异步编排利器:使用CompletableFuture优化服务页面响应速度

本文主要是介绍异步编排利器:使用CompletableFuture优化服务页面响应速度,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

        • 1、什么是CompletableFuture异步编排?
          • 1.1、问题背景
          • 1.2、为什么使用CompletableFuture?
        • 2、如何使用CompletableFuture进行异步编排?
          • 2.1、创建异步任务
          • 2.2、任务的串行执行
          • 2.3、多任务组合
          • 2.4、代码示例
        • 3、总结

在如今的互联网应用中,用户体验至关重要。特别是在处理复杂业务逻辑时,如何提升系统响应速度成为开发者必须考虑的问题。本文将带你了解如何通过 CompletableFuture实现异步编排,以显著提升代码执行效率。

1、什么是CompletableFuture异步编排?
1.1、问题背景

假设你是一名代驾司机,结束一次代驾服务后,系统需要进行多个远程调用来完成一些关键数据的获取和计算。例如:

  1. 获取订单信息 (1秒)
  2. 计算防止刷单 (0.5秒)
  3. 计算订单实际里程 (0.5秒)
  4. 计算订单实际代驾费用 (1秒)
  5. 其他计算……

如果这些操作按顺序逐一执行,司机需要等待至少4秒才能完成所有操作,这显然是不可接受的。为了提升效率,我们可以利用多线程并行执行这些任务,通过异步编排将整体耗时压缩到1.1秒左右。

1.2、为什么使用CompletableFuture?

CompletableFuture是Java中用于处理异步任务的一个类,它允许我们将多个操作并行处理,从而极大地缩短总的执行时间。相比于传统的串行执行方式,CompletableFuture能够更高效地利用系统资源,并为用户提供更快的响应速度。

2、如何使用CompletableFuture进行异步编排?
2.1、创建异步任务

CompletableFuture提供了多个方法来创建异步任务,其中最常用的是supplyAsyncrunAsync。前者适用于需要返回结果的任务,后者则适用于不需要返回结果的任务。

public static <U> CompletableFuture<U> supplyAsync(Supplier<U> supplier);
public static <U> CompletableFuture<U> supplyAsync(Supplier<U> supplier, Executor executor);public static CompletableFuture<Void> runAsync(Runnable runnable);
public static CompletableFuture<Void> runAsync(Runnable runnable, Executor executor);

通过这些方法,我们可以轻松地将任务分配到线程池中异步执行。

2.2、任务的串行执行

虽然CompletableFuture主要用于并行任务的处理,但它也支持将多个任务串联起来,按顺序执行。这在处理一些需要依赖前一步结果的任务时非常有用。

// 无返回值的串行执行
public CompletableFuture<Void> thenRun(Runnable action);
public CompletableFuture<Void> thenRunAsync(Runnable action);
public CompletableFuture<Void> thenRunAsync(Runnable action, Executor executor);// 使线程串行执行,有入参,无返回值
public CompletableFuture<Void> thenAccept(Consumer<? super T> action);
public CompletableFuture<Void> thenAcceptAsync(Consumer<? super T> action);
public CompletableFuture<Void> thenAcceptAsync(Consumer<? super T> action, Executor executor);// 有返回值的串行执行
public <U> CompletableFuture<U> thenApply(Function<? super T,? extends U> fn);
public <U> CompletableFuture<U> thenApplyAsync(Function<? super T,? extends U> fn);
public <U> CompletableFuture<U> thenApplyAsync(Function<? super T,? extends U> fn, Executor executor);

这些方法允许我们在异步任务完成后执行后续操作,进一步提升代码的灵活性。

2.3、多任务组合

当我们有多个异步任务需要同时执行,并在所有任务完成后进行统一处理时,可以使用allOf方法将这些任务组合起来。

java
复制代码
public static CompletableFuture<Void> allOf(CompletableFuture<?>... cfs);

allOf方法能够等待所有任务完成,然后再执行后续操作,这对于处理复杂的异步流程非常有帮助。

2.4、代码示例

以下是一个完整的代码示例,展示了如何使用CompletableFuture实现异步编排,并显著提升系统的响应速度。

package com.atguigu.daijia.driver;import lombok.SneakyThrows;import java.util.concurrent.*;public class CompletableFutureTest5 {@SneakyThrowspublic static void main(String[] args) {// 动态获取服务器的CPU核心数int processors = Runtime.getRuntime().availableProcessors();ThreadPoolExecutor executor = new ThreadPoolExecutor(processors+1, // 核心线程数,通常是CPU核数加1processors+1,0,TimeUnit.SECONDS,new ArrayBlockingQueue<>(10),Executors.defaultThreadFactory(),new ThreadPoolExecutor.AbortPolicy());CompletableFuture<String> future01 = CompletableFuture.supplyAsync(() -> "任务1", executor);CompletableFuture<String> future02 = CompletableFuture.supplyAsync(() -> "任务2", executor);CompletableFuture<String> future03 = CompletableFuture.supplyAsync(() -> {try {Thread.sleep(3000);} catch (InterruptedException e) {e.printStackTrace();}return "任务3";}, executor);// 串联起若干个线程任务, 没有返回值CompletableFuture<Void> all = CompletableFuture.allOf(future01, future02, future03);// 等待所有任务执行完成all.join();all.get();}
}   

通过上述代码,我们可以将多个耗时任务并行处理,大幅缩短整体执行时间,提高系统的效率和用户体验。

3、总结

CompletableFuture提供了一种简单而强大的方式来优化代码的执行效率。通过异步编排,我们不仅可以有效利用多线程,还能显著提升系统的响应速度。在需要处理复杂业务逻辑和多个远程调用的场景下,CompletableFuture无疑是一个值得尝试的利器。

这篇关于异步编排利器:使用CompletableFuture优化服务页面响应速度的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1107532

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

如何在页面调用utility bar并传递参数至lwc组件

1.在app的utility item中添加lwc组件: 2.调用utility bar api的方式有两种: 方法一,通过lwc调用: import {LightningElement,api ,wire } from 'lwc';import { publish, MessageContext } from 'lightning/messageService';import Ca

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]