SpringBoot异步调用方法实现场景代码实例

一、背景

项目中肯定会遇到异步调用其他方法的场景，比如有个计算过程，需要计算很多个指标的值，但是每个指标计算的效率快慢不同，如果采用同步执行的方式，运行这一个过程的时间是计算所有指标的时间之和。比如：

方法A：计算指标x，指标y，指标z的值，其中计算指标x需要1s，计算指标y需要2s，指标z需要3s。最终执行完方法A就是5s。

现在用异步的方式优化一下

方法A异步调用方法B，方法C，方法D，方法B，方法C，方法D分别计算指标x，指标y，指标z的值，那么最终执行完方法A的时间则是3s。

还有一种用途是当一个业务里面需要多个请求时，这时候异步并发请求所得到的回报远远是物有所值的。因为他是异步执行的，话不多说，一下是在springBoot里面使用并发请求；

二、spring boot中异步并发使用

2.1、appllication.yml

#****************集成Async线程池开始*******************
async: # Async线程池 配置
executor:
 corepoolsize: 20
 maxpoolsize: 25
 queuecapacity: 40
 keepaliveseconds: 200
 threadnameprefix: appasync
 awaitterminationseconds: 60
#*****************集成Async线程池结束******************

2.2、配置线程池

@Configuration
@EnableAsync
public class ExecutorConfig {

@Value("${async.executor.corepoolsize}")
 private Integer corePoolSize;

@Value("${async.executor.maxpoolsize}")
 private Integer maxPoolSize;

@Value("${async.executor.queuecapacity}")
 private Integer queueCapacity;

@Value("${async.executor.keepaliveseconds}")
 private Integer keepAliveSeconds;

@Value("${async.executor.threadnameprefix}")
 private String threadNamePrefix;

@Value("${async.executor.awaitterminationseconds}")
 private Integer awaitTerminationSeconds;

/**
  * 线程池
  *
  * @return
  */
 @Bean(name = "asyncExecutor")
 public Executor asyncExecutor() {
   ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
   // 基础线程数 corePoolSize: 10
   executor.setCorePoolSize(corePoolSize);
   // 最大线程数 maxPoolSize: 15
   executor.setMaxPoolSize(maxPoolSize);
   // 队列长度 queueCapacity: 25
   executor.setQueueCapacity(queueCapacity);
   // 线程池维护线程所允许的空闲时间,单位为秒 keepAliveSeconds: 200
   executor.setKeepAliveSeconds(keepAliveSeconds);
   // 线程名字 threadNamePrefix: appasync
   executor.setThreadNamePrefix(threadNamePrefix);
   executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
   // 等待所有任务都完成再继续销毁其他的Bean
   executor.setWaitForTasksToCompleteOnShutdown(true);
   // 线程池中任务的等待时间，如果超过这个时候还没有销毁就强制销毁，以确保应用最后能够被关闭，而不是阻塞住
   executor.setAwaitTerminationSeconds(awaitTerminationSeconds);
   executor.initialize();
   return executor;
 }
}

2.3、线程池监控（这个可有可无，主要是为了对线程池参数及时的调优）

@RestController
@Slf4j
@RequestMapping("/pubapi/asyncExecutor")
public class AsyncExecutorController extends BaseController {

@Resource(name = "asyncExecutor")
 private Executor asyncExecutor;

@PostMapping("/monitor")public ResultBean<Map<String, Object>> getAsyncExecutorData() {
   ResultBean<Map<String, Object>> resultBean = ResultBeanUtil.error500();
   if (asyncExecutor == null) {
     return resultBean;
   }

try {
     ThreadPoolTaskExecutor executorTask = (ThreadPoolTaskExecutor) asyncExecutor;
     ThreadPoolExecutor executor = executorTask.getThreadPoolExecutor();

// 当前排队线程数
     int queueSize = executor.getQueue().size();
     // 当前活动线程数
     int activeCount = executor.getActiveCount();
     // 执行完线程数
     long completedThreadCount = executor.getCompletedTaskCount();
     // 总线程数
     long taskCount = executor.getTaskCount();
     // 初始线程数
     int poolSize = executor.getPoolSize();
     // 核心线程数
     int corePoolSize = executor.getCorePoolSize();
     // 线程池是否终止
     boolean isTerminated = executor.isTerminated();
     // 线城池是否关闭
     boolean isShutdown = executor.isShutdown();
     // 线程空闲时间
     long keepAliveTime = executor.getKeepAliveTime(TimeUnit.MILLISECONDS);
     // 最大允许线程数
     long maximumPoolSize = executor.getMaximumPoolSize();
     // 线程池中存在的最大线程数
     long largestPoolSize = executor.getLargestPoolSize();

Map<String, Object> threadPoolData = new HashMap<>(18);
     threadPoolData.put("当前排队线程数", queueSize);
     threadPoolData.put("当前活动线程数", activeCount);
     threadPoolData.put("执行完线程数", completedThreadCount);
     threadPoolData.put("总线程数", taskCount);
     threadPoolData.put("初始线程数", poolSize);
     threadPoolData.put("核心线程数", corePoolSize);
     threadPoolData.put("线程池是否终止", isTerminated);
     threadPoolData.put("线城池是否关闭", isShutdown);
     threadPoolData.put("线程空闲时间", keepAliveTime);
     threadPoolData.put("最大允许线程数", maximumPoolSize);
     threadPoolData.put("线程池中存在的最大线程数", largestPoolSize);

InetAddress inetAddress = IdWorker.getLocalHostLANAddress();
     Map<String, Object> resultData = new HashMap<>(4);
     resultData.put("ip", inetAddress.getHostAddress());
     resultData.put("threadPoolData", threadPoolData);

resultBean = ResultBeanUtil.success("请求成功！", resultData);
   } catch (Exception e) {
     e.printStackTrace();
   }
   return resultBean;
 }

}

2.4、代码中使用

public void getMap(){
   /**
    * 先将耗时的、相互之间无依赖的操作先执行，由于其执行结果暂时不是特别关注，所以
    */
   Future<String> futureA = functionA();
   Future<String> futureB = functionB();
   /**
    * 执行其他的操作，其实functionA(),functionB()也在工作
    */
   aaa();
   /**
    * 获取异步的结果，然后计算
    */
   try {
     String resultA =futureA.get();
     String resuleB = futureB.get();
   } catch (InterruptedException e) {
     e.printStackTrace();
   } catch (ExecutionException e) {
     e.printStackTrace();
   }

}

public Future<String> functionA (){
   Future<String> future = null;
   try {
     Thread.sleep(5000);
     future = new AsyncResult<String>("functionA");
   } catch (InterruptedException e) {
     e.printStackTrace();
   }
   return future;
 }

public Future<String> functionB (){
   Future<String> future = null;
   try {
     Thread.sleep(3000);
     future = new AsyncResult<String>("functionB");
   } catch (InterruptedException e) {
     e.printStackTrace();
   }
   return future;
 }

public void aaa(){
   System.out.println("我是");
 }

来源：https://www.cnblogs.com/DDgougou/p/11964425.html