聊聊并发编程的 12 种业务场景

作者：C++后台开发

2022 年 7 月 22 日
本文字数：11198 字
阅读完需：约 37 分钟

前言

并发编程是一项非常重要的技术，无论在面试，还是工作中出现的频率非常高。

并发编程说白了就是多线程编程，但多线程一定比单线程效率更高？

答：不一定，要看具体业务场景。

毕竟如果使用了多线程，那么线程之间的竞争和抢占 cpu 资源，线程的上下文切换，也是相对来说比较耗时的操作。

下面这几个问题在面试中，你必定遇到过：

你在哪来业务场景中使用过多线程？
怎么用的？
踩过哪些坑？

今天聊聊我之前在项目中用并发编程的 12 种业务场景，给有需要的朋友一个参考。

1. 简单定时任务

各位亲爱的朋友，你没看错，Thread 类真的能做定时任务。如果你看过一些定时任务框架的源码，你最后会发现，它们的底层也会使用 Thread 类。

实现这种定时任务的具体代码如下：

public static void init() {    new Thread(() -> {        while (true) {            try {                System.out.println("下载文件");                Thread.sleep(1000 * 60 * 5);            } catch (Exception e) {                log.error(e);            }        }    }).start();}

复制代码

使用 Thread 类可以做最简单的定时任务，在 run 方法中有个 while 的死循环（当然还有其他方式），执行我们自己的任务。有个需要特别注意的地方是，需要用 try...catch 捕获异常，否则如果出现异常，就直接退出循环，下次将无法继续执行了。

但这种方式做的定时任务，只能周期性执行，不能支持定时在某个时间点执行。

特别提醒一下，该线程建议定义成守护线程，可以通过 setDaemon 方法设置，让它在后台默默执行就好。

使用场景：比如项目中有时需要每隔 5 分钟去下载某个文件，或者每隔 10 分钟去读取模板文件生成静态 html 页面等等，一些简单的周期性任务场景。

使用 Thread 类做定时任务的优缺点：

优点：这种定时任务非常简单，学习成本低，容易入手，对于那些简单的周期性任务，是个不错的选择。
缺点：不支持指定某个时间点执行任务，不支持延迟执行等操作，功能过于单一，无法应对一些较为复杂的场景。

2.监听器

有时候，我们需要写个监听器，去监听某些数据的变化。

比如：我们在使用 canal 的时候，需要监听 binlog 的变化，能够及时把数据库中的数据，同步到另外一个业务数据库中。

如果直接写一个监听器去监听数据就太没意思了，我们想实现这样一个功能：在配置中心有个开关，配置监听器是否开启，如果开启了使用单线程异步执行。

【文章福利】另外小编还整理了一些 C++后台开发面试题，教学视频，后端学习路线图免费分享，需要的可以自行添加：Q群：720209036 点击加入~ 群文件共享

小编强力推荐 C++后台开发免费学习地址：C/C++Linux服务器开发高级架构师/C++后台开发架构师

主要代码如下：

@Servicepublic CanalService {    private volatile boolean running = false;    private Thread thread;
    @Autowired    private CanalConnector canalConnector;        public void handle() {        //连接canal        while(running) {           //业务处理        }    }        public void start() {       thread = new Thread(this::handle, "name");       running = true;       thread.start();    }        public void stop() {       if(!running) {          return;       }       running = false;    }}

复制代码

在 start 方法中开启了一个线程，在该线程中异步执行 handle 方法的具体任务。然后通过调用 stop 方法，可以停止该线程。

其中，使用 volatile 关键字控制的 running 变量作为开关，它可以控制线程中的状态。

接下来，有个比较关键的点是：如何通过配置中心的配置，控制这个开关呢？

以 apollo 配置为例，我们在配置中心的后台，修改配置之后，自动获取最新配置的核心代码如下：

public class CanalConfig {    @Autowired    private CanalService canalService;
    @ApolloConfigChangeListener    public void change(ConfigChangeEvent event) {        String value = event.getChange("test.canal.enable").getNewValue();        if(BooleanUtils.toBoolean(value)) {            canalService.start();        } else {            canalService.stop();        }    }}

复制代码

通过 apollo 的 ApolloConfigChangeListener 注解，可以监听配置参数的变化。

如果 test.canal.enable 开关配置的 true，则调用 canalService 类的 start 方法开启 canal 数据同步功能。如果开关配置的 false，则调用 canalService 类的 stop 方法，自动停止 canal 数据同步功能。

3.收集日志

在某些高并发的场景中，我们需要收集部分用户的日志（比如：用户登录的日志），写到数据库中，以便于做分析。

但由于项目中，还没有引入消息中间件，比如：kafka、rocketmq 等。

如果直接将日志同步写入数据库，可能会影响接口性能。

所以，大家很自然想到了异步处理。

实现这个需求最简单的做法是，开启一个线程，异步写入数据到数据库即可。

这样做，可以是可以。

但如果用户登录操作的耗时，比异步写入数据库的时间要少得多。这样导致的结果是：生产日志的速度，比消费日志的速度要快得多，最终的性能瓶颈在消费端。

其实，还有更优雅的处理方式，虽说没有使用消息中间件，但借用了它的思想。

这套记录登录日志的功能，分为：日志生产端、日志存储端和日志消费端。

如下图所示：

先定义了一个阻塞队列。

@Componentpublic class LoginLogQueue {    private static final int QUEUE_MAX_SIZE    = 1000;
    private BlockingQueueblockingQueue queue = new LinkedBlockingQueue<>(QUEUE_MAX_SIZE);
    //生成消息    public boolean push(LoginLog loginLog) {        return this.queue.add(loginLog);    } 
    //消费消息    public LoginLog poll() {        LoginLog loginLog = null;        try {            loginLog = this.queue.take();        } catch (InterruptedException e) {            e.printStackTrace();        }        return result;    }}

复制代码

然后定义了一个日志的生产者。

@Servicepublic class LoginSerivce {        @Autowired    private LoginLogQueue loginLogQueue;
    public int login(UserInfo userInfo) {        //业务处理        LoginLog loginLog = convert(userInfo);        loginLogQueue.push(loginLog);    }  }

复制代码

接下来，定义了日志的消费者。

@Servicepublic class LoginInfoConsumer {    @Autowired    private LoginLogQueue queue;
    @PostConstruct    public voit init {       new Thread(() -> {          while (true) {              LoginLog loginLog = queue.take();              //写入数据库          }        }).start();    }}

复制代码

当然，这个例子中使用单线程接收登录日志，为了提升性能，也可以使用线程池来处理业务逻辑（比如：写入数据库）等。

4.excel 导入

我们可能会经常收到运营同学提过来的 excel 数据导入需求，比如：将某一大类下的所有子类一次性导入系统，或者导入一批新的供应商数据等等。

我们以导入供应商数据为例，它所涉及的业务流程很长，比如：

调用天眼查接口校验企业名称和统一社会信用代码。
写入供应商基本表
写入组织表
给供应商自动创建一个用户
给该用户分配权限
自定义域名
发站内通知

等等。

如果在程序中，解析完 excel，读取了所有数据之后。用单线程一条条处理业务逻辑，可能耗时会非常长。

为了提升 excel 数据导入效率，非常有必要使用多线程来处理。

当然在 java 中实现多线程的手段有很多种，下面重点聊聊 java8 中最简单的实现方式：parallelStream。

伪代码如下：

supplierList.parallelStream().forEach(x -> importSupplier(x));

复制代码

parallelStream 是一个并行执行的流，它默认通过 ForkJoinPool 实现的，能提高你的多线程任务的速度。

ForkJoinPool 处理的过程会分而治之，它的核心思想是：将一个大任务切分成多个小任务。每个小任务都能单独执行，最后它会把所用任务的执行结果进行汇总。

下面用一张图简单介绍一下 ForkJoinPool 的原理：

当然除了 excel 导入之外，还有类似的读取文本文件，也可以用类似的方法处理。

温馨的提醒一下，如果一次性导入的数据非常多，用多线程处理，可能会使系统的 cpu 使用率飙升，需要特别关注。

5.查询接口

很多时候，我们需要在某个查询接口中，调用其他服务的接口，组合数据之后，一起返回。

比如有这样的业务场景：

在用户信息查询接口中需要返回：用户名称、性别、等级、头像、积分、成长值等信息。

而用户名称、性别、等级、头像在用户服务中，积分在积分服务中，成长值在成长值服务中。为了汇总这些数据统一返回，需要另外提供一个对外接口服务。

于是，用户信息查询接口需要调用用户查询接口、积分查询接口和成长值查询接口，然后汇总数据统一返回。

调用过程如下图所示：

调用远程接口总耗时 530ms = 200ms + 150ms + 180ms

显然这种串行调用远程接口性能是非常不好的，调用远程接口总的耗时为所有的远程接口耗时之和。

那么如何优化远程接口性能呢？

既然串行调用多个远程接口性能很差，为什么不改成并行呢？

如下图所示：

调用远程接口总耗时 200ms = 200ms（即耗时最长的那次远程接口调用）

在 java8 之前可以通过实现 Callable 接口，获取线程返回结果。

java8 以后通过 CompleteFuture 类实现该功能。我们这里以 CompleteFuture 为例：

public UserInfo getUserInfo(Long id) throws InterruptedException, ExecutionException {    final UserInfo userInfo = new UserInfo();    CompletableFuture userFuture = CompletableFuture.supplyAsync(() -> {        getRemoteUserAndFill(id, userInfo);        return Boolean.TRUE;    }, executor);
    CompletableFuture bonusFuture = CompletableFuture.supplyAsync(() -> {        getRemoteBonusAndFill(id, userInfo);        return Boolean.TRUE;    }, executor);
    CompletableFuture growthFuture = CompletableFuture.supplyAsync(() -> {        getRemoteGrowthAndFill(id, userInfo);        return Boolean.TRUE;    }, executor);    CompletableFuture.allOf(userFuture, bonusFuture, growthFuture).join();
    userFuture.get();    bonusFuture.get();    growthFuture.get();    return userInfo;}

复制代码

温馨提醒一下，这两种方式别忘了使用线程池。示例中我用到了 executor，表示自定义的线程池，为了防止高并发场景下，出现线程过多的问题。

6.获取用户上下文

不知道你在项目开发时，有没有遇到过这样的需求：用户登录之后，在所有的请求接口中，通过某个公共方法，就能获取到当前登录用户的信息？

获取的用户上下文，我们以 CurrentUser 为例。

CurrentUser 内部包含了一个 ThreadLocal 对象，它负责保存当前线程的用户上下文信息。当然为了保证在线程池中，也能从用户上下文中获取到正确的用户信息，这里用了阿里的 TransmittableThreadLocal。伪代码如下：

@Datapublic class CurrentUser {    private static final TransmittableThreadLocal<CurrentUser> THREA_LOCAL = new TransmittableThreadLocal<>();        private String id;    private String userName;    private String password;    private String phone;    ...        public statis void set(CurrentUser user) {      THREA_LOCAL.set(user);    }        public static void getCurrent() {      return THREA_LOCAL.get();    }}

复制代码

这里为什么用了阿里的 TransmittableThreadLocal，而不是普通的 ThreadLocal 呢？在线程池中，由于线程会被多次复用，导致从普通的 ThreadLocal 中无法获取正确的用户信息。父线程中的参数，没法传递给子线程，而 TransmittableThreadLocal 很好解决了这个问题。

然后在项目中定义一个全局的 spring mvc 拦截器，专门设置用户上下文到 ThreadLocal 中。伪代码如下：

public class UserInterceptor extends HandlerInterceptorAdapter {      @Override     public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {      CurrentUser user = getUser(request);      if(Objects.nonNull(user)) {         CurrentUser.set(user);      }   } }

复制代码

用户在请求我们接口时，会先触发该拦截器，它会根据用户 cookie 中的 token，调用调用接口获取 redis 中的用户信息。如果能获取到，说明用户已经登录，则把用户信息设置到 CurrentUser 类的 ThreadLocal 中。

接下来，在 api 服务的下层，即 business 层的方法中，就能轻松通过 CurrentUser.getCurrent();方法获取到想要的用户上下文信息了。

这套用户体系的想法是很 good 的，但深入使用后，发现了一个小插曲：

api 服务和 mq 消费者服务都引用了 business 层，business 层中的方法两个服务都能直接调用。

我们都知道在 api 服务中用户是需要登录的，而 mq 消费者服务则不需要登录。

如果 business 中的某个方法刚开始是给 api 开发的，在方法深处使用了 CurrentUser.getCurrent();获取用户上下文。但后来，某位新来的帅哥在 mq 消费者中也调用了那个方法，并未发觉这个小机关，就会中招，出现找不到用户上下文的问题。

所以我当时的第一个想法是：代码没做兼容处理，因为之前这类问题偶尔会发生一次。

想要解决这个问题，其实也很简单。只需先判断一下能否从 CurrentUser 中获取用户信息，如果不能，则取配置的系统用户信息。伪代码如下：

@Autowiredprivate BusinessConfig businessConfig;
CurrentUser user = CurrentUser.getCurrent();if(Objects.nonNull(user)) {   entity.setUserId(user.getUserId());   entity.setUserName(user.getUserName());} else {   entity.setUserId(businessConfig.getDefaultUserId());   entity.setUserName(businessConfig.getDefaultUserName());}

复制代码

这种简单无公害的代码，如果只是在一两个地方加还 OK。

此外，众所周知，SimpleDateFormat 在 java8 以前，是用来处理时间的工具类，它是非线程安全的。也就是说，用该方法解析日期会有线程安全问题。

为了避免线程安全问题的出现，我们可以把 SimpleDateFormat 对象定义成局部变量。但如果你一定要把它定义成静态变量，可以使用 ThreadLocal 保存日期，也能解决线程安全问题。

8. 传递参数

之前见过有些同事写代码时，一个非常有趣的用法，即：使用 MDC 传递参数。

MDC 是什么？

MDC 是 org.slf4j 包下的一个类，它的全称是 Mapped Diagnostic Context，我们可以认为它是一个线程安全的存放诊断日志的容器。

MDC 的底层是用了 ThreadLocal 来保存数据的。

例如现在有这样一种场景：我们使用 RestTemplate 调用远程接口时，有时需要在 header 中传递信息，比如：traceId，source 等，便于在查询日志时能够串联一次完整的请求链路，快速定位问题。

这种业务场景就能通过 ClientHttpRequestInterceptor 接口实现，具体做法如下：

第一步，定义一个 LogFilter 拦截所有接口请求，在 MDC 中设置 traceId：

public class LogFilter implements Filter {    @Override    public void init(FilterConfig filterConfig) throws ServletException {    }
    @Override    public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) throws IOException, ServletException {        MdcUtil.add(UUID.randomUUID().toString());        System.out.println("记录请求日志");        chain.doFilter(request, response);        System.out.println("记录响应日志");    }
    @Override    public void destroy() {    }}

复制代码

第二步，实现 ClientHttpRequestInterceptor 接口，MDC 中获取当前请求的 traceId，然后设置到 header 中：

public class RestTemplateInterceptor implements ClientHttpRequestInterceptor {
    @Override    public ClientHttpResponse intercept(HttpRequest request, byte[] body, ClientHttpRequestExecution execution) throws IOException {        request.getHeaders().set("traceId", MdcUtil.get());        return execution.execute(request, body);    }}

复制代码

第三步，定义配置类，配置上面定义的 RestTemplateInterceptor 类：

@Configurationpublic class RestTemplateConfiguration {
    @Bean    public RestTemplate restTemplate() {        RestTemplate restTemplate = new RestTemplate();        restTemplate.setInterceptors(Collections.singletonList(restTemplateInterceptor()));        return restTemplate;    }
    @Bean    public RestTemplateInterceptor restTemplateInterceptor() {        return new RestTemplateInterceptor();    }}

复制代码

其中 MdcUtil 其实是利用 MDC 工具在 ThreadLocal 中存储和获取 traceId

public class MdcUtil {
    private static final String TRACE_ID = "TRACE_ID";
    public static String get() {        return MDC.get(TRACE_ID);    }
    public static void add(String value) {        MDC.put(TRACE_ID, value);    }}

复制代码

当然，这个例子中没有演示 MdcUtil 类的 add 方法具体调的地方，我们可以在 filter 中执行接口方法之前，生成 traceId，调用 MdcUtil 类的 add 方法添加到 MDC 中，然后在同一个请求的其他地方就能通过 MdcUtil 类的 get 方法获取到该 traceId。

能使用 MDC 保存 traceId 等参数的根本原因是，用户请求到应用服务器，Tomcat 会从线程池中分配一个线程去处理该请求。

那么该请求的整个过程中，保存到 MDC 的 ThreadLocal 中的参数，也是该线程独享的，所以不会有线程安全问题。

9. 模拟高并发

有时候我们写的接口，在低并发的场景下，一点问题都没有。

但如果一旦出现高并发调用，该接口可能会出现一些意想不到的问题。

为了防止类似的事情发生，一般在项目上线前，我们非常有必要对接口做一下压力测试。

当然，现在已经有比较成熟的压力测试工具，比如：Jmeter、LoadRunner 等。

如果你觉得下载压测工具比较麻烦，也可以手写一个简单的模拟并发操作的工具，用 CountDownLatch 就能实现，例如：

public static void concurrenceTest() {    /**     * 模拟高并发情况代码     */    final AtomicInteger atomicInteger = new AtomicInteger(0);    final CountDownLatch countDownLatch = new CountDownLatch(1000); // 相当于计数器，当所有都准备好了，再一起执行，模仿多并发，保证并发量    final CountDownLatch countDownLatch2 = new CountDownLatch(1000); // 保证所有线程执行完了再打印atomicInteger的值    ExecutorService executorService = Executors.newFixedThreadPool(10);    try {        for (int i = 0; i < 1000; i++) {            executorService.submit(new Runnable() {                @Override                public void run() {                    try {                        countDownLatch.await(); //一直阻塞当前线程，直到计时器的值为0,保证同时并发                    } catch (InterruptedException e) {                        log.error(e.getMessage(),e);                    }                    //每个线程增加1000次，每次加1                    for (int j = 0; j < 1000; j++) {                        atomicInteger.incrementAndGet();                    }                    countDownLatch2.countDown();                }            });            countDownLatch.countDown();        }
        countDownLatch2.await();// 保证所有线程执行完        executorService.shutdown();    } catch (Exception e){        log.error(e.getMessage(),e);    }}

复制代码

10. 处理 mq 消息

在高并发的场景中，消息积压问题，可以说如影随形，真的没办法从根本上解决。表面上看，已经解决了，但后面不知道什么时候，就会冒出一次，比如这次：

有天下午，产品过来说：有几个商户投诉过来了，他们说菜品有延迟，快查一下原因。

这次问题出现得有点奇怪。

为什么这么说？

首先这个时间点就有点奇怪，平常出问题，不都是中午或者晚上用餐高峰期吗？怎么这次问题出现在下午？

根据以往积累的经验，我直接看了 kafka 的 topic 的数据，果然上面消息有积压，但这次每个 partition 都积压了十几万的消息没有消费，比以往加压的消息数量增加了几百倍。这次消息积压得极不寻常。

我赶紧查服务监控看看消费者挂了没，还好没挂。又查服务日志没有发现异常。这时我有点迷茫，碰运气问了问订单组下午发生了什么事情没？他们说下午有个促销活动，跑了一个 JOB 批量更新过有些商户的订单信息。

这时，我一下子如梦初醒，是他们在 JOB 中批量发消息导致的问题。怎么没有通知我们呢？实在太坑了。

虽说知道问题的原因了，倒是眼前积压的这十几万的消息该如何处理呢？

此时，如果直接调大 partition 数量是不行的，历史消息已经存储到 4 个固定的 partition，只有新增的消息才会到新的 partition。我们重点需要处理的是已有的 partition。

直接加服务节点也不行，因为 kafka 允许同组的多个 partition 被一个 consumer 消费，但不允许一个 partition 被同组的多个 consumer 消费，可能会造成资源浪费。

看来只有用多线程处理了。

为了紧急解决问题，我改成了用线程池处理消息，核心线程和最大线程数都配置成了 50。

大致用法如下：

先定义一个线程池：

@Configurationpublic class ThreadPoolConfig {
    @Value("${thread.pool.corePoolSize:5}")    private int corePoolSize;
    @Value("${thread.pool.maxPoolSize:10}")    private int maxPoolSize;
    @Value("${thread.pool.queueCapacity:200}")    private int queueCapacity;
    @Value("${thread.pool.keepAliveSeconds:30}")    private int keepAliveSeconds;
    @Value("${thread.pool.threadNamePrefix:ASYNC_}")    private String threadNamePrefix;
    @Bean("messageExecutor")    public Executor messageExecutor() {        ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();        executor.setCorePoolSize(corePoolSize);        executor.setMaxPoolSize(maxPoolSize);        executor.setQueueCapacity(queueCapacity);        executor.setKeepAliveSeconds(keepAliveSeconds);        executor.setThreadNamePrefix(threadNamePrefix);        executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());        executor.initialize();        return executor;    }}

复制代码

再定义一个消息的 consumer：

@Servicepublic class MyConsumerService {    @Autowired    private Executor messageExecutor;        @KafkaListener(id="test",topics={"topic-test"})    public void listen(String message){        System.out.println("收到消息：" + message);        messageExecutor.submit(new MyWork(message);    }}

复制代码

在定义的 Runable 实现类中处理业务逻辑：

public class MyWork implements Runnable {    private String message;        public MyWork(String message) {       this.message = message;    }
    @Override    public void run() {        System.out.println(message);    }}

复制代码

果然，调整之后消息积压数量确实下降的非常快，大约半小时后，积压的消息就非常顺利的处理完了。

但此时有个更严重的问题出现：我收到了报警邮件，有两个订单系统的节点 down 机了。。。

11. 统计数量

在多线程的场景中，有时候需要统计数量，比如：用多线程导入供应商数据时，统计导入成功的供应商数有多少。

如果这时候用 count++统计次数，最终的结果可能会不准。因为 count++并非原子操作，如果多个线程同时执行该操作，则统计的次数，可能会出现异常。

为了解决这个问题，就需要使用 concurent 的 atomic 包下面的类，比如：AtomicInteger、AtomicLong 等。

@Servciepublic class ImportSupplierService {  private static AtomicInteger count = new AtomicInteger(0);
  public int importSupplier(List<SupplierInfo> supplierList) {       if(CollectionUtils.isEmpty(supplierList)) {           return 0;       }
       supplierList.parallelStream().forEach(x -> {           try {             importSupplier(x);             count.addAndGet(1);           } catch(Exception e) {              log.error(e.getMessage(),e);           }       );
      return count.get();  }    }

复制代码

AtomicInteger 的底层说白了使用自旋锁+CAS。

public final int incrementAndGet() {    for (;;) {        int current = get();        int next = current + 1;        if (compareAndSet(current, next))            return next;    }}

复制代码

自旋锁说白了就是一个死循环。

而 CAS 是比较和交换的意思。

它的实现逻辑是：将内存位置处的旧值与预期值进行比较，若相等，则将内存位置处的值替换为新值。若不相等，则不做任何操作。

12. 延迟定时任务

我们经常有延迟处理数据的需求，比如：如果用户下单后，超过 30 分钟还未完成支付，则系统自动将该订单取消。

这里需求就可以使用延迟定时任务实现。

ScheduledExecutorService 是 JDK1.5+版本引进的定时任务，该类位于 java.util.concurrent 并发包下。

ScheduledExecutorService 是基于多线程的，设计的初衷是为了解决 Timer 单线程执行，多个任务之间会互相影响的问题。

它主要包含 4 个方法：

schedule(Runnable command,long delay,TimeUnit unit)，带延迟时间的调度，只执行一次，调度之后可通过 Future.get()阻塞直至任务执行完毕。
schedule(Callablecallable,long delay,TimeUnit unit)，带延迟时间的调度，只执行一次，调度之后可通过 Future.get()阻塞直至任务执行完毕，并且可以获取执行结果。
scheduleAtFixedRate，表示以固定频率执行的任务，如果当前任务耗时较多，超过定时周期 period，则当前任务结束后会立即执行。
scheduleWithFixedDelay，表示以固定延时执行任务，延时是相对当前任务结束为起点计算开始时间。

实现这种定时任务的具体代码如下：

public class ScheduleExecutorTest {
    public static void main(String[] args) {        ScheduledExecutorService scheduledExecutorService = Executors.newScheduledThreadPool(5);        scheduledExecutorService.scheduleAtFixedRate(() -> {            System.out.println("doSomething");        },1000,1000, TimeUnit.MILLISECONDS);    }}

复制代码

调用 ScheduledExecutorService 类的 scheduleAtFixedRate 方法实现周期性任务，每隔 1 秒钟执行一次，每次延迟 1 秒再执行。

这种定时任务是阿里巴巴开发者规范中用来替代 Timer 类的方案，对于多线程执行周期性任务，是个不错的选择。

使用 ScheduledExecutorService 类做延迟定时任务的优缺点：

优点：基于多线程的定时任务，多个任务之间不会相关影响，支持周期性的执行任务，并且带延迟功能。
缺点：不支持一些较复杂的定时规则。

当然，你也可以使用分布式定时任务，比如：xxl-job 或者 elastic-job 等等。

其实，在实际工作中我使用多线程的场景远远不只这 12 种，在这里只是抛砖引玉，介绍了一些我认为比较常见的业务场景。

参考资料

推荐一个零声教育 C/C++后台开发的免费公开课程，个人觉得老师讲得不错，分享给大家：C/C++后台开发高级架构师，内容包括Linux，Nginx，ZeroMQ，MySQL，Redis，fastdfs，MongoDB，ZK，流媒体，CDN，P2P，K8S，Docker，TCP/IP，协程，DPDK等技术内容，立即学习

原文：聊聊并发编程的12种业务场景

发布于: 11 小时前阅读数: 18

C++后台开发

关注

还未添加个人签名 2022.05.06 加入

还未添加个人简介

发布

暂无评论

创作场景

聊聊并发编程的 12 种业务场景

前言

1. 简单定时任务

2.监听器

【文章福利】另外小编还整理了一些 C++后台开发面试题，教学视频，后端学习路线图免费分享，需要的可以自行添加：Q群：720209036 点击加入~ 群文件共享

小编强力推荐 C++后台开发免费学习地址：C/C++Linux服务器开发高级架构师/C++后台开发架构师​

3.收集日志

4.excel 导入

5.查询接口

6.获取用户上下文

8. 传递参数

9. 模拟高并发

10. 处理 mq 消息

11. 统计数量

12. 延迟定时任务

参考资料

C++后台开发

评论

小编强力推荐 C++后台开发免费学习地址：C/C++Linux服务器开发高级架构师/C++后台开发架构师