最近2018中文字幕在日韩欧美国产成人片_国产日韩精品一区二区在线_在线观看成年美女黄网色视频_国产精品一区三区五区_国产精彩刺激乱对白_看黄色黄大色黄片免费_人人超碰自拍cao_国产高清av在线_亚洲精品电影av_日韩美女尤物视频网站

前言

并發(fā)編程是一項非常重要的技術，無論在面試，還是工作中出現(xiàn)的頻率非常高。

創(chuàng)新互聯(lián)建站：2013年開創(chuàng)至今為各行業(yè)開拓出企業(yè)自己的“網站建設”服務，為成百上千公司企業(yè)提供了專業(yè)的成都做網站、成都網站制作、網頁設計和網站推廣服務， 按需設計網站由設計師親自精心設計，設計的效果完全按照客戶的要求，并適當的提出合理的建議，擁有的視覺效果，策劃師分析客戶的同行競爭對手，根據客戶的實際情況給出合理的網站構架，制作客戶同行業(yè)具有領先地位的。

之前我發(fā)表的一篇《??聊聊并發(fā)編程的10個坑??》，在全網廣受好評。說明了這類文章還是比較有價值的，接下來，打算繼續(xù)聊聊并發(fā)編程這個話題。

并發(fā)編程說白了就是多線程編程，但多線程一定比單線程效率更高?

答：不一定，要看具體業(yè)務場景。

畢竟如果使用了多線程，那么線程之間的競爭和搶占cpu資源，線程的上下文切換，也是相對來說比較耗時的操作。

下面這幾個問題在面試中，你必定遇到過：

1. 你在哪來業(yè)務場景中使用過多線程?
2. 怎么用的?
3. 踩過哪些坑?

今天聊聊我之前在項目中用并發(fā)編程的12種業(yè)務場景，給有需要的朋友一個參考。

1、簡單定時任務

各位親愛的朋友，你沒看錯，Thread類真的能做定時任務。如果你看過一些定時任務框架的源碼，你最后會發(fā)現(xiàn)，它們的底層也會使用Thread類。

實現(xiàn)這種定時任務的具體代碼如下：

public static void init() {
    new Thread(() -> {
        while (true) {
            try {
                System.out.println("下載文件");
                Thread.sleep(1000 * 60 * 5);
            } catch (Exception e) {
                log.error(e);
            }
        }
    }).start();
}

使用Thread類可以做最簡單的定時任務，在run方法中有個while的死循環(huán)(當然還有其他方式)，執(zhí)行我們自己的任務。有個需要特別注意的地方是，需要用try...catch捕獲異常，否則如果出現(xiàn)異常，就直接退出循環(huán)，下次將無法繼續(xù)執(zhí)行了。

但這種方式做的定時任務，只能周期性執(zhí)行，不能支持定時在某個時間點執(zhí)行。

特別提醒一下，該線程建議定義成守護線程，可以通過setDaemon方法設置，讓它在后臺默默執(zhí)行就好。

使用場景：比如項目中有時需要每隔5分鐘去下載某個文件，或者每隔10分鐘去讀取模板文件生成靜態(tài)html頁面等等，一些簡單的周期性任務場景。

使用Thread類做定時任務的優(yōu)缺點：

• 優(yōu)點：這種定時任務非常簡單，學習成本低，容易入手，對于那些簡單的周期性任務，是個不錯的選擇。
• 缺點：不支持指定某個時間點執(zhí)行任務，不支持延遲執(zhí)行等操作，功能過于單一，無法應對一些較為復雜的場景。

2、監(jiān)聽器

有時候，我們需要寫個監(jiān)聽器，去監(jiān)聽某些數據的變化。

比如：我們在使用canal的時候，需要監(jiān)聽binlog的變化，能夠及時把數據庫中的數據，同步到另外一個業(yè)務數據庫中。

如果直接寫一個監(jiān)聽器去監(jiān)聽數據就太沒意思了，我們想實現(xiàn)這樣一個功能：在配置中心有個開關，配置監(jiān)聽器是否開啟，如果開啟了使用單線程異步執(zhí)行。

主要代碼如下：

@Service
public CanalService {
    private volatile boolean running = false;
    private Thread thread;
    @Autowired
    private CanalConnector canalConnector;    
    public void handle() {
        //連接canal
        while(running) {
           //業(yè)務處理
        }
    }   
    public void start() {
       thread = new Thread(this::handle, "name");
       running = true;
       thread.start();
    }    
    public void stop() {
       if(!running) {
          return;
       }
       running = false;
    }
}

在start方法中開啟了一個線程，在該線程中異步執(zhí)行handle方法的具體任務。然后通過調用stop方法，可以停止該線程。

其中，使用volatile關鍵字控制的running變量作為開關，它可以控制線程中的狀態(tài)。

接下來，有個比較關鍵的點是：如何通過配置中心的配置，控制這個開關呢?

以apollo配置為例，我們在配置中心的后臺，修改配置之后，自動獲取最新配置的核心代碼如下：

public class CanalConfig {
    @Autowired
    private CanalService canalService;
    @ApolloConfigChangeListener
    public void change(ConfigChangeEvent event) {
        String value = event.getChange("test.canal.enable").getNewValue();
        if(BooleanUtils.toBoolean(value)) {
            canalService.start();
        } else {
            canalService.stop();
        }
    }
}

通過apollo的ApolloConfigChangeListener注解，可以監(jiān)聽配置參數的變化。

如果test.canal.enable開關配置的true，則調用canalService類的start方法開啟canal數據同步功能。如果開關配置的false，則調用canalService類的stop方法，自動停止canal數據同步功能。

3、收集日志

在某些高并發(fā)的場景中，我們需要收集部分用戶的日志(比如：用戶登錄的日志)，寫到數據庫中，以便于做分析。

但由于項目中，還沒有引入消息中間件，比如：kafka、rocketmq等。

如果直接將日志同步寫入數據庫，可能會影響接口性能。

所以，大家很自然想到了異步處理。

實現(xiàn)這個需求最簡單的做法是，開啟一個線程，異步寫入數據到數據庫即可。

這樣做，可以是可以。

但如果用戶登錄操作的耗時，比異步寫入數據庫的時間要少得多。這樣導致的結果是：生產日志的速度，比消費日志的速度要快得多，最終的性能瓶頸在消費端。

其實，還有更優(yōu)雅的處理方式，雖說沒有使用消息中間件，但借用了它的思想。

這套記錄登錄日志的功能，分為：日志生產端、日志存儲端和日志消費端。

如下圖所示：

先定義了一個阻塞隊列。

@Component
public class LoginLogQueue {
    private static final int QUEUE_MAX_SIZE    = 1000;
    private BlockingQueueblockingQueue queue = new LinkedBlockingQueue<>(QUEUE_MAX_SIZE);
    //生成消息
    public boolean push(LoginLog loginLog) {
        return this.queue.add(loginLog);
    } 
    //消費消息
    public LoginLog poll() {
        LoginLog loginLog = null;
        try {
            loginLog = this.queue.take();
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        return result;
    }
}

然后定義了一個日志的生產者。

@Service
public class LoginSerivce {    
    @Autowired
    private LoginLogQueue loginLogQueue;
    public int login(UserInfo userInfo) {
        //業(yè)務處理
        LoginLog loginLog = convert(userInfo);
        loginLogQueue.push(loginLog);
    }  
}

接下來，定義了日志的消費者。

@Service
public class LoginInfoConsumer {
    @Autowired
    private LoginLogQueue queue;
    @PostConstruct
    public voit init {
       new Thread(() -> {
          while (true) {
              LoginLog loginLog = queue.take();
              //寫入數據庫
          }
        }).start();
    }
}

當然，這個例子中使用單線程接收登錄日志，為了提升性能，也可以使用線程池來處理業(yè)務邏輯(比如：寫入數據庫)等。

4、excel導入

我們可能會經常收到運營同學提過來的excel數據導入需求，比如：將某一大類下的所有子類一次性導入系統(tǒng)，或者導入一批新的供應商數據等等。

我們以導入供應商數據為例，它所涉及的業(yè)務流程很長，比如：

1. 調用天眼查接口校驗企業(yè)名稱和統(tǒng)一社會信用代碼。
2. 寫入供應商基本表
3. 寫入組織表
4. 給供應商自動創(chuàng)建一個用戶
5. 給該用戶分配權限
6. 自定義域名
7. 發(fā)站內通知

等等。

如果在程序中，解析完excel，讀取了所有數據之后。用單線程一條條處理業(yè)務邏輯，可能耗時會非常長。

為了提升excel數據導入效率，非常有必要使用多線程來處理。

當然在java中實現(xiàn)多線程的手段有很多種，下面重點聊聊java8中最簡單的實現(xiàn)方式：parallelStream。

偽代碼如下：

supplierList.parallelStream().forEach(x -> importSupplier(x));

parallelStream是一個并行執(zhí)行的流，它默認通過ForkJoinPool實現(xiàn)的，能提高你的多線程任務的速度。

ForkJoinPool處理的過程會分而治之，它的核心思想是：將一個大任務切分成多個小任務。每個小任務都能單獨執(zhí)行，最后它會把所用任務的執(zhí)行結果進行匯總。

下面用一張圖簡單介紹一下ForkJoinPool的原理：

當然除了excel導入之外，還有類似的讀取文本文件，也可以用類似的方法處理。

溫馨的提醒一下，如果一次性導入的數據非常多，用多線程處理，可能會使系統(tǒng)的cpu使用率飆升，需要特別關注。

5、查詢接口

很多時候，我們需要在某個查詢接口中，調用其他服務的接口，組合數據之后，一起返回。

比如有這樣的業(yè)務場景：

在用戶信息查詢接口中需要返回：用戶名稱、性別、等級、頭像、積分、成長值等信息。

而用戶名稱、性別、等級、頭像在用戶服務中，積分在積分服務中，成長值在成長值服務中。為了匯總這些數據統(tǒng)一返回，需要另外提供一個對外接口服務。

于是，用戶信息查詢接口需要調用用戶查詢接口、積分查詢接口 和 成長值查詢接口，然后匯總數據統(tǒng)一返回。

調用過程如下圖所示：

調用遠程接口總耗時 530ms = 200ms + 150ms + 180ms。

顯然這種串行調用遠程接口性能是非常不好的，調用遠程接口總的耗時為所有的遠程接口耗時之和。

那么如何優(yōu)化遠程接口性能呢?

既然串行調用多個遠程接口性能很差，為什么不改成并行呢?

如下圖所示：

調用遠程接口總耗時 200ms = 200ms(即耗時最長的那次遠程接口調用)

在java8之前可以通過實現(xiàn)Callable接口，獲取線程返回結果。

java8以后通過CompleteFuture類實現(xiàn)該功能。我們這里以CompleteFuture為例：

public UserInfo getUserInfo(Long id) throws InterruptedException, ExecutionException {
    final UserInfo userInfo = new UserInfo();
    CompletableFuture userFuture = CompletableFuture.supplyAsync(() -> {
        getRemoteUserAndFill(id, userInfo);
        return Boolean.TRUE;
    }, executor);
    CompletableFuture bonusFuture = CompletableFuture.supplyAsync(() -> {
        getRemoteBonusAndFill(id, userInfo);
        return Boolean.TRUE;
    }, executor);
    CompletableFuture growthFuture = CompletableFuture.supplyAsync(() -> {
        getRemoteGrowthAndFill(id, userInfo);
        return Boolean.TRUE;
    }, executor);
    CompletableFuture.allOf(userFuture, bonusFuture, growthFuture).join();
    userFuture.get();
    bonusFuture.get();
    growthFuture.get();
    return userInfo;
}

溫馨提醒一下，這兩種方式別忘了使用線程池。示例中我用到了executor，表示自定義的線程池，為了防止高并發(fā)場景下，出現(xiàn)線程過多的問題。

6、獲取用戶上下文

不知道你在項目開發(fā)時，有沒有遇到過這樣的需求：用戶登錄之后，在所有的請求接口中，通過某個公共方法，就能獲取到當前登錄用戶的信息?

獲取的用戶上下文，我們以CurrentUser為例。

CurrentUser內部包含了一個ThreadLocal對象，它負責保存當前線程的用戶上下文信息。當然為了保證在線程池中，也能從用戶上下文中獲取到正確的用戶信息，這里用了阿里的TransmittableThreadLocal。偽代碼如下：

@Data
public class CurrentUser {
    private static final TransmittableThreadLocal THREA_LOCAL = new TransmittableThreadLocal<>();    
    private String id;
    private String userName;
    private String password;
    private String phone;
    ...   
    public statis void set(CurrentUser user) {
      THREA_LOCAL.set(user);
    }   
    public static void getCurrent() {
      return THREA_LOCAL.get();
    }
}

這里為什么用了阿里的TransmittableThreadLocal，而不是普通的ThreadLocal呢?在線程池中，由于線程會被多次復用，導致從普通的ThreadLocal中無法獲取正確的用戶信息。父線程中的參數，沒法傳遞給子線程，而TransmittableThreadLocal很好解決了這個問題。

然后在項目中定義一個全局的spring mvc攔截器，專門設置用戶上下文到ThreadLocal中。偽代碼如下：

public class UserInterceptor extends HandlerInterceptorAdapter {  
   @Override  
   public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
      CurrentUser user = getUser(request);
      if(Objects.nonNull(user)) {
         CurrentUser.set(user);
      }
   } 
}

用戶在請求我們接口時，會先觸發(fā)該攔截器，它會根據用戶cookie中的token，調用調用接口獲取redis中的用戶信息。如果能獲取到，說明用戶已經登錄，則把用戶信息設置到CurrentUser類的ThreadLocal中。

接下來，在api服務的下層，即business層的方法中，就能輕松通過CurrentUser.getCurrent();方法獲取到想要的用戶上下文信息了。

這套用戶體系的想法是很good的，但深入使用后，發(fā)現(xiàn)了一個小插曲：

api服務和mq消費者服務都引用了business層，business層中的方法兩個服務都能直接調用。

我們都知道在api服務中用戶是需要登錄的，而mq消費者服務則不需要登錄。

如果business中的某個方法剛開始是給api開發(fā)的，在方法深處使用了CurrentUser.getCurrent();獲取用戶上下文。但后來，某位新來的帥哥在mq消費者中也調用了那個方法，并未發(fā)覺這個小機關，就會中招，出現(xiàn)找不到用戶上下文的問題。

所以我當時的第一個想法是：代碼沒做兼容處理，因為之前這類問題偶爾會發(fā)生一次。

想要解決這個問題，其實也很簡單。只需先判斷一下能否從CurrentUser中獲取用戶信息，如果不能，則取配置的系統(tǒng)用戶信息。偽代碼如下：

@Autowired
private BusinessConfig businessConfig;
CurrentUser user = CurrentUser.getCurrent();
if(Objects.nonNull(user)) {
   entity.setUserId(user.getUserId());
   entity.setUserName(user.getUserName());
} else {
   entity.setUserId(businessConfig.getDefaultUserId());
   entity.setUserName(businessConfig.getDefaultUserName());
}

這種簡單無公害的代碼，如果只是在一兩個地方加還OK。

此外，眾所周知，SimpleDateFormat在java8以前，是用來處理時間的工具類，它是非線程安全的。也就是說，用該方法解析日期會有線程安全問題。

為了避免線程安全問題的出現(xiàn)，我們可以把SimpleDateFormat對象定義成局部變量。但如果你一定要把它定義成靜態(tài)變量，可以使用ThreadLocal保存日期，也能解決線程安全問題。

8、 傳遞參數

之前見過有些同事寫代碼時，一個非常有趣的用法，即：使用MDC傳遞參數。

MDC是什么?

MDC是org.slf4j包下的一個類，它的全稱是Mapped Diagnostic Context，我們可以認為它是一個線程安全的存放診斷日志的容器。

MDC的底層是用了ThreadLocal來保存數據的。

例如現(xiàn)在有這樣一種場景：我們使用RestTemplate調用遠程接口時，有時需要在header中傳遞信息，比如：traceId，source等，便于在查詢日志時能夠串聯(lián)一次完整的請求鏈路，快速定位問題。

這種業(yè)務場景就能通過ClientHttpRequestInterceptor接口實現(xiàn)，具體做法如下：

第一步，定義一個LogFilter攔截所有接口請求，在MDC中設置traceId：

public class LogFilter implements Filter {
    @Override
    public void init(FilterConfig filterConfig) throws ServletException {
    }
    @Override
    public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) throws IOException, ServletException {
        MdcUtil.add(UUID.randomUUID().toString());
        System.out.println("記錄請求日志");
        chain.doFilter(request, response);
        System.out.println("記錄響應日志");
    }
    @Override
    public void destroy() {
    }
}

第二步，實現(xiàn)ClientHttpRequestInterceptor接口，MDC中獲取當前請求的traceId，然后設置到header中：

public class RestTemplateInterceptor implements ClientHttpRequestInterceptor {
    @Override
    public ClientHttpResponse intercept(HttpRequest request, byte[] body, ClientHttpRequestExecution execution) throws IOException {
        request.getHeaders().set("traceId", MdcUtil.get());
        return execution.execute(request, body);
    }
}

第三步，定義配置類，配置上面定義的RestTemplateInterceptor類：

@Configuration
public class RestTemplateConfiguration {
    @Bean
    public RestTemplate restTemplate() {
        RestTemplate restTemplate = new RestTemplate();
        restTemplate.setInterceptors(Collections.singletonList(restTemplateInterceptor()));
        return restTemplate;
    }
    @Bean
    public RestTemplateInterceptor restTemplateInterceptor() {
        return new RestTemplateInterceptor();
    }
}

其中MdcUtil其實是利用MDC工具在ThreadLocal中存儲和獲取traceId

public class MdcUtil {
    private static final String TRACE_ID = "TRACE_ID";
    public static String get() {
        return MDC.get(TRACE_ID);
    }
    public static void add(String value) {
        MDC.put(TRACE_ID, value);
    }
}

當然，這個例子中沒有演示MdcUtil類的add方法具體調的地方，我們可以在filter中執(zhí)行接口方法之前，生成traceId，調用MdcUtil類的add方法添加到MDC中，然后在同一個請求的其他地方就能通過MdcUtil類的get方法獲取到該traceId。

能使用MDC保存traceId等參數的根本原因是，用戶請求到應用服務器，Tomcat會從線程池中分配一個線程去處理該請求。

那么該請求的整個過程中，保存到MDC的ThreadLocal中的參數，也是該線程獨享的，所以不會有線程安全問題。

9、 模擬高并發(fā)

有時候我們寫的接口，在低并發(fā)的場景下，一點問題都沒有。

但如果一旦出現(xiàn)高并發(fā)調用，該接口可能會出現(xiàn)一些意想不到的問題。

為了防止類似的事情發(fā)生，一般在項目上線前，我們非常有必要對接口做一下壓力測試。

當然，現(xiàn)在已經有比較成熟的壓力測試工具，比如：Jmeter、LoadRunner等。

如果你覺得下載壓測工具比較麻煩，也可以手寫一個簡單的模擬并發(fā)操作的工具，用CountDownLatch就能實現(xiàn)，例如：

public static void concurrenceTest() {
    /**
     * 模擬高并發(fā)情況代碼
     */
    final AtomicInteger atomicInteger = new AtomicInteger(0);
    final CountDownLatch countDownLatch = new CountDownLatch(1000); // 相當于計數器，當所有都準備好了，再一起執(zhí)行，模仿多并發(fā)，保證并發(fā)量
    final CountDownLatch countDownLatch2 = new CountDownLatch(1000); // 保證所有線程執(zhí)行完了再打印atomicInteger的值
    ExecutorService executorService = Executors.newFixedThreadPool(10);
    try {
        for (int i = 0; i < 1000; i++) {
            executorService.submit(new Runnable() {
                @Override
                public void run() {
                    try {
                        countDownLatch.await(); //一直阻塞當前線程，直到計時器的值為0,保證同時并發(fā)
                    } catch (InterruptedException e) {
                        log.error(e.getMessage(),e);
                    }
                    //每個線程增加1000次，每次加1
                    for (int j = 0; j < 1000; j++) {
                        atomicInteger.incrementAndGet();
                    }
                    countDownLatch2.countDown();
                }
            });
            countDownLatch.countDown();
        }
        countDownLatch2.await();// 保證所有線程執(zhí)行完
        executorService.shutdown();
    } catch (Exception e){
        log.error(e.getMessage(),e);
    }
}

10、 處理mq消息

在高并發(fā)的場景中，消息積壓問題，可以說如影隨形，真的沒辦法從根本上解決。表面上看，已經解決了，但后面不知道什么時候，就會冒出一次，比如這次：

有天下午，產品過來說：有幾個商戶投訴過來了，他們說菜品有延遲，快查一下原因。

這次問題出現(xiàn)得有點奇怪。

為什么這么說?

首先這個時間點就有點奇怪，平常出問題，不都是中午或者晚上用餐高峰期嗎?怎么這次問題出現(xiàn)在下午?

根據以往積累的經驗，我直接看了kafka的topic的數據，果然上面消息有積壓，但這次每個partition都積壓了十幾萬的消息沒有消費，比以往加壓的消息數量增加了幾百倍。這次消息積壓得極不尋常。

我趕緊查服務監(jiān)控看看消費者掛了沒，還好沒掛。又查服務日志沒有發(fā)現(xiàn)異常。這時我有點迷茫，碰運氣問了問訂單組下午發(fā)生了什么事情沒?他們說下午有個促銷活動，跑了一個JOB批量更新過有些商戶的訂單信息。

這時，我一下子如夢初醒，是他們在JOB中批量發(fā)消息導致的問題。怎么沒有通知我們呢?實在太坑了。

雖說知道問題的原因了，倒是眼前積壓的這十幾萬的消息該如何處理呢?

此時，如果直接調大partition數量是不行的，歷史消息已經存儲到4個固定的partition，只有新增的消息才會到新的partition。我們重點需要處理的是已有的partition。

直接加服務節(jié)點也不行，因為kafka允許同組的多個partition被一個consumer消費，但不允許一個partition被同組的多個consumer消費，可能會造成資源浪費。

看來只有用多線程處理了。

為了緊急解決問題，我改成了用線程池處理消息，核心線程和最大線程數都配置成了50。

大致用法如下：

先定義一個線程池：

@Configuration
public class ThreadPoolConfig {
    @Value("${thread.pool.corePoolSize:5}")
    private int corePoolSize;
    @Value("${thread.pool.maxPoolSize:10}")
    private int maxPoolSize;
    @Value("${thread.pool.queueCapacity:200}")
    private int queueCapacity;
    @Value("${thread.pool.keepAliveSeconds:30}")
    private int keepAliveSeconds;
    @Value("${thread.pool.threadNamePrefix:ASYNC_}")
    private String threadNamePrefix;
    @Bean("messageExecutor")
    public Executor messageExecutor() {
        ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
        executor.setCorePoolSize(corePoolSize);
        executor.setMaxPoolSize(maxPoolSize);
        executor.setQueueCapacity(queueCapacity);
        executor.setKeepAliveSeconds(keepAliveSeconds);
        executor.setThreadNamePrefix(threadNamePrefix);
        executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
        executor.initialize();
        return executor;
    }
}

再定義一個消息的consumer：

@Service
public class MyConsumerService {
    @Autowired
    private Executor messageExecutor;   
    @KafkaListener(id="test",topics={"topic-test"})
    public void listen(String message){
        System.out.println("收到消息：" + message);
        messageExecutor.submit(new MyWork(message);
    }
}

在定義的Runable實現(xiàn)類中處理業(yè)務邏輯：

public class MyWork implements Runnable {
    private String message;    
    public MyWork(String message) {
       this.message = message;
    }
    @Override
    public void run() {
        System.out.println(message);
    }
}

果然，調整之后消息積壓數量確實下降的非?？?，大約半小時后，積壓的消息就非常順利的處理完了。

但此時有個更嚴重的問題出現(xiàn)：我收到了報警郵件，有兩個訂單系統(tǒng)的節(jié)點down機了。。。

更詳細內容，請看看我的另一篇文章《??我用kafka兩年踩過的一些非比尋常的坑??》

11、 統(tǒng)計數量

在多線程的場景中，有時候需要統(tǒng)計數量，比如：用多線程導入供應商數據時，統(tǒng)計導入成功的供應商數有多少。

如果這時候用count++統(tǒng)計次數，最終的結果可能會不準。因為count++并非原子操作，如果多個線程同時執(zhí)行該操作，則統(tǒng)計的次數，可能會出現(xiàn)異常。

為了解決這個問題，就需要使用concurent的atomic包下面的類，比如：AtomicInteger、AtomicLong等。

@Servcie
public class ImportSupplierService {
  private static AtomicInteger count = new AtomicInteger(0);
  public int importSupplier(List supplierList) {
       if(CollectionUtils.isEmpty(supplierList)) {
           return 0;
       }
       supplierList.parallelStream().forEach(x -> {
           try {
             importSupplier(x);
             count.addAndGet(1);
           } catch(Exception e) {
              log.error(e.getMessage(),e);
           }
       );

      return count.get();
  }    
}

AtomicInteger的底層說白了使用自旋鎖+CAS。

public final int incrementAndGet() {
    for (;;) {
        int current = get();
        int next = current + 1;
        if (compareAndSet(current, next))
            return next;
    }
}

自旋鎖說白了就是一個死循環(huán)。

而CAS是比較和交換的意思。

它的實現(xiàn)邏輯是：將內存位置處的舊值與預期值進行比較，若相等，則將內存位置處的值替換為新值。若不相等，則不做任何操作。

12、 延遲定時任務

我們經常有延遲處理數據的需求，比如：如果用戶下單后，超過30分鐘還未完成支付，則系統(tǒng)自動將該訂單取消。

這里需求就可以使用延遲定時任務實現(xiàn)。

ScheduledExecutorService是JDK1.5+版本引進的定時任務，該類位于java.util.concurrent并發(fā)包下。

ScheduledExecutorService是基于多線程的，設計的初衷是為了解決Timer單線程執(zhí)行，多個任務之間會互相影響的問題。

它主要包含4個方法：

• schedule(Runnable command,long delay,TimeUnit unit)，帶延遲時間的調度，只執(zhí)行一次，調度之后可通過Future.get()阻塞直至任務執(zhí)行完畢。
• schedule(Callablecallable,long delay,TimeUnit unit)，帶延遲時間的調度，只執(zhí)行一次，調度之后可通過Future.get()阻塞直至任務執(zhí)行完畢，并且可以獲取執(zhí)行結果。
• scheduleAtFixedRate，表示以固定頻率執(zhí)行的任務，如果當前任務耗時較多，超過定時周期period，則當前任務結束后會立即執(zhí)行。
• scheduleWithFixedDelay，表示以固定延時執(zhí)行任務，延時是相對當前任務結束為起點計算開始時間。

實現(xiàn)這種定時任務的具體代碼如下：

public class ScheduleExecutorTest {
    public static void main(String[] args) {
        ScheduledExecutorService scheduledExecutorService = Executors.newScheduledThreadPool(5);
        scheduledExecutorService.scheduleAtFixedRate(() -> {
            System.out.println("doSomething");
        },1000,1000, TimeUnit.MILLISECONDS);
    }
}

調用ScheduledExecutorService類的scheduleAtFixedRate方法實現(xiàn)周期性任務，每隔1秒鐘執(zhí)行一次，每次延遲1秒再執(zhí)行。

這種定時任務是阿里巴巴開發(fā)者規(guī)范中用來替代Timer類的方案，對于多線程執(zhí)行周期性任務，是個不錯的選擇。

使用ScheduledExecutorService類做延遲定時任務的優(yōu)缺點：

• 優(yōu)點：基于多線程的定時任務，多個任務之間不會相關影響，支持周期性的執(zhí)行任務，并且?guī)а舆t功能。
• 缺點：不支持一些較復雜的定時規(guī)則。

當然，你也可以使用分布式定時任務，比如：xxl-job或者elastic-job等等。

其實，在實際工作中我使用多線程的場景遠遠不只這12種，在這里只是拋磚引玉，介紹了一些我認為比較常見的業(yè)務場景。

分享標題：聊聊并發(fā)編程的12種業(yè)務場景
分享URL：http://m.fisionsoft.com.cn/article/dhgdeej.html