文章目录
- 系统问题分析
- 什么是异步化？
- 业务流程分析
- 标准异步化的业务流程
- 系统业务流程
- 线程池
- 为什么需要线程池？
- 线程池两种实现方式
- 线程池的参数
- 线程池的开发
- 项目异步化改造
系统问题分析
问题场景：调用的服务能力有限，或者接口的处理（或返回）时长较长时，就应该考虑异步化了
什么是异步化？
不用等一件事做完，就可以做另外一件事，等第一件事完成时，可以收到一个通知
业务流程分析
标准异步化的业务流程
- 当用户要进行耗时很长的操作时，点击提交后，不需要在界面空等，而是应该把这个任务保存到数据库中记录下来
- 用户要执行新任务时：
a. 任务提交成功：
ⅰ. 若程序存在空闲线程，可以立即执行此任务
ⅱ. 若所有线程均繁忙，任务将入队列等待处理
b. 任务提交失败：比如所有线程都在忙碌且任务队列满了
ⅰ.选择拒绝此任务，不再执行
ⅱ.通过查阅数据库记录，发现提交失败的任务，并在程序空闲时将这些任务取出执行 - 程序（线程）从任务队列中取出任务依次执行，每完成一项任务，就更新任务状态。
- 用户可以查询任务的执行状态，或者在任务执行成功或失败时接收通知(例如：发邮件、系统消息提示或短信)，从而优化体验
- 对于复杂且包含多个环节的任务，在每个小任务完成时，要在程序(数据库中）)记录任务的执行状态(进度)。
系统业务流程
- 用户点击智能分析页提交按钮时，先把图表立刻保存到数据库中（作为一个任务）
- 用户可以在图表管理查看所有图表（已生成的，生成中的，生成失败的）的信息和状态
- 用户可以修改生成失败的图表信息，点击重新生成，以尝试再次创建图表
问题分析？
- 任务队列的最大容量应该设置为多少
- 程序怎么从任务队列中取出任务去执行？这个任务队列的流程怎么实现？怎么保证程序最多同时执行多少个任务？
线程池实现
线程池
为什么需要线程池？
- 线程的管理比较复杂
- 任务存取比较复杂
- 线程池可以帮你轻松管理线程，协调任务的执行过程
线程池两种实现方式
- Spring中，可以用ThreadPoolTaskExrcutor配合@Async注解来实现（不推荐）
- 在Java中，可以使用JUC并发编程包中的ThreadPoolExecutor来实现非常灵活地自定义线程池
线程池的参数
public ThreadPoolExecutor(int corePoolSize,
int maximumPoolSize,
long keepAliveTime,
TimeUnit unit,
BlockingQueue<Runnable> workQueue,
ThreadFactory threadFactory,
RejectedExecutionHandler handler) {
现状：AI生成能力的并发是只允许4个任务同时去执行，AI能力允许20个任务排队
corePoolSize（核心线程数）：正常情况下，我们的系统应该能同时工作的线程数
maximumPoolSize（最大线程数）：极限情况下，我们的线程池所拥有的线程
keepAliveTime（空闲线程存活时间）：非核心线程在没有任务的情况下，过多久要删除，从而释放无用的线程资源
unit（空闲线程存活时间的单位）：分钟，秒
workQueue（工作队列）：用于存放给线程执行的任务，存在一个队列的长度（一定要设置）
threadFactory（线程工厂）：控制每个线程的生成，线程的属性
RejectedExecutionHandler（拒绝策略）：任务队列满的时候，我们采取什么措施
线程池的开发
自定义线程池配置
package com.yupi.springbootinit.config;
import org.jetbrains.annotations.NotNull;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import java.util.concurrent.ArrayBlockingQueue;
import java.util.concurrent.ThreadFactory;
import java.util.concurrent.ThreadPoolExecutor;
import java.util.concurrent.TimeUnit;
@Configuration
public class ThreadPoolExecutorConfig {
@Bean
public ThreadPoolExecutor threadPoolExecutor(){
// 创建一个线程工厂
ThreadFactory threadFactory = new ThreadFactory(){
// 初始化线程数为 1
private int count = 1;
// 创建一个新的线程
@Override
// 每当线程池需要创建新线程时，就会调用newThread方法
// @NotNull Runnable r 表示方法参数 r 应该永远不为null，
public Thread newThread(@NotNull Runnable r) {
Thread thread = new Thread(r);
thread.setName("线程" + count ++);
return thread;
}
};
// 创建一个新的线程池，线程池核心大小为2，最大线程数为4，
// 非核心线程空闲时间为100秒，任务队列为阻塞队列，长度为4，使用自定义的线程工厂创建线
ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor(2,4,100, TimeUnit.SECONDS,new ArrayBlockingQueue<>(4),threadFactory);
return threadPoolExecutor;
}
}
测试controller层（注意线上环境不要暴露出去）
package com.yupi.springbootinit.controller;
import cn.hutool.json.JSONUtil;
import io.netty.handler.codec.serialization.ObjectEncoder;
import lombok.extern.slf4j.Slf4j;
import org.springframework.context.annotation.Profile;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import javax.annotation.Resource;
import java.util.HashMap;
import java.util.Map;
import java.util.concurrent.CompletableFuture;
import java.util.concurrent.ThreadPoolExecutor;
/**
* 队列测试controller
*/
@RestController
@RequestMapping("/queue")
@Slf4j
@Profile({"dev","local"}) // 只在开发环境和本地环境生效
public class QueueController {
@Resource
private ThreadPoolExecutor threadPoolExecutor;
@GetMapping("/add")
// 接收一个参数name，然后将任务添加到线程池中
public void add(String name){
// 使用CompletableFuture运行一个异步任务
CompletableFuture.runAsync(()->{
log.info("任务执行中：" + name + "执行人：" + Thread.currentThread().getName());
try {
// 让线程休眠10分钟，模拟长时间运行的任务
Thread.sleep(600000);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
异步任务在threadPoolExecutor中执行
},threadPoolExecutor);
}
@GetMapping("/get")
public String get(){
Map<String, Object> map = new HashMap<>();
int size = threadPoolExecutor.getQueue().size();
map.put("队列长度",size);
long taskCount = threadPoolExecutor.getTaskCount();
map.put("任务总数",taskCount);
long completedTaskCount = threadPoolExecutor.getCompletedTaskCount();
map.put("已完成的任务总数",completedTaskCount);
int activeCount = threadPoolExecutor.getActiveCount();
map.put("正在工作的线程数",activeCount);
return JSONUtil.toJsonStr(map);
}
}
项目异步化改造
/**
* 智能分析（异步）
*
* @param multipartFile
* @param genChartByAiRequest
* @param request
* @return
*/
@PostMapping("/gen/async")
public BaseResponse<BiResponse> genChartByAiAsync(@RequestPart("file") MultipartFile multipartFile,
GenChartByAiRequest genChartByAiRequest, HttpServletRequest request) {
String name = genChartByAiRequest.getName();
String goal = genChartByAiRequest.getGoal();
String chartType = genChartByAiRequest.getChartType();
// 校验
ThrowUtils.throwIf(StringUtils.isBlank(goal), ErrorCode.PARAMS_ERROR, "目标为空");
ThrowUtils.throwIf(StringUtils.isNotBlank(name) && name.length() > 100, ErrorCode.PARAMS_ERROR, "名称过长");
// 校验文件
long size = multipartFile.getSize();
String originalFilename = multipartFile.getOriginalFilename();
// 校验文件大小
final long ONE_MB = 1024 * 1024L;
ThrowUtils.throwIf(size > ONE_MB, ErrorCode.PARAMS_ERROR, "文件超过 1M");
// 校验文件大小缀 aaa.png
String suffix = FileUtil.getSuffix(originalFilename);
final List<String> validFileSuffixList = Arrays.asList("xlsx", "xls");
ThrowUtils.throwIf(!validFileSuffixList.contains(suffix), ErrorCode.PARAMS_ERROR, "文件后缀非法");
User loginUser = userService.getLoginUser(request);
// 限流判断，每个用户一个限流器
redisLimiterManager.doRateLimit("genChartByAi_" + loginUser.getId());
// 指定一个模型id(把id写死，也可以定义成一个常量)
long biModelId = 1659171950288818178L;
// 分析需求：
// 分析网站用户的增长情况
// 原始数据：
// 日期,用户数
// 1号,10
// 2号,20
// 3号,30
// 构造用户输入
StringBuilder userInput = new StringBuilder();
userInput.append("分析需求：").append("\n");
// 拼接分析目标
String userGoal = goal;
if (StringUtils.isNotBlank(chartType)) {
userGoal += "，请使用" + chartType;
}
userInput.append(userGoal).append("\n");
userInput.append("原始数据：").append("\n");
// 压缩后的数据
String csvData = ExcelUtils.excelToCsv(multipartFile);
userInput.append(csvData).append("\n");
// 先把图表保存到数据库中
Chart chart = new Chart();
chart.setName(name);
chart.setGoal(goal);
chart.setChartData(csvData);
chart.setChartType(chartType);
// 插入数据库时,还没生成结束,把生成结果都去掉
// chart.setGenChart(genChart);
// chart.setGenResult(genResult);
// 设置任务状态为排队中
chart.setStatus("wait");
chart.setUserId(loginUser.getId());
boolean saveResult = chartService.save(chart);
ThrowUtils.throwIf(!saveResult, ErrorCode.SYSTEM_ERROR, "图表保存失败");
// 在最终的返回结果前提交一个任务
// todo 建议处理任务队列满了后,抛异常的情况(因为提交任务报错了,前端会返回异常)
CompletableFuture.runAsync(() -> {
// 先修改图表任务状态为 “执行中”。等执行成功后，修改为 “已完成”、保存执行结果；执行失败后，状态修改为 “失败”，记录任务失败信息。(为了防止同一个任务被多次执行)
Chart updateChart = new Chart();
updateChart.setId(chart.getId());
// 把任务状态改为执行中
updateChart.setStatus("running");
boolean b = chartService.updateById(updateChart);
// 如果提交失败(一般情况下,更新失败可能意味着你的数据库出问题了)
if (!b) {
handleChartUpdateError(chart.getId(), "更新图表执行中状态失败");
return;
}
// 调用 AI
String result = aiManager.doChat(biModelId, userInput.toString());
String[] splits = result.split("【【【【【");
if (splits.length < 3) {
handleChartUpdateError(chart.getId(), "AI 生成错误");
return;
}
String genChart = splits[1].trim();
String genResult = splits[2].trim();
// 调用AI得到结果之后,再更新一次
Chart updateChartResult = new Chart();
updateChartResult.setId(chart.getId());
updateChartResult.setGenChart(genChart);
updateChartResult.setGenResult(genResult);
updateChartResult.setStatus("succeed");
boolean updateResult = chartService.updateById(updateChartResult);
if (!updateResult) {
handleChartUpdateError(chart.getId(), "更新图表成功状态失败");
}
},threadPoolExecutor);
BiResponse biResponse = new BiResponse();
// biResponse.setGenChart(genChart);
// biResponse.setGenResult(genResult);
biResponse.setChartId(chart.getId());
return ResultUtils.success(biResponse);
}
// 上面的接口很多用到异常,直接定义一个工具类
private void handleChartUpdateError(long chartId, String execMessage) {
Chart updateChartResult = new Chart();
updateChartResult.setId(chartId);
updateChartResult.setStatus("failed");
updateChartResult.setExecMessage(execMessage);
boolean updateResult = chartService.updateById(updateChartResult);
if (!updateResult) {
log.error("更新图表失败状态失败" + chartId + "," + execMessage);
}
