本文已經收錄自 springboot-guide : https://github.com/Snailclimb/springboot-guide (Spring Boot 核心知識點整理。基於 Spring Boot 2.19+。)

新手也能看懂的 SpringBoot 異步編程指南

通過本文你可以瞭解到下面這些知識點：

Future 模式介紹以及核心思想
核心線程數、最大線程數的區別，隊列容量代表什麼；
ThreadPoolTaskExecutor 飽和策略；
SpringBoot 異步編程實戰，搞懂代碼的執行邏輯。

Future 模式

異步編程在處理耗時操作以及多任務處理的場景下非常有用，我們可以更好的讓我們的系統利用好機器的 CPU 和內存，提高它們的利用率。多線程設計模式有很多種，Future模式是多線程開發中非常常見的一種設計模式，本文也是基於這種模式來說明 SpringBoot 對於異步編程的知識。

實戰之前我先簡單介紹一下 Future 模式的核心思想 吧！。

Future 模式的核心思想是 異步調用 。當我們執行一個方法時，假如這個方法中有多個耗時的任務需要同時去做，而且又不着急等待這個結果時可以讓客戶端立即返回然後，後臺慢慢去計算任務。當然你也可以選擇等這些任務都執行完了，再返回給客戶端。這個在 Java 中都有很好的支持，我在後面的示例程序中會詳細對比這兩種方式的區別。

SpringBoot 異步編程實戰

如果我們需要在 SpringBoot 實現異步編程的話，通過 Spring 提供的兩個註解會讓這件事情變的非常簡單。

@EnableAsync：通過在配置類或者Main類上加@EnableAsync開啓對異步方法的支持。
@Async 可以作用在類上或者方法上，作用在類上代表這個類的所有方法都是異步方法。

1. 自定義 TaskExecutor

很多人對於 TaskExecutor 不是太瞭解，所以我們花一點篇幅先介紹一下這個東西。從名字就能看出它是任務的執行者，它領導執行着線程來處理任務，就像司令官一樣，而我們的線程就好比一隻只軍隊一樣，這些軍隊可以異步對敵人進行打擊👊。

Spring 提供了TaskExecutor接口作爲任務執行者的抽象,它和java.util.concurrent包下的Executor接口很像。稍微不同的 TaskExecutor接口用到了 Java 8 的語法@FunctionalInterface聲明這個接口是一個函數式接口。

org.springframework.core.task.TaskExecutor

@FunctionalInterface
public interface TaskExecutor extends Executor {
    void execute(Runnable var1);
}

如果沒有自定義Executor, Spring 將創建一個 SimpleAsyncTaskExecutor 並使用它。

import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.scheduling.annotation.AsyncConfigurer;
import org.springframework.scheduling.annotation.EnableAsync;
import org.springframework.scheduling.concurrent.ThreadPoolTaskExecutor;

import java.util.concurrent.Executor;

/** @author shuang.kou */
@Configuration
@EnableAsync
public class AsyncConfig implements AsyncConfigurer {

  private static final int CORE_POOL_SIZE = 6;
  private static final int MAX_POOL_SIZE = 10;
  private static final int QUEUE_CAPACITY = 100;

  @Bean
  public Executor taskExecutor() {
    // Spring 默認配置是核心線程數大小爲1，最大線程容量大小不受限制，隊列容量也不受限制。
    ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
    // 核心線程數
    executor.setCorePoolSize(CORE_POOL_SIZE);
    // 最大線程數
    executor.setMaxPoolSize(MAX_POOL_SIZE);
    // 隊列大小
    executor.setQueueCapacity(QUEUE_CAPACITY);
    // 當最大池已滿時，此策略保證不會丟失任務請求，但是可能會影響應用程序整體性能。
    executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
    executor.setThreadNamePrefix("My ThreadPoolTaskExecutor-");
    executor.initialize();
    return executor;
  }
}

ThreadPoolTaskExecutor 常見概念：

Core Pool Size : 核心線程數線程數定義了最小可以同時運行的線程數量。
Queue Capacity : 當新任務來的時候會先判斷當前運行的線程數量是否達到核心線程數，如果達到的話，信任就會被存放在隊列中。
Maximum Pool Size : 當隊列中存放的任務達到隊列容量的時候，當前可以同時運行的線程數量變爲最大線程數。

一般情況下不會將隊列大小設爲：Integer.MAX_VALUE,也不會將核心線程數和最大線程數設爲同樣的大小，這樣的話最大線程數的設置都沒什麼意義了，你也無法確定當前 CPU 和內存利用率具體情況如何。

如果隊列已滿並且當前同時運行的線程數達到最大線程數的時候，如果再有新任務過來會發生什麼呢？

Spring 默認使用的是 ThreadPoolExecutor.AbortPolicy。在Spring的默認情況下，ThreadPoolExecutor 將拋出 RejectedExecutionException 來拒絕新來的任務，這代表你將丟失對這個任務的處理。對於可伸縮的應用程序，建議使用 ThreadPoolExecutor.CallerRunsPolicy。當最大池被填滿時，此策略爲我們提供可伸縮隊列。

ThreadPoolTaskExecutor 飽和策略定義:

如果當前同時運行的線程數量達到最大線程數量時，ThreadPoolTaskExecutor 定義一些策略:

ThreadPoolExecutor.AbortPolicy：拋出 RejectedExecutionException來拒絕新任務的處理。
ThreadPoolExecutor.CallerRunsPolicy：調用執行自己的線程運行任務。您不會任務請求。但是這種策略會降低對於新任務提交速度，影響程序的整體性能。另外，這個策略喜歡增加隊列容量。如果您的應用程序可以承受此延遲並且你不能任務丟棄任何一個任務請求的話，你可以選擇這個策略。
ThreadPoolExecutor.DiscardPolicy： 不處理新任務，直接丟棄掉。
ThreadPoolExecutor.DiscardOldestPolicy： 此策略將丟棄最早的未處理的任務請求。

2. 編寫一個異步的方法

下面模擬一個查找對應字符開頭電影的方法，我們給這個方法加上了 @Async註解來告訴 Spring 它是一個異步的方法。另外，這個方法的返回值 CompletableFuture.completedFuture(results)這代表我們需要返回結果，也就是說程序必須把任務執行完成之後再返回給用戶。

請留意completableFutureTask方法中的第一行打印日誌這句代碼，後面分析程序中會用到，很重要！

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.scheduling.annotation.Async;
import org.springframework.stereotype.Service;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
import java.util.concurrent.CompletableFuture;
import java.util.stream.Collectors;

/** @author shuang.kou */
@Service
public class AsyncService {

  private static final Logger logger = LoggerFactory.getLogger(AsyncService.class);

  private List<String> movies =
      new ArrayList<>(
          Arrays.asList(
              "Forrest Gump",
              "Titanic",
              "Spirited Away",
              "The Shawshank Redemption",
              "Zootopia",
              "Farewell ",
              "Joker",
              "Crawl"));

  /** 示範使用：找到特定字符/字符串開頭的電影 */
  @Async
  public CompletableFuture<List<String>> completableFutureTask(String start) {
    // 打印日誌
    logger.warn(Thread.currentThread().getName() + "start this task!");
    // 找到特定字符/字符串開頭的電影
    List<String> results =
        movies.stream().filter(movie -> movie.startsWith(start)).collect(Collectors.toList());
    // 模擬這是一個耗時的任務
    try {
      Thread.sleep(1000L);
    } catch (InterruptedException e) {
      e.printStackTrace();
    }
    //返回一個已經用給定值完成的新的CompletableFuture。
    return CompletableFuture.completedFuture(results);
  }
}

3. 測試編寫的異步方法

/** @author shuang.kou */
@RestController
@RequestMapping("/async")
public class AsyncController {
  @Autowired 
  AsyncService asyncService;

  @GetMapping("/movies")
  public String completableFutureTask() throws ExecutionException, InterruptedException {
    //開始時間
    long start = System.currentTimeMillis();
    // 開始執行大量的異步任務
    List<String> words = Arrays.asList("F", "T", "S", "Z", "J", "C");
    List<CompletableFuture<List<String>>> completableFutureList =
        words.stream()
            .map(word -> asyncService.completableFutureTask(word))
            .collect(Collectors.toList());
    // CompletableFuture.join（）方法可以獲取他們的結果並將結果連接起來
    List<List<String>> results = completableFutureList.stream().map(CompletableFuture::join).collect(Collectors.toList());
    // 打印結果以及運行程序運行花費時間
    System.out.println("Elapsed time: " + (System.currentTimeMillis() - start));
    return results.toString();
  }
}

請求這個接口，控制檯打印出下面的內容：

2019-10-01 13:50:17.007  WARN 18793 --- [lTaskExecutor-1] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-1start this task!
2019-10-01 13:50:17.007  WARN 18793 --- [lTaskExecutor-6] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-6start this task!
2019-10-01 13:50:17.007  WARN 18793 --- [lTaskExecutor-5] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-5start this task!
2019-10-01 13:50:17.007  WARN 18793 --- [lTaskExecutor-4] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-4start this task!
2019-10-01 13:50:17.007  WARN 18793 --- [lTaskExecutor-3] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-3start this task!
2019-10-01 13:50:17.007  WARN 18793 --- [lTaskExecutor-2] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-2start this task!
Elapsed time: 1010

首先我們可以看到處理所有任務花費的時間大概是 1 s。這與我們自定義的 ThreadPoolTaskExecutor 有關，我們配置的核心線程數是 6 ，然後通過通過下面的代碼模擬分配了 6 個任務給系統執行。這樣每個線程都會被分配到一個任務，每個任務執行花費時間是 1 s ，所以處理 6 個任務的總花費時間是 1 s。

List<String> words = Arrays.asList("F", "T", "S", "Z", "J", "C");  
List<CompletableFuture<List<String>>> completableFutureList =
        words.stream()
            .map(word -> asyncService.completableFutureTask(word))
            .collect(Collectors.toList());

你可以自己驗證一下，試着去把核心線程數的數量改爲 3 ，再次請求這個接口你會發現處理所有任務花費的時間大概是 2 s。

另外，從上面的運行結果可以看出，當所有任務執行完成之後才返回結果。這種情況對應於我們需要返回結果給客戶端請求的情況下，假如我們不需要返回任務執行結果給客戶端的話呢？就比如我們上傳一個大文件到系統，上傳之後只要大文件格式符合要求我們就上傳成功。普通情況下我們需要等待文件上傳完畢再返回給用戶消息，但是這樣會很慢。採用異步的話，當用戶上傳之後就立馬返回給用戶消息，然後系統再默默去處理上傳任務。這樣也會增加一點麻煩，因爲文件可能會上傳失敗，所以系統也需要一點機制來補償這個問題，比如當上傳遇到問題的時候，發消息通知用戶。

下面會演示一下客戶端不需要返回結果的情況：

將completableFutureTask方法變爲 void 類型

@Async
public void completableFutureTask(String start) {
  ......
  //這裏可能是系統對任務執行結果的處理，比如存入到數據庫等等......
  //doSomeThingWithResults(results);
}

Controller 代碼修改如下：

  @GetMapping("/movies")
  public String completableFutureTask() throws ExecutionException, InterruptedException {
    // Start the clock
    long start = System.currentTimeMillis();
    // Kick of multiple, asynchronous lookups
    List<String> words = Arrays.asList("F", "T", "S", "Z", "J", "C");
        words.stream()
            .forEach(word -> asyncService.completableFutureTask(word));
    // Wait until they are all done
    // Print results, including elapsed time
    System.out.println("Elapsed time: " + (System.currentTimeMillis() - start));
    return "Done";
  }

請求這個接口，控制檯打印出下面的內容：

Elapsed time: 0
2019-10-01 14:02:44.052  WARN 19051 --- [lTaskExecutor-4] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-4start this task!
2019-10-01 14:02:44.052  WARN 19051 --- [lTaskExecutor-3] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-3start this task!
2019-10-01 14:02:44.052  WARN 19051 --- [lTaskExecutor-2] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-2start this task!
2019-10-01 14:02:44.052  WARN 19051 --- [lTaskExecutor-1] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-1start this task!
2019-10-01 14:02:44.052  WARN 19051 --- [lTaskExecutor-6] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-6start this task!
2019-10-01 14:02:44.052  WARN 19051 --- [lTaskExecutor-5] g.j.a.service.AsyncService               : My ThreadPoolTaskExecutor-5start this task!

可以看到系統會直接返回給用戶結果，然後系統才真正開始執行任務。

待辦

[ ] Future vs. CompletableFuture
[ ] 源代碼分析

Reference

公衆號

如果大家想要實時關注我更新的文章以及分享的乾貨的話，可以關注我的公衆號。

《Java面試突擊》: 由本文檔衍生的專爲面試而生的《Java面試突擊》V2.0 PDF 版本公衆號後臺回覆 "Java面試突擊" 即可免費領取！

Java工程師必備學習資源: 一些Java工程師常用學習資源公衆號後臺回覆關鍵字 “1” 即可免費無套路獲取。

新手也能看懂的 SpringBoot 異步編程指南

新手也能看懂的 SpringBoot 異步編程指南

Future 模式

SpringBoot 異步編程實戰

1. 自定義 TaskExecutor

2. 編寫一個異步的方法

3. 測試編寫的異步方法

待辦

Reference

公衆號

Nginx R31 doc 官方文檔-01-nginx 如何安裝

Qt/C++音視頻開發74-合併標籤圖形/生成yolo運算結果圖形/文字和圖形合併成一個/水印濾鏡

挑戰程序設計競賽 2.2章習題 POJ - 3617 Best Cow Line 貪心

字節面試：MySQL什麼時候鎖表？如何防止鎖表？

.NET8連接SQL SERVER 2008 R2 報：證書鏈是由不受信任的頒發機構頒發的

golang開發環境搭建(win10)

python計算機視覺學習筆記——PIL庫的用法

API 網關知識看這篇就足夠了！

【原創】怎樣才能寫出優雅的 Java 代碼？這篇文章告訴你答案！

【強烈推薦】可能是最適合你的 Java 學習路線和方法

面試又被 Java 基礎難住了？推薦你看看這篇文章。

【原創】如何使用雲服務器？希望這篇文章能夠對你有幫助！

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結