remoteURL+"?pageSize=100000&pageNum="+shardIndex);
//        logger.info("body:{}",body);
            //2.获取返回结果的message
            JSONObject jsonObject = new JSONObject();
//        if (StrUtil.isNotBlank(body)) {
            jsonObject = JSONUtil.parseObj(body);
//            logger.info("name:{}",Thread.currentThread().getName());
//        }
//        logger.info("jsonObject:{}",jsonObject);
            //3.从body中获取data
            List<TestPO> tests = JSONUtil.toList(jsonObject.getJSONArray("data"), TestPO.class);
            if(CollectionUtil.isEmpty(tests)){
                break;
            }
            shardIndex+=shardTotal;
        }

• 第二次优化： 了解了线程池后，还可以再优化。之前是一个服务单线程循环请求需要20s（假设），每次请求10w条，需要请求200w/10w，也就是20次，那一次请求就需要1s。如果使用线程池的话，那么耗时还会更小，因为当你将任务都交给线程池去执行时，多个线程会同时（并行）去请求各自页的数据，假如你只设置了4个线程，那这4个线程会同时发起请求获取数据，1s会完成4次请求，那分给服务的200w，5s就请求完了。那5个服务从总耗时500s，降到了总耗时5s*5=25s。
  这次优化，第一版代码（只展示了请求数据的代码，其他业务代码没有展示）
  一直向线程池里扔请求数据的任务，当某个任务请求到的数据是空的时候，意味着要请求的数据已经没了，那就结束循环，不再扔请求数据的任务。

    //线程共享变量
    static volatile boolean flag = true;
    @XxlJob(value = "fenpian")
    public void fenpian() {
        int shardIndex = XxlJobHelper.getShardIndex();
//        int shardTotal = XxlJobHelper.getShardTotal();
        //分片总数
        int shardTotal = 4;
        AtomicInteger pageNum = new AtomicInteger(shardIndex);
        //多线程情况下
//        ListcompletableFutureList=new ArrayList<>();
        while (flag){
            CompletableFuture<Void> future = CompletableFuture.runAsync(() -> {
                String body = HttpUtil.get(remoteURL + "?pageSize=1000&pageNum=" + pageNum.getAndAdd(shardTotal));
	             JSONObject jsonObject = new JSONObject();
	             jsonObject = JSONUtil.parseObj(body);
	             List<TestPO> tests = JSONUtil.toList(jsonObject.getJSONArray("data"), TestPO.class);
	             logger.info("tests的size:{}",tests.size());
	             if(CollectionUtil.isEmpty(tests)){
	                 flag=false;
	             }
            },executorService);


        completableFutureList.add(future);
        }
        CompletableFuture[] completableFutures = completableFutureList.toArray(new CompletableFuture[completableFutureList.size()]);
        CompletableFuture.allOf(completableFutures).join();
       logger.info("任务结束");
        executorService.shutdown();

上面代码会有一个问题，就是while循环往线程池里扔任务，所有线程在执行时，会在请求数据那里”停留“一段时间，“停留期间”还会一直循环向线程池扔任务，当线程执行完某次请求得到空数据结束循环时，等待队列中还排着大堆任务等着去请求数据。

为了解决这个问题，我改用了for循环提交任务，提前根据请求数据总量、每次读取的条数，以及服务总数得到每个服务需要执行的任务数。
第二版代码

@XxlJob(value = "fenpian")
    public void fenpian() {
        int shardIndex = XxlJobHelper.getShardIndex()+1;
        int shardTotal = XxlJobHelper.getShardTotal();
        //分片总数
//        int shardTotal = 4;
        AtomicInteger pageNum = new AtomicInteger(shardIndex);
        //多线程情况下
        List<CompletableFuture>completableFutureList=new ArrayList<>();
        //总条数
        double total = 10000000;
        //读取的条数
        double pageSize=1000;
        double tasks = Math.ceil( total / (double) shardTotal / pageSize);
        logger.info("任务数{}",tasks);
        for(double i=0;i<tasks;i++){
            CompletableFuture<Void> future = CompletableFuture.runAsync(() -> {
                String url = remoteURL + "?pageSize=1000&pageNum=" + pageNum.getAndAdd(shardTotal);
                logger.info("url:{},threadName:{}",url,Thread.currentThread().getName());
                String body = HttpUtil.get(url);
                JSONObject jsonObject = new JSONObject();
                jsonObject = JSONUtil.parseObj(body);
                List<TestPO> tests = JSONUtil.toList(jsonObject.getJSONArray("data"), TestPO.class);
                logger.info("tests的size:{}",tests.size());
            },executorService);
        completableFutureList.add(future);
        }
        CompletableFuture[] completableFutures = completableFutureList.toArray(new CompletableFuture[completableFutureList.size()]);
        CompletableFuture.allOf(completableFutures).join();
       logger.info("任务结束");

如有问题，请求指正(^^ゞ