并发编程与视图——简单方法返回异步 Map<Key, Data>

Future 的基本用法与Maps#transformValue

本文所指的Future 适用于 Future 类型或者其子类如 CompletableFuture或者其子接口 ListenableFuture。

需求描述

我们在业务开发中常常遇到这种场景,执行业务时需要获取一些异步数据,常见的优化是在请求尽量早的位置且再业务处理前进行数据预加载,这些预加载数据类型为Future。

这些数据可以组成集合类 List<Future>,更常见的集合类型是 Map<String, Future<Data>>。

实际上,对于后续使用方来说,其可能更愿意接受使用的是不带Future的版本。可以类比 Guava Cache 实现,获取的数据为真实类型而不是 Future 包装类型。

Guava 与懒计算视图

对于Map来说,可以结合Guava提供的Map#transform方法,添加懒计算。这种实现稍微容易理解一点,可以不使用 monadic 方法,monadic 方法指的是

  1. map: CompletableFuture#thenApply, ListenableFuture##transform
  2. flatMap: Completable#thenCompose, ListenableFuture##transformAsync

以比价平台简单举例,需要加载某东、某宝等商品价格数据。

ini 复制代码
// preload data
Map<String, Future<ProductInfo>> loadingAllData = xxx;
// 仅做简单举例,实际业务根据具体情况调整
Map<String, ProductInfo> allProducts = Maps.transformValues(loadingAllData, Futures#getUnchecked);
​
// 其他业务逻辑
​
// process data
var xxProduct = allProducts.get("xx");
List<ProductDetail> processedProducts = new ArrayList<>();
if (xxProduct != null) {
  processedProducts.add(processXxProduct(xxProduct));
}
processedProducts.stream().forEach(System.out::println);

同理,对于多值Map,可以使用 Mulitmaps#transformValues。

这里需要注意的是:

  1. 使用 allProducts 就像使用普通map一样,但是获取value值时实际上会执行 Futures#getUnchecked,后续使用方便。
  1. getUnchecked 可以改为带超时的get方法。一种是Future自带的get方法,另一种是 Guava Futures#withTimeout,这种超时可以保证超时返回超时异常,并且发送中断执行线程信号。
ini 复制代码
Map<String, ListenableFuture<Integer>> futureMap = Map.of("1", Futures.immediateFuture(1));
Map<String, Integer> simpleMap = Maps.transformValues(futureMap, f -> {
    FluentFuture<Integer> timedFuture = FluentFuture.from(Futures.withTimeout(f, Duration.ofMillis(250), timer))
            .catching(TimeoutException.class, e -> -1, MoreExecutors.directExecutor());
    return Futures.getUnchecked(timedFuture);
});
  1. 考虑happy-path,这种实现可以简化代码使用,避免出错,便于后续使用方使用。类似于 LoadingCache 。
  2. 异常场景需要注意,由于集合Future可能存在多个异常,需要做好异常处理。一般来说是做好日志,fallback,熔断等功能。
  3. 懒计算可以尽量保证取 value 时,数据加载已经进行了尽可能足够长的时间。假设数据加载需要300ms,超时时间设置为250ms,在提交加载后100调用Map#get 方法可以成功。
相关推荐
AI你一生一世4 小时前
不止于时序存储:DolphinDB 如何成为 AI 时代的工业智能底座
java·人工智能·struts·时序数据库·工业智能·dolphindb·ai基础设施
云-缩影4 小时前
拆解 AI 图像生成应用的后端架构:ECS、OSS 和大模型 API 怎么配合
java·spring boot·后端
瑞克-桑切斯4 小时前
7、MySQL 慢查询排查与优化实战指南
java·服务器·数据库
海的透彻9 小时前
dockerfile如何快速构建容器(java服务)
java·开发语言
code2cat9 小时前
Java工具篇之Gradle:用任务图组织构建与交付
java·开发语言·单元测试·gradle
后台模板学习10 小时前
大模型 Prompt 工程在电商订单系统中的踩坑记录
java·python·prompt
w_zero_one10 小时前
算法--构造
java·数据结构·算法
SL_staff10 小时前
制造业订单交付崩盘?用四层协同框架重建交付可信度(技术实践)
java·产品·全栈
SL_staff11 小时前
打破风控迭代死循环:用决策编排重构业务与技术协作链路
java·产品·全栈
Mikko711 小时前
Redis 连接数满了服务端有错误信息吗?连接数不增加却命令超时?6.2 实测连接池、超时与大 key 怎么判定
java·spring boot·redis·后端