开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第4天，点击查看活动详情
书接上回 大数据量、高并发业务怎么优化？（一） 文章中介绍了异步批处理的三种方式，本文继续深入针对前两种进行讲解，并给出代码示例：
一 普通版本，采用阻塞队列 ArrayBlockingQueue
使用普通方式能够直接基于JDK中现成的并发包 ArrayBlockingQueue 提供的 offer(E e, long timeout, TimeUnit unit)（添加元素到队列尾部，如果队列已满则等待参数指定时间后返回false）方法 和 poll(long timeout, TimeUnit unit)（从队列头部获取元素，如果队列为空则等待参数指定时间后返回null）方法，来达到异步批处理效果
生产者代码：由于采用内存队列，最好在创建 ArrayBlockingQueue 时指定队列大小，防止队列无界，导致内存溢出
/** * 生产者 */ @Component @Slf4j public class MonitorQueue { private BlockingQueue<List<NodeCollectDTO>> queue = new ArrayBlockingQueue<>(10000000); public void put(List<NodeCollectDTO> list) { try { queue.put(list); } catch (InterruptedException e) { log.error(String.format("队列put异常：%s", e.getMessage()), e); } } public void offer(List<NodeCollectDTO> list, long timeout, TimeUnit unit) throws InterruptedException { queue.offer(list, timeout, unit); } public List<NodeCollectDTO> poll(long timeout, TimeUnit unit) throws InterruptedException { return queue.poll(timeout, unit); } }
消费者代码：在创建消费者时开启一个子线程在死循环中一直读取队列元素，直到队列元素超过我们的 maxNum 时，将临时列表元素插入数据库中
/** * 消费者 */ @Slf4j @Component public class MonitorConsumer implements Runnable { @Autowired private MonitorQueue queue; @Autowired private MonitorService monitorService; @PostConstruct public void init() { new Thread(this, "monitor-collect").start(); } // 临时列表大小限制 private int maxNum = 2000; @SuppressWarnings("InfiniteLoopStatement") @Override public void run() { while (true) { handler(); } } private void handler() { try { List<NodeCollectDTO> temp = new ArrayList<>(maxNum); while (temp.size() <= maxNum) { List<NodeCollectDTO> list = queue.poll(20, TimeUnit.SECONDS); if (CollectionUtil.isNotEmpty(list)) { temp.addAll(list); } else { break; } } if (CollectionUtil.isEmpty(temp)) { return; } int i = monitorService.batchSave(temp); log.debug("----------------------------batchSave num:{}, collect.size:{}", i, collect.size()); } catch (Exception e) { log.error(String.format("消费者异常： %s", e.getMessage()), e); } } }
可以看到采用该种方式实现的异步批量入库代码比较简单，便于理解，在性能上，基本都能够满足日常普通业务存在的批量入库场景
二 进阶版，采用 Disruptor 队列，本文基于 Disruptor 最新4.0版本
先给出 Disruptor 官网简介
Disruptor 是一个提供并发环形缓冲区数据结构的库。它旨在在异步事件处理架构中提供低延迟、高吞吐量的工作队列。 为了理解 Disruptor 的好处，我们可以将它与一些很好理解且目的非常相似的东西进行比较。在 Disruptor 的情况下，这将是 Java 的 BlockingQueue。与队列一样，Disruptor 的目的是在同一进程内的线程之间移动数据（例如消息或事件）。然而，Disruptor 提供的一些关键特性使其有别于队列。他们是：
- 向消费者多播事件，带有消费者依赖图。
- 为事件预分配内存。
- 可选无锁
Disruptor 给我们在项目中实现异步批处理提供了另一种方式，一种无锁、延迟更低、吞吐量更高、提供消费者多播等等的内存队列
下面介绍如何使用
2.1 依赖安装
<dependency> <groupId>com.lmax</groupId> <artifactId>disruptor</artifactId> <version>4.0.0.RC1</version> </dependency>
2.2 Disruptor 使用代码如下：
public class LongEvent{ private long value; public void set(long value){ this.value = value; } @Override public String toString(){ return "LongEvent{" + "value=" + value + '}'; } } @Slf4j public class LongEventMain { public static void handleEvent(LongEvent event, long sequence, boolean endOfBatch) { log.info("event: " + event + ", sequence:" + sequence + ", endOfBatch:" + endOfBatch); } public static void translate(LongEvent event, long sequence, ByteBuffer buffer) { event.set(buffer.getLong(0)); } public static void main(String[] args) throws Exception { int bufferSize = 128; // 1. 创建Disruptor对象 Disruptor<LongEvent> disruptor = new Disruptor<>(LongEvent::new, bufferSize, DaemonThreadFactory.INSTANCE, ProducerType.SINGLE, new BlockingWaitStrategy()); // 2. 添加事件处理类（消费者） disruptor.handleEventsWith(LongEventMain::handleEvent); // 3. 开启事件处理线程 disruptor.start(); // 4. 获取ringBuffer RingBuffer<LongEvent> ringBuffer = disruptor.getRingBuffer(); ByteBuffer bb = ByteBuffer.allocate(8); for (long l = 0; true; l++) { bb.putLong(0, l); // 5. 发布事件（生产者） ringBuffer.publishEvent(LongEventMain::translate, bb); Thread.sleep(1); } } }
2.3 上面代码完成了一个事件发布后，事件处理类就能够收到对应事件信息的功能，但是我们想要的是能在消费者线程中批量处理生产者数据的逻辑，还得再修改一下事件处理类代码，如下：
@Slf4j public class LongEventBatch implements EventHandler<LongEvent> { private static final int MAX_BATCH_SIZE = 20; private final List<LongEvent> batch = new ArrayList<>(); public LongEventBatch() { // 虚拟机关闭处理 Runtime.getRuntime().addShutdownHook(new Thread(() -> { log.info("------------------ShutdownHook-DataEventHandler,上报tempList"); if (batch.size() > 0) { // 批量入库伪代码 int i = xxxService.batchSave(temp); } })); } @Override public void onEvent(final LongEvent event, final long sequence, final boolean endOfBatch) { log.info("event: " + event + ", sequence:" + sequence + ", endOfBatch:" + endOfBatch); batch.add(event); if (batch.size() >= MAX_BATCH_SIZE) { processBatch(batch); } } private void processBatch(final List<LongEvent> batch) { // 批量入库伪代码 int i = xxxService.batchSave(temp); // 记得清空batch列表 batch.clear(); } }
由此，我们就实现了基于 Disruptor 的异步批处理逻辑，该方式会比普通版本性能高出一个数量级，大家在工作中可以尝试使用一番
最后
附博主 github 地址 github.com/wayn111
