写点什么

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:

  1. 你在哪来业务场景中使用过多线程?

  2. 怎么用的?

  3. 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:

  1. 调用天眼查接口校验企业名称和统一社会信用代码。

  2. 写入供应商基本表

  3. 写入组织表

  4. 给供应商自动创建一个用户

  5. 给该用户分配权限

  6. 自定义域名

  7. 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:

  1. 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

用户头像

还未添加个人签名 2022.05.06 加入

还未添加个人简介

评论

发布
暂无评论
聊聊并发编程的12种业务场景_并发编程_C++后台开发_InfoQ写作社区