本文主要是介绍处理List采用并行流处理时,通过ForkJoinPool来控制并行度失控的问题,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!
在使用parallelStream进行处理list时,如不指定线程池,默认的并行度采用cpu核数进行并行,这里采用ForJoinPool来控制,但循环中使用了redis获取key时,出现失控。具体上代码。
@RunWith(SpringRunner.class)
@SpringBootTest(classes = Application.class)
@Slf4j
public class ForkJoinPoolTest {@ResourceRedisUtils redisUtils;@Testpublic void test() {ForkJoinPool forkJoinPool = new ForkJoinPool(2);List<Integer> fileList = new ArrayList<>();for (int i = 1; i < 100; i++) {fileList.add(i);}List<String> result = forkJoinPool.submit(() -> detail(fileList)).join();}public List<String> detail(List<Integer> fileList){return fileList.parallelStream().map(path-> {String ocrJson = (String) redisUtils.get("ocr:");try {Thread.sleep(1000);} catch (InterruptedException e) {throw new RuntimeException(e);}log.info("第"+path+"张");return "第"+path+"张";}).collect(Collectors.toList());}
}
打印结果:
在这里我已经用ForkJoinPool forkJoinPool = new ForkJoinPool(2);来指定了parallelStream的线程数,但是这里并没有控制住,于是找原因定位到了redis获取key这行代码,将该代码注释后,就可控制parallelStream的并行度。上代码:
//String ocrJson = (String) redisUtils.get("ocr:");
String ocrJson = "";
这时控制台的打印就为:
在这里,redis采用的是lettuce客户端,经排查可能是因为lettuce是异步客户端,而影响了parallelStream的并行度,具体是因为什么原因导致,待排查。
这篇关于处理List采用并行流处理时,通过ForkJoinPool来控制并行度失控的问题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!