异步处理编排
我们可以在商品详细信息查询的位置实现CompletableFuture的异步编排处理。
根据业务分析:3.4.5数据接口的入参信息需要来源于1数据接口的返回信息,也就是skuid 所以可以设计 1 3 4 5 串行线程 ,而 3 4 5依赖1 ,需要等1 执行完成
2接口数据没有关系,所以就与上面的线程是并行关系
所以就是 1 2 接口数据是并行执行 而3 4 5与1 是串行执行 进行异步编排设计,提高接口访问效率
这样处理后,原本5个接口 假如每个接口都需要2s,那么一共就是要10s了,现在就是缩减了,因为1与2接口是并行执行,而3 4 5也是并行的。所以时间上肯定是能较大程度缩减的
先定义线程池
java
// 第一种获取的方式
//ExecutorService service = Executors.newFixedThreadPool(10);
// Executors.newCachedThreadPool()
// Executors.newScheduledThreadPool() 定时任务的线程池
// Executors.newSingleThreadExecutor(); // 线程池中永远只有一个线程去处理,并发的情况下会被变为同步的处理
// 第二种方式: 直接new ThreadPoolExecutor()对象,并且手动的指定对应的参数
// corePoolSize:线程池的核心线程数量 线程池创建出来后就会 new Thread() 5个
// maximumPoolSize:最大的线程数量,线程池支持的最大的线程数
// keepAliveTime:存活时间,当线程数大于核心线程,空闲的线程的存活时间 8-5=3
// unit:存活时间的单位
// BlockingQueue<Runnable> workQueue:阻塞队列 当线程数超过了核心线程数据,那么新的请求到来的时候会加入到阻塞的队列中
// new LinkedBlockingQueue<>() 默认队列的长度是 Integer.MAX 那这个就太大了,所以我们需要指定队列的长度
// threadFactory:创建线程的工厂对象
// RejectedExecutionHandler handler:当线程数大于最大线程数的时候会执行的淘汰策略
@Configuration
public class MyThreadPoolConfig {
@Bean
public ThreadPoolExecutor threadPoolExecutor()
{
return new ThreadPoolExecutor(20
,200
,10
, TimeUnit.SECONDS
,new LinkedBlockingQueue(10000)
, Executors.defaultThreadFactory()
,new ThreadPoolExecutor.AbortPolicy()
);
}
}
具体的编排处理
java
//注入线程配置类的线程池 用于服务方法接口的线程创建所需
@Autowired
ThreadPoolExecutor threadPoolExecutor;
@Override
public SpuItemVO item(Long skuId) throws ExecutionException, InterruptedException {
SpuItemVO vo = new SpuItemVO();
CompletableFuture<SkuInfoEntity> skuInfoFuture = CompletableFuture.supplyAsync(() -> {
// 1.sku的基本信息 pms_sku_info
SkuInfoEntity skuInfoEntity = getById(skuId);
vo.setInfo(skuInfoEntity);
return skuInfoEntity;
}, threadPoolExecutor);
//thenAcceptAsync 等待前面的异步任务完成后 获取其返回值做相应的业务处理,该任务没返回值,因为主要是获取前面的sku信息做入参 不需要有返回值
CompletableFuture<Void> saleFuture = skuInfoFuture.thenAcceptAsync((res) -> {
// 3.获取spu中的销售属性的组合
List<SkuItemSaleAttrVo> saleAttrs = skuSaleAttrValueService
.getSkuSaleAttrValueBySpuId(res.getSpuId());
vo.setSaleAttrs(saleAttrs);
}, threadPoolExecutor);
CompletableFuture<Void> spuFuture = skuInfoFuture.thenAcceptAsync((res) -> {
// 4.获取SPU的介绍
SpuInfoDescEntity spuInfoDescEntity = spuInfoDescService.getById(res.getSpuId());
vo.setDesc(spuInfoDescEntity);
}, threadPoolExecutor);
CompletableFuture<Void> groupFuture = skuInfoFuture.thenAcceptAsync((res) -> {
// 5.获取SPU的规格参数
List<SpuItemGroupAttrVo> groupAttrVo = attrGroupService
.getAttrgroupWithSpuId(res.getSpuId(), res.getCatalogId());
vo.setBaseAttrs(groupAttrVo);
}, threadPoolExecutor);
//runAsync 异步任务无需返回值
CompletableFuture<Void> imageFuture = CompletableFuture.runAsync(() -> {
// 2.sku的图片信息pms_sku_images
List<SkuImagesEntity> images = skuImagesService.getImagesBySkuId(skuId);
vo.setImages(images);
}, threadPoolExecutor);
CompletableFuture<Void> seckillFuture = CompletableFuture.runAsync(() -> {
// 查询商品的秒杀活动
R r = seckillFeignService.getSeckillSessionBySkuId(skuId);
if(r.getCode() == 0){
SeckillVO seckillVO = JSON.parseObject(r.get("data").toString(),SeckillVO.class);
vo.setSeckillVO(seckillVO);
}
}, threadPoolExecutor);
//最后 allOF等待阻塞上面的异步任务完成后再返回值,由于3 4 5是依赖于 1skuInfoFuture异步任务完成,所以无需将1写入也可以
CompletableFuture.allOf(saleFuture,spuFuture,imageFuture,groupFuture,seckillFuture).get();
return vo;
}