个人中心
gpt4 book ai didi

JVM优先级线程池做任务队列的实现方法

转载 作者：qq735679552 更新时间：2022-09-29 22:32:09 24 4
gpt4 key购买 nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章JVM优先级线程池做任务队列的实现方法由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

前言 。

我们都知道 web 服务的工作大多是接受 http 请求，并返回处理后的结果。服务器接受的每一个请求又可以看是一个任务。一般而言这些请求任务会根据请求的先后有序处理，如果请求任务的处理比较耗时，往往就需要排队了。而同时不同的任务直接可能会存在一些优先级的变化，这时候就需要引入任务队列并进行管理了。可以做任务队列的东西有很多，Java 自带的线程池，以及其他的消息中间件都可以.

同步与异步 。

这个问题在之前已经提过很多次了，有些任务是需要请求后立即返回结果的，而有的则不需要。设想一下你下单购物的场景，付完钱后，系统只需要返回一个支付成功即可，后续的积分增加、优惠券发放、安排发货等等业务都不需要实时返回给用户的，这些就是异步的任务。大量的异步任务到达我们部署的服务上，由于处理效率的瓶颈，无法达到实时处理，因此与需要用队列将他们暂时保存起来，排队处理.

线程池 。

在 Java 中提到队列，我们除了想到基本的数据结构之外，应该还有线程池。线程池自带一套机制可以实现任务的排队和执行，可以满足单点环境下绝大多数异步化的场景。下面是典型的一个处理流程:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
// 注入合适类型的线程池
@Autowired
private final ThreadPoolExecutor asyncPool;
@RequestMapping (value = "/async/someOperate" , method = RequestMethod.POST)
public RestResult someOperate(HttpServletRequest request, String params,String callbackUrl {
   // 接受请求后 submit 到线程池排队处理
   asyncPool.submit( new Task(params,callbackUrl);
   return new RestResult(ResultCode.SUCCESS.getCode(), null ) {{
     setMsg( "successful!" + prop.getShowMsg());
   }};
}
 
// 异步任务处理
@Slf4j
public class Task extends Callable<RestResult> {
   private String params;
   private String callbackUrl;
   private final IAlgorithmService algorithmService = SpringUtil.getBean(IAlgorithmServiceImpl. class );
   private final ServiceUtils serviceUtils = SpringUtil.getBean(ServiceUtils. class );
   public ImageTask(String params,String callbackUrl) {
     this .params = params;
     this .callbackUrl = callbackUrl;
   }
 
   @Override
   public RestResult call() {
     try {
       // 业务处理
       CarDamageResult result = algorithmService.someOperate( this .params);
       // 回调
       return serviceUtils.callback( this .callbackUrl, this .caseNum, ResultCode.SUCCESS.getCode(), result, this .isAsync);
     } catch (ServiceException e) {
       return serviceUtils.callback( this .callbackUrl, this .caseNum, e.getCode(), null , this .isAsync);
     }
   }
}

对于线程池这里就不具体展开讲了，仅仅简单理了下具体的流程:

  1. 收到请求后，参数校验后传入线程池排队。
  2. 返回结果：“请求成功，正在处理”。
  3. 任务排到后由相应的线程处理，处理完后进行接口回调。

上面的例子描述了一个生产速度远远大于消费速度的模型，普通面向数据库开发的企业级应用，由于数据库的连接池开发的连接数较大，一般不需要这样通过线程池来处理，而一些 GPU 密集型的应用场景，由于显存的瓶颈导致消费速度慢时，就需要队列来作出调整了.

带优先级的线程池 。

更复杂的，例如考虑到任务的优先级，还需要对线程池进行重写，通过 PriorityBlockingQueue 来替换默认的阻塞队列。直接上代码.

?
1
2
3
4
5
6
7
8
9
10
11
12
import lombok.Data;
 
import java.util.concurrent.Callable;
 
/**
  * @author Fururur
  * @create 2020-01-14-10:37
  */
@Data
public abstract class PriorityCallable<T> implements Callable<T> {
   private int priority;
}
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
import lombok.Getter;
import lombok.Setter;
 
import java.util.concurrent.*;
import java.util.concurrent.atomic.AtomicLong;
 
/**
  * 优先级线程池的实现
  *
  * @author Fururur
  * @create 2019-07-23-10:19
  */
public class PriorityThreadPoolExecutor extends ThreadPoolExecutor {
 
   private ThreadLocal<Integer> local = ThreadLocal.withInitial(() -> 0 );
 
   public PriorityThreadPoolExecutor( int corePoolSize, int maximumPoolSize, long keepAliveTime, TimeUnit unit) {
     super (corePoolSize, maximumPoolSize, keepAliveTime, unit, getWorkQueue());
   }
 
   public PriorityThreadPoolExecutor( int corePoolSize, int maximumPoolSize,
                    long keepAliveTime, TimeUnit unit, ThreadFactory threadFactory) {
     super (corePoolSize, maximumPoolSize, keepAliveTime, unit, getWorkQueue(), threadFactory);
   }
 
   public PriorityThreadPoolExecutor( int corePoolSize, int maximumPoolSize,
                    long keepAliveTime, TimeUnit unit, RejectedExecutionHandler handler) {
     super (corePoolSize, maximumPoolSize, keepAliveTime, unit, getWorkQueue(), handler);
   }
 
   public PriorityThreadPoolExecutor( int corePoolSize, int maximumPoolSize,
                    long keepAliveTime, TimeUnit unit, ThreadFactory threadFactory,
                    RejectedExecutionHandler handler) {
     super (corePoolSize, maximumPoolSize, keepAliveTime, unit, getWorkQueue(), threadFactory, handler);
   }
 
   private static PriorityBlockingQueue getWorkQueue() {
     return new PriorityBlockingQueue();
   }
 
   @Override
   public void execute(Runnable command) {
     int priority = local.get();
     try {
       this .execute(command, priority);
     } finally {
       local.set( 0 );
     }
   }
 
   public void execute(Runnable command, int priority) {
     super .execute( new PriorityRunnable(command, priority));
   }
 
   public <T> Future<T> submit(PriorityCallable<T> task) {
     local.set(task.getPriority());
     return super .submit(task);
   }
 
   public <T> Future<T> submit(Runnable task, T result, int priority) {
     local.set(priority);
     return super .submit(task, result);
   }
 
   public Future<?> submit(Runnable task, int priority) {
     local.set(priority);
     return super .submit(task);
   }
 
   @Getter
   @Setter
   protected static class PriorityRunnable implements Runnable, Comparable<PriorityRunnable> {
     private final static AtomicLong seq = new AtomicLong();
     private final long seqNum;
     private Runnable run;
 
     private int priority;
 
     PriorityRunnable(Runnable run, int priority) {
       seqNum = seq.getAndIncrement();
       this .run = run;
       this .priority = priority;
     }
 
     @Override
     public void run() {
       this .run.run();
     }
 
     @Override
     public int compareTo(PriorityRunnable other) {
       int res = 0 ;
       if ( this .priority == other.priority) {
         if (other.run != this .run) {
           // ASC
           res = (seqNum < other.seqNum ? - 1 : 1 );
         }
       } else {
         // DESC
         res = this .priority > other.priority ? - 1 : 1 ;
       }
       return res;
     }
   }
}

要点如下:

  1. 替换线程池默认的阻塞队列为 PriorityBlockingQueue，响应的传入的线程类需要实现 Comparable<T> 才能进行比较。
  2. PriorityBlockingQueue 的数据结构决定了，优先级相同的任务无法保证 FIFO，需要自己控制顺序。
  3. 需要重写线程池的 execute() 方法。看过线程池源码的会发现，执行 submit(task) 方法后，都会转化成 RunnableFuture<T> 再进一步执行，由于传入的 task 虽然实现了 Comparable<T> 到，但是内部转换成的 RunnableFuture<T> 并未实现，因此直接 submit 会抛出 Caused by: java.lang.ClassCastException: java.util.concurrent.FutureTask cannot be cast to java.lang.Comparable 这样一个异常，所以需要重写 execute() 方法，构造一个 PriorityRunnable 作为中转。

总结 。

JVM 线程池是实现异步任务队列最简单最原生的一种方式，本文介绍了基本的使用流程和带有优先队列需求的用法。这种方法可有满足到一些简单的业务场景，但也存在一定的局限性:

  1. JVM 线程池是单机的，横向扩展多个服务下做负载均衡时，就会存在多个线程池了他们是分开工作的，无法很好的统一和管理，不太适合分布式场景。
  2. JVM 线程池是基于内存的，一旦服务挂了，会出现任务丢失的情况，可靠性低。
  3. 缺少作为任务队列的 ack 机制，一旦任务失败不会重新执行，且无法很好地对线程池队列进行监控。

显然简单的 JVM 线程池是无法 handle 到负载的业务场景的，这就需要引入其他中间件了，在接下来的文章中我们会继续探讨.

参考文献 。

ThreadPoolExecutor 优先级的线程池 。

implementing PriorityQueue on ThreadPoolExecutor 。

ThreadPoolExecutor 的 PriorityBlockingQueue 类型转化问题 。

大搜车异步任务队列中间件的建设实践 。

到此这篇关于JVM优先级线程池做任务队列的实现方法的文章就介绍到这了,更多相关java线程池优先级内容请搜索我以前的文章或继续浏览下面的相关文章希望大家以后多多支持我！  。

原文链接：https://juejin.im/post/6857383794035556365 。

最后此篇关于JVM优先级线程池做任务队列的实现方法的文章就讲到这里了,如果你想了解更多关于JVM优先级线程池做任务队列的实现方法的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

24 4 0
文章推荐： 完美利用Yii2微信后台开发的系列总结
文章推荐： php中引用&的用法分析【变量引用,函数引用,对象引用】
文章推荐： 简单谈谈PHP中的Reload操作
文章推荐： PHP中set_include_path()函数相关用法分析
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
全站热门文章
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com