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
注册配置 MSE Nacos/ZooKeeper,118元/月
服务治理 MSE Sentinel/OpenSergo,Agent数量 不受限
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
|
3天前
|
运维 NoSQL Java
后端架构演进:微服务架构的优缺点与实战案例分析
【10月更文挑战第28天】本文探讨了微服务架构与单体架构的优缺点,并通过实战案例分析了微服务架构在实际应用中的表现。微服务架构具有高内聚、低耦合、独立部署等优势,但也面临分布式系统的复杂性和较高的运维成本。通过某电商平台的实际案例,展示了微服务架构在提升系统性能和团队协作效率方面的显著效果,同时也指出了其带来的挑战。
26 4
|
9天前
|
缓存 监控 Java
Java 线程池在高并发场景下有哪些优势和潜在问题?
Java 线程池在高并发场景下有哪些优势和潜在问题?
|
15天前
|
NoSQL Java Redis
京东双十一高并发场景下的分布式锁性能优化
【10月更文挑战第20天】在电商领域,尤其是像京东双十一这样的大促活动,系统需要处理极高的并发请求。这些请求往往涉及库存的查询和更新,如果处理不当,很容易出现库存超卖、数据不一致等问题。
37 1
|
28天前
|
存储 缓存 NoSQL
大数据-38 Redis 高并发下的分布式缓存 Redis简介 缓存场景 读写模式 旁路模式 穿透模式 缓存模式 基本概念等
大数据-38 Redis 高并发下的分布式缓存 Redis简介 缓存场景 读写模式 旁路模式 穿透模式 缓存模式 基本概念等
51 4
|
30天前
|
Java Linux
【网络】高并发场景处理:线程池和IO多路复用
【网络】高并发场景处理:线程池和IO多路复用
38 2
|
2月前
|
Dubbo Java 应用服务中间件
微服务框架Dubbo环境部署实战
微服务框架Dubbo环境部署的实战指南,涵盖了Dubbo的概述、服务部署、以及Dubbo web管理页面的部署,旨在指导读者如何搭建和使用Dubbo框架。
206 17
微服务框架Dubbo环境部署实战
|
2月前
|
运维 持续交付 API
深入理解并实践微服务架构:从理论到实战
深入理解并实践微服务架构:从理论到实战
116 3
|
24天前
|
Java Linux 应用服务中间件
【编程进阶知识】高并发场景下Bio与Nio的比较及原理示意图
本文介绍了在Linux系统上使用Tomcat部署Java应用程序时,BIO(阻塞I/O)和NIO(非阻塞I/O)在网络编程中的实现和性能差异。BIO采用传统的线程模型,每个连接请求都会创建一个新线程进行处理,导致在高并发场景下存在严重的性能瓶颈,如阻塞等待和线程创建开销大等问题。而NIO则通过事件驱动机制,利用事件注册、事件轮询器和事件通知,实现了更高效的连接管理和数据传输,避免了阻塞和多级数据复制,显著提升了系统的并发处理能力。
36 0
|
2月前
|
缓存 分布式计算 Hadoop
HBase在高并发场景下的性能分析
HBase在高并发场景下的性能受到多方面因素的影响,包括数据模型设计、集群配置、读写策略及性能调优等。合理的设计和配置可以显著提高HBase在高并发环境下的性能。不过,需要注意的是,由于项目和业务需求的不同,性能优化并没有一劳永逸的解决方案,需要根据实际情况进行针对性的调整和优化。
85 8
|
27天前
|
消息中间件 前端开发 Java
java高并发场景RabbitMQ的使用
java高并发场景RabbitMQ的使用
70 0