并行获取机票信息—高并发场景微服务实战(七)

本文涉及的产品
服务治理 MSE Sentinel/OpenSergo,Agent数量 不受限
注册配置 MSE Nacos/ZooKeeper,118元/月
云原生网关 MSE Higress,422元/月
简介: 你好,我是程序员Alan, 很高兴遇见你。在《 需求分析—高并发场景微服务实战(二)》一文的最后,我提了一个问题 “你会用什么方式获取和聚合机票信息?”,今天我会详细地讲解解决这类问题的几种常用方法。

你好,我是程序员Alan,很高兴遇见你。

在《 需求分析—高并发场景微服务实战(二)》一文的最后,我提了一个问题 “你会用什么方式获取和聚合机票信息?”,今天我会详细地讲解解决这类问题的几种常用方法。

问题回顾

在开始讲解问题的解决方法之前,我们再来看一下问题的具体描述。搭建一个订票系统经常会有这样的需求 ,那就是同时获取多家航空公司的航班信息。比如,从深圳到三亚的机票钱是多少?有很多家航空公司都有这样的航班信息,所以应该把所有航空公司的航班、票价等信息都获取到,然后再聚合。由于每个航空公司都有自己的服务器,所以需要分别去请求它们的服务器,如下图所示:  

解决方法

1. 串行

我们想获取所有航空公司某个航班信息,要先去访问东航,然后再去访问南航,以此类推。每一个请求发出去之后,等它响应回来以后,我们才能去请求下一个航空公司,这就是串行的方式。

这样做的效率非常低下,如果航空公司比较多,假设每个航空公司都需要 1 秒钟的话,那么用户肯定等不及,所以这种方式是不可取的。

2. 并行

既然串行的方法很慢,那么我们可以并行地去获取这些机票信息,然后再把机票信息给聚合起来,这样的话,效率会成倍的提高。

这种并行虽然提高了效率,但也有一个缺点,那就是会“一直等到所有请求都返回”。如果有一个航空公司的响应特别慢,那么我们的整个服务就会被拖累。所以我们需要再改进一下,增加超时获取的功能。

3. 有超时的并行获取

上图的这种情况,就属于有超时的并行获取,同样也在并行的去请求各个公司的机票信息。但是我们规定了一个超时时间,如果没能在指定时间内响应信息,我们就把这些请求给忽略掉,这样用户体验就比较好了,它最多只需要等固定的时间就能获得机票信息,虽然拿到的信息可能是不全的,但是总比一直等更好。

实现这个目标有多种实现方案,我们一个个的来看看。

3.1 线程池的实现

第一个实现方案是用线程池,我们来看一下代码。

/*** @author alan* @create 2022 - 10 - 05  15:17*/publicclassThreadPoolDemo {
ExecutorServicethreadPool=Executors.newFixedThreadPool(3);
publicstaticvoidmain(String[] args) throwsInterruptedException {
ThreadPoolDemothreadPoolDemo=newThreadPoolDemo();
System.out.println(threadPoolDemo.getPrices());
    }
privateSet<Integer>getPrices() throwsInterruptedException {
Set<Integer>prices=Collections.synchronizedSet(newHashSet<Integer>());
threadPool.submit(newTask(1, prices));
threadPool.submit(newTask(2, prices));
threadPool.submit(newTask(3, prices));
Thread.sleep(3000);
returnprices;
    }
privateclassTaskimplementsRunnable {
IntegerproductId;
Set<Integer>prices;
publicTask(IntegerproductId, Set<Integer>prices) {
this.productId=productId;
this.prices=prices;
        }
@Overridepublicvoidrun() {
intprice=0;
try {
Thread.sleep((long) (Math.random() *6000));
price=productId;
            }catch (Exceptione){
e.printStackTrace();
            }
prices.add(price);
        }
    }
}

在代码中,新建了一个线程安全的 Set,命名为Prices 用它来存储价格信息,然后往线程池中去放任务。线程池是在类的最开始时创建的,是一个固定 3 线程的线程池。

在Task的run方法中,用一个随机的时间取模拟各个航空公司的响应时间,然后再返回我们传入的值作为票价,最后把这个票价放到Set中。

getPrices 函数中,我们新建了三个任务,productId 分别是 1、2、3,为了实现等待固定时间的功能,在这里调用了 Thread 的 sleep 方法来休眠 3 秒钟,它就会在这里等待 3 秒,之后直接返回 prices。

此时,如果 Math.random() * 6000) 的值很小,任务的响应速度快的话,返回的prices 里面最多会有三个值,但是如果每一个响应时间都很慢,那么可能 prices 里面一个值都没有。

这就是用线程池去实现的最基础的方案。

3.2 CountDownLatch

上面的方法有一个优化的空间,比如说网络特别好时,每个航空公司响应速度都特别快,你根本不需要等三秒,有的航空公司可能几百毫秒就返回了,那么我们也不应该让用户等 3 秒。所以需要进行一下这样的改进,看下面这段代码:

/*** @author alan* @create 2022 - 10 - 05  15:32*/publicclassCountDownLatchDemo {
ExecutorServicethreadPool=Executors.newFixedThreadPool(3);
publicstaticvoidmain(String[] args) throwsInterruptedException {
CountDownLatchDemocountDownLatchDemo=newCountDownLatchDemo();
System.out.println(countDownLatchDemo.getPrices());
    }
privateSet<Integer>getPrices() throwsInterruptedException {
Set<Integer>prices=Collections.synchronizedSet(newHashSet<Integer>());
CountDownLatchcountDownLatch=newCountDownLatch(3);
threadPool.submit(newTask(1, prices, countDownLatch));
threadPool.submit(newTask(2, prices, countDownLatch));
threadPool.submit(newTask(3, prices, countDownLatch));
countDownLatch.await(3, TimeUnit.SECONDS);
returnprices;
    }
privateclassTaskimplementsRunnable {
IntegerproductId;
Set<Integer>prices;
CountDownLatchcountDownLatch;
publicTask(IntegerproductId, Set<Integer>prices,CountDownLatchcountDownLatch) {
this.productId=productId;
this.prices=prices;
this.countDownLatch=countDownLatch;
        }
@Overridepublicvoidrun() {
intprice=0;
try {
Thread.sleep((long) (Math.random() *6000));
price=productId;
            } catch (InterruptedExceptione) {
e.printStackTrace();
            }
prices.add(price);
countDownLatch.countDown();
        }
    }
}

这段代码使用 CountDownLatch 实现了这个功能,整体思路和之前是一致的,不同点在于我们新增了一个 CountDownLatch,并且把它传入到了 Task 中。在 Task 中,获取完机票信息并且把它添加到 Set 之后,会调用 countDown 方法,相当于把计数减 1。

这样一来,在执行 countDownLatch.await(3, TimeUnit.SECONDS) 这个函数进行等待时,如果三个任务都非常快速地执行完毕了,那么三个线程都已经执行了 countDown 方法,那么这个 await 方法就会立刻返回,不需要傻等到 3 秒钟。

如果有一个请求特别慢,相当于有一个线程没有执行 countDown 方法,来不及在 3 秒钟之内执行完毕,那么这个带超时参数的 await 方法也会在 3 秒钟到了以后,及时地放弃这一次等待,于是就把 prices 给返回了。所以这样一来,我们就利用 CountDownLatch 实现了这个需求,也就是说我们最多等 3 秒钟,但如果在 3 秒之内全都返回了,我们也可以快速地去返回,不会傻等,提高了效率。

3.3 CompletableFuture

我们再来看一下用 CompletableFuture 来实现这个功能的用法,代码如下所示:

***@authoralan*@create2022-10-0515:59*/publicclassCompletableFutureDemo {
publicstaticvoidmain(String[] args) throwsException {
CompletableFutureDemocompletableFutureDemo=newCompletableFutureDemo();
System.out.println(completableFutureDemo.getPrices());
    }
privateSet<Integer>getPrices() {
Set<Integer>prices=Collections.synchronizedSet(newHashSet<Integer>());
CompletableFuture<Void>task1=CompletableFuture.runAsync(newTask(1, prices));
CompletableFuture<Void>task2=CompletableFuture.runAsync(newTask(2, prices));
CompletableFuture<Void>task3=CompletableFuture.runAsync(newTask(3, prices));
CompletableFuture<Void>allTasks=CompletableFuture.allOf(task1, task2, task3);
try {
allTasks.get(3, TimeUnit.SECONDS);
        } catch (Exceptione) {
e.printStackTrace();
        }
returnprices;
    }
privateclassTaskimplementsRunnable {
IntegerproductId;
Set<Integer>prices;
publicTask(IntegerproductId, Set<Integer>prices) {
this.productId=productId;
this.prices=prices;
        }
@Overridepublicvoidrun() {
intprice=0;
try {
Thread.sleep((long) (Math.random() *6000));
price=productId;
            } catch (InterruptedExceptione) {
e.printStackTrace();
            }
prices.add(price);
        }
    }
}

getPrices 方法中,我们用了 CompletableFuture 的 runAsync 方法,这个方法会异步的去执行任务。

我们有三个任务,并且在执行这个代码之后会分别返回一个 CompletableFuture 对象,我们把它们命名为 task 1、task 2、task 3,然后执行 CompletableFuture 的 allOf 方法,并且把 task 1、task 2、task 3 传入。这个方法的作用是把多个 task 汇总,然后可以根据需要去获取到传入参数的这些 task 的返回结果,或者等待它们都执行完毕等。我们就把这个返回值叫作 allTasks,并且在下面调用它的带超时时间的 get 方法,同时传入 3 秒钟的超时参数。

它的效果是,如果在 3 秒钟之内这 3 个任务都可以顺利返回,那么会立即响应结果

但是如果有某一个任务没能来得及在 3 秒钟之内返回,那么这个带超时参数的 get 方法便会抛出 TimeoutException 异常,会被我们给 catch 住。

这样一来它就实现了这样的效果:会尝试等待所有的任务完成,但是最多只会等 3 秒钟,在此之间,如及时完成则及时返回,如果超时则抛出异常丢弃。

站在巨人的肩膀上

  • 徐隆曦——《Java 并发编程核心 78 讲》
相关文章
|
25天前
|
缓存 Linux 测试技术
微服务过载保护原理与实战
微服务过载保护原理与实战
|
3月前
|
NoSQL Java 数据库
优化基于阿里云的微服务架构下的数据库访问性能
在应对大型电商项目中数据库访问性能瓶颈问题时,团队通过阿里云工具分析发现高QPS、慢查询和不合理数据交互是关键。优化措施包括:1) 索引优化,针对慢查询添加或调整索引;2) 开启读写分离,使用RDS读写分离功能和DRDS进行水平拆分;3) 引入Redis缓存热点数据,减少直接数据库访问;4) 服务化数据访问,降低跨服务数据库调用;5) 使用Sentinel进行限流和熔断,保护数据库资源。这些改进显著提升了系统响应速度和用户体验。
|
4月前
|
存储 算法 NoSQL
微服务和分布式的区别
微服务和分布式的区别
291 0
|
4月前
|
运维 负载均衡 前端开发
微服务和分布式的联系与区别什么?
微服务和分布式的联系与区别什么?
127 0
|
11月前
|
算法 安全 Java
架构设计第十一讲:架构之高并发:限流
架构设计第十一讲:架构之高并发:限流
128 0
|
11月前
|
缓存 监控 容灾
0-1设计高可用、高并发、高伸缩的分布式项目架构
0-1设计高可用、高并发、高伸缩的分布式项目架构
|
消息中间件 缓存 资源调度
最实用的高并发任务执行架构设计 | 架构篇(2)
最实用的高并发任务执行架构设计 | 架构篇
最实用的高并发任务执行架构设计 | 架构篇(2)
|
缓存 运维 Cloud Native
高并发场景微服务实战(一)
以一个虚拟的高并发场景的微服务系统为主线,一步步将技术点串联起来,多线程 -> 高并发 -> 服务注册 -> 服务发现 -> 服务接口管理 -> 配置中心 -> 分布式事务 -> 统一网关 -> 服务限流降级 -> 性能测试等,一个点一个点慢慢啃,由点成线,由线成面, 系统性从 0 到 1 的创造一个高并发场景的微服务系统。
301 0
高并发场景微服务实战(一)
|
运维 SpringCloudAlibaba 监控
分布式任务调度框架和微服务的区别
分布式大行其下的时代,让大家彻底的抛弃了传统陈旧的技术框架。几乎每一个技术人都知道和掌握了微服务架构,微服务自然有它的美,但是所以技术框架都必须服务于业务,结合自身业务选取甚至自研适合自身的技术框架也是技术人必须首先考虑的事情。分布式作业调度框架,是一个开发迅速、学习简单、轻量级、易扩展、高可用分布式任务调度框架。
448 0
分布式任务调度框架和微服务的区别
|
存储 安全 Java
并行获取机票信息—高并发场景微服务实战(七)
你好,我是程序员Alan, 很高兴遇见你。 在《 需求分析—高并发场景微服务实战(二)》一文的最后,我提了一个问题 “你会用什么方式获取和聚合机票信息?”,今天我会详细地讲解解决这类问题的几种常用方法。
167 0
并行获取机票信息—高并发场景微服务实战(七)