Java:使用异步编程优化应用程序

Question

我必须修改 dropwizard 应用程序以提高其运行时间。基本上，该应用程序每天接收大约 300 万个 URL，并下载和解析它们以检测恶意内容。问题是该应用程序只能处理 100 万个 URL。当我查看该应用程序时，我发现它正在进行大量顺序调用。我想要一些关于如何通过异步或其他技术来改进应用程序的建议。

所需代码如下:-

/* Scheduler */
private long triggerDetection(String startDate, String endDate) {
for (UrlRequest request : urlRequests) {
                if (!validateRequests.isWhitelisted(request)) {
                    ContentDetectionClient.detectContent(request);
                }
            }
}

/* Client */
public void detectContent(UrlRequest urlRequest){
        Client client = new Client();
        URI uri = buildUrl(); /* It returns the URL of this dropwizard application's resource method provided below */

        ClientResponse response = client.resource(uri)
                .type(MediaType.APPLICATION_JSON_TYPE)
                .post(ClientResponse.class, urlRequest);

        Integer status = response.getStatus();
        if (status >= 200 && status < 300) {
            log.info("Completed request for url: {}", urlRequest.getUrl());

        }else{
            log.error("request failed for url: {}", urlRequest.getUrl());
        }
    }

    private URI buildUrl() {
        return UriBuilder
                .fromPath(uriConfiguration.getUrl())
                .build();
    }

/* Resource Method */
 @POST
    @Path("/pageDetection")
    @Consumes(MediaType.APPLICATION_JSON)
    @Produces(MediaType.APPLICATION_JSON)
    /**
     * Receives the url of the publisher, crawls the content of that url, applies a detector to check if the content is malicious.
     * @returns returns the probability of the page being malicious
     * @throws throws exception if the crawl call failed
     **/
    public DetectionScore detectContent(UrlRequest urlRequest) throws Exception {

        return contentAnalysisOrchestrator.detectContentPage(urlRequest);
    }

/* Orchestrator */
public DetectionScore detectContentPage(UrlRequest urlRequest) {
        try {

            Pair<Integer, HtmlPage> response =  crawler.rawLoad(urlRequest.getUrl());
            String content =   response.getValue().text();

            DetectionScore detectionScore = detector.getProbability(urlRequest.getUrl(), content);
            contentDetectionResultDao.insert(urlRequest.getAffiliateId(), urlRequest.getUrl(),detectionScore.getProbability()*1000,
                    detectionScore.getRecommendation(), urlRequest.getRequestsPerUrl(), -1, urlRequest.getCreatedAt() );

            return detectionScore;

        } catch (IOException e) {
            log.info("Error while analyzing the url : {}", e);
            throw new WebApplicationException(e, Response.Status.INTERNAL_SERVER_ERROR);
        }
    }

我正在考虑以下方法:-

• 我没有通过 POST 调用 dropwizard 资源方法，而是直接从调度程序调用 orchestrator.detectContent(urlRequest)。

• 编排器可以返回检测分数，我会将所有检测分数存储在 map /表中，并执行批量数据库插入，而不是像当前代码中那样进行单独插入。

我想对上述方法以及可能的其他技术进行一些评论，通过这些技术可以提高运行时间。另外，我刚刚阅读了有关 Java 异步编程的内容，但似乎无法理解如何在上面的代码中使用它，因此也希望获得一些帮助。

谢谢。

编辑:我可以想到两个瓶颈:

• 下载网页
• 将结果插入数据库(数据库位于另一个系统中)
• 似乎一次执行 1 个 URL 的处理

系统有 8 GB 内存，其中 4 GB 似乎可用

$ free -m
             total       used       free     shared    buffers     cached
Mem:          7843       4496       3346          0        193       2339
-/+ buffers/cache:       1964       5879 
Swap:         1952        489       1463 

CPU 使用率也极低:

top - 13:31:19 up 19 days, 15:39,  3 users,  load average: 0.00, 0.00, 0.00
Tasks: 215 total,   1 running, 214 sleeping,   0 stopped,   0 zombie
Cpu(s):  0.5%us,  0.0%sy,  0.0%ni, 99.4%id,  0.1%wa,  0.0%hi,  0.0%si,  0.0%st
Mem:   8031412k total,  4605196k used,  3426216k free,   198040k buffers
Swap:  1999868k total,   501020k used,  1498848k free,  2395344k cached

Answer 1

首先检查一下你大部分时间都在哪里丢失。

我想大部分时间都浪费在了下载网址上。

如果下载 url 花费了超过 90% 的时间，那么您可能无法改进您的应用程序，因为瓶颈不是 java，而是您的网络。

<小时/>

仅当下载时间在网络能力范围内时才考虑以下内容

如果下载时间不是太长，您可能可以尝试提高性能。标准方法是使用生产者消费者链。请参阅here了解详情。

基本上，您可以按如下方式划分工作:

Downloading --> Parsing --> Saving 

下载是生产者，解析是下载过程的消费者，保存过程是生产者，保存是消费者。

每个步骤可以由不同数量的线程执行。例如，您可以有 3 个下载线程、5 个解析线程和 1 个保存线程。

<小时/>

评论后编辑

假设瓶颈不是CPU时间，所以对java代码进行干预并不重要。

如果您知道每天下载多少千兆字节，则可以查看它们是否接近网络的最大带宽。

如果发生这种情况，有不同的可能性:

• 使用 Content-Encoding: gzip 请求压缩内容(从而减少使用的带宽)
• 在不同网络上工作的不同节点之间分配您的应用程序(因此在不同网络之间分配带宽)
• 更新您的带宽(因此增加网络带宽)
• 请务必仅下载请求的内容(因此，如果没有请求，则不要下载 JavaScript、图像、CSS 等)(以尽量减少带宽的使用)
• 之前解决方案的组合