JDK版本：jdk17
IDEA版本：IntelliJ IDEA 2022.1.3
文章目录
- 前言
- 一、异步任务的交互
- 1.1 applyToEither
- 1.2 acceptEither
- 1.3 runAfterEither
- 二、get() 和 join() 区别
- 三、ParallelStream VS CompletableFuture
- 3.1 使用串行流执行并统计总耗时
- 3.2 使用并行流执行并统计总耗时
- 3.3 使用串行流和CompletableFutre组合执行并统计总耗时
- 3.4 使用串行流和CompletableFutre组合执行并统计总耗时（优化：指定线程数量）
- 3.5 注意合理配置线程池中的线程数
- 四、大数据商品比价Demo（实践）
- 4.1 需求描述和分析
- 4.2 构建工具类和实体类
- 4.3 构建 HttpRequest
- 4.4 使用串行的方式操作商品比价
- 4.5 使用Future+线程池增加并行
- 4.6 使用CompletableFuture进一步增强并行
- 4.7 需求变更：同一个平台比较同款产品（iPhone15)不同色系的价格
前言
在前面入门篇中的内容中，我们详细介绍了异步编程Completablefuture的基本用法等相关知识；接下来，在本文进阶篇我们将详细探讨Completablefuture与stream API 相结合的具体用法，以及进一步增强并行处理的相关知识和案例用法
提示：以下是本篇文章正文内容，下面案例可供参考
一、异步任务的交互
释义
异步任务的交互是指在异步任务获取结果的速度相比较中，按一定的规则（先到先得）进行下一步处理
1.1 applyToEither
说明
applyToEither()把两个异步任务做比较，异步任务先得到结果的，就对其获得的结果进行下一步操作。
案例
演示使用最先完成的异步任务的结果
示例代码如下
public static void main(String[] args) throws ExecutionException, InterruptedException {
//异步任务1
CompletableFuture<Integer> future1 = CompletableFuture.supplyAsync(() -> {
int x = new Random().nextInt(3);
CommonUtils.sleepSecond(x);
CommonUtils.printTheadLog("任务1耗时" + x + "秒");
return x;
});
//异步任务2
CompletableFuture<Integer> future2 = CompletableFuture.supplyAsync(() -> {
int y = new Random().nextInt(3);
CommonUtils.sleepSecond(y);
CommonUtils.printTheadLog("任务2耗时" + y + "秒");
return y;
});
//哪个异步任务结果先到达，使用哪个异步任务的结果
CompletableFuture<Integer> future3 = future1.applyToEither(future2, result -> {
CommonUtils.printTheadLog("最先到达的是" + result);
return result;
});
CommonUtils.sleepSecond(4);
Integer ret = future3.get();
CommonUtils.printTheadLog("ret ="+ret);
//异步任务交互指两个异步任务，哪个结果先到，就使用哪个结果（先到先用）
}
运行如下
以下是applyToEither 和其对应的异步回调版本
CompletableFuture<U> applyToEither(CompletionStage<? extends T> other, Function<? super T, U> fn)
CompletableFuture<U> applyToEitherAsync(CompletionStage<? extends T> other, Function<? super T, U> fn)
CompletableFuture<U> applyToEitherAsync(CompletionStage<? extends T> other, Function<? super T, U> fn,Executor executor)
1.2 acceptEither
说明
acceptEither()把两个异步任务做比较，异步任务先到结果的，就对先到的结果进行下一步操作(消费使用)
以下是acceptEither和其对应的异步回调版本
CompletableFuture<Void> acceptEither(CompletionStage<? extends T> other, Consumer<? super T> action)
CompletableFuture<Void> acceptEitherAsync(CompletionStage<? extends T> other, Consumer<? super T> action)
CompletableFuture<Void> acceptEitherAsync(CompletionStage<? extends T> other, Consumer<? super T> action,Executor executor)
案例
演示使用最先完成的异步任务的结果
示例代码如下
public static void main(String[] args) {
//异步任务1
CompletableFuture<Integer> future1 = CompletableFuture.supplyAsync(() -> {
int x = new Random().nextInt(3);
CommonUtils.sleepSecond(x);
CommonUtils.printTheadLog("任务1耗时" + x + "秒");
return x;
});
//异步任务2
CompletableFuture<Integer> future2 = CompletableFuture.supplyAsync(() -> {
int y = new Random().nextInt(3);
CommonUtils.sleepSecond(y);
CommonUtils.printTheadLog("任务2耗时" + y + "秒");
return y;
});
//哪个异步任务结果先到达，使用哪个异步任务的结果
future1.acceptEither(future2,result-> {
CommonUtils.printTheadLog("最先到达的是"+result);
});
CommonUtils.sleepSecond(4);
}
运行如下
1.3 runAfterEither
说明
如果不关心最先到达的结果，只想在有一个异步任务完成时得到完成的通知，可以使用 runAfterEither()
以下是它的相关方法
CompletableFuture<Void> runAfterEither(CompletionStage<?> other,Runnable action)
CompletableFuture<Void> runAfterEitherAsync(CompletionStage<?> other,Runnable action)
CompletableFuture<Void> runAfterEitherAsync(CompletionStage<?> other,Runnable action,Executor executor)
案例
演示在最先完成的异步任务时得到它完成的通知
示例代码如下
public static void main(String[] args) {
//异步任务1
CompletableFuture<Integer> future1 = CompletableFuture.supplyAsync(() -> {
int x = new Random().nextInt(3);
CommonUtils.sleepSecond(x);
CommonUtils.printTheadLog("任务1耗时" + x + "秒");
return x;
});
//异步任务2
CompletableFuture<Integer> future2 = CompletableFuture.supplyAsync(() -> {
int y = new Random().nextInt(3);
CommonUtils.sleepSecond(y);
CommonUtils.printTheadLog("任务2耗时" + y + "秒");
return y;
});
future1.runAfterEither(future2, () -> {
CommonUtils.printTheadLog("有一个异步任务执行完成");
});
CommonUtils.sleepSecond(4);
/**
* thenApply thenAccept thenRun
* 对上一个异步任务的结果进行操作（转换、消费使用等）
*
*applyToEither acceptEither runAfterEither
* 对两个异步任务先到的结果进行燥作（转换，消费使用）
*/
}
运行如下
Trips
在之前入门篇的文章中，我们学习了CompletableFuture的thenApply
，thenAccept与thenRun()的使用，它们和以上的applyToEither ，acceptEither与
runAfterEither看似都在对异步任务的结果进行燥作（转换，消费使用），而实则针对操作对象的结果存在不同
thenApply() ，thenAccept() ，thenRun()：对上一个异步任务的结果进行操作（转换、消费使用等）applyToEither() ，acceptEither()，runAfterEither()：对两个异步任务先到的结果进行燥作（转换，消费使用）
二、get() 和 join() 区别
说明
get() 和 join() 都是CompletableFuture提供的以阻塞方式获取结果的方法
那么该如何选用呢？ 请看如下案例：
public class GetOrJoinDemo {
public static void main(String[] args) {
// get or join
CompletableFuture<String> future = CompletableFuture.supplyAsync(() -> {
return "hello";
});
String ret = null;
// 抛出检查时异常，必须处理
try {
String ret = future.get();
} catch (InterruptedException e) {
throw new RuntimeException(e);
} catch (ExecutionException e) {
throw new RuntimeException(e);
}
System.out.println(("ret = " + ret);
// 抛出运行时异常，可以不处理
String ret = future.join();
System.out.println(("ret = " + ret);
}
}
结论
使用时，我们发现，get() 抛出检查时异常，需要程序必须处理；而join() 方法抛出运行时异常，程序可以不处理。所以， join()更适合用在流式编程中
三、ParallelStream VS CompletableFuture
思考
- CompletableFuture 虽然提高了任务并行处理能力，如果它和 Stream API 结合使用，能否进一步多个任务的并行处理能力呢？
- Stream API 本身就提供了并行流 ParallelStream，CompletableFuture和它之间有什么不同呢？
我们将通过一个耗时的任务来体现它们的不同， 更重要地是，我们能进一步加强 CompletableFuture 和 Stream API的结合使用，同时搞清楚 CompletableFuture 在流式操作的优势
案例
创建10个 MyTask 耗时的任务， 统计它们执行完的总耗时
准备工作
定义一个 MyTask 类，来模拟耗时的长任务
示例代码如下
public class MyTask {
private int duration;
public MyTask(int duration) {
this.duration = duration;
}
// 模拟耗时的长任务
public int doWork() {
CommonUtils.printTheadLog("doWork");
CommonUtils.sleepSecond(duration);
return duration;
}
}
3.1 使用串行流执行并统计总耗时
方案1
在主线程中使用串行流执行
示例代码如下
public static void main(String[] args) {
//需求：创建10个MyTask耗时的任务，统计它们执行完的总耗时
//方案一：在主线程中使用串行执行
//step 1: 创建1日个MyTask对象，每个任务持续1s,存入List集合
IntStream intStream = IntStream.range(0, 10);
List<MyTask> tasks = intStream.mapToObj(item -> {
return new MyTask(1);
}).collect(Collectors.toList());
//step 2: 执行10个MyTask,统计总耗时
long start = System.currentTimeMillis();
List<Integer> results = tasks.stream().map(myTask -> {
return myTask.doWork();
}).collect(Collectors.toList());
long end = System.currentTimeMillis();
double costTime = (end - start) / 1000.0;
System.out.printf("processed %d tasks %.2f second", tasks.size(), costTime);
}
运行如下
统计总耗时
10.12 second
3.2 使用并行流执行并统计总耗时
方案2
使用并行流执行统计
示例代码如下
public static void main(String[] args) {
//需求：创建10个MyTask耗时的任务，统计它们执行完的总耗时
//方案二：使用并行流
//step 1: 创建1日个MyTask对象，每个任务持续1s,存入List集合
IntStream intStream = IntStream.range(0, 10);
List<MyTask> tasks = intStream.mapToObj(item -> {
return new MyTask(1);
}).collect(Collectors.toList());
//step 2: 执行10个MyTask,统计总耗时
long start = System.currentTimeMillis();
List<Integer> results = tasks.parallelStream().map(myTask -> {
return myTask.doWork();
}).collect(Collectors.toList());
long end = System.currentTimeMillis();
double costTime = (end - start) / 1000.0;
System.out.printf("processed %d tasks %.2f second", tasks.size(), costTime);
}
运行如下
统计总耗时
3.04 second
3.3 使用串行流和CompletableFutre组合执行并统计总耗时
方案3
用并行流和CompletableFutre组合使用
示例代码如下
public static void main(String[] args) {
//需求：创建10个MyTask耗时的任务，统计它们执行完的总耗时
//方案三：使用并行流和CompletableFutre组合使用
//step 1: 创建1日个MyTask对象，每个任务持续1s,存入List集合
IntStream intStream = IntStream.range(0, 10);
List<MyTask> tasks = intStream.mapToObj(item -> {
return new MyTask(1);
}).collect(Collectors.toList());
//step 2: 根据MyTask对象构建10个耗时的异步任务
long start = System.currentTimeMillis();
// List<CompletableFuture<Integer>> futures = tasks.parallelStream().map(myTask -> {
// return CompletableFuture.supplyAsync(() -> {
// return myTask.doWork();
// });
// }).collect(Collectors.toList());
List<CompletableFuture<Integer>> futures = tasks.stream().map(myTask -> {
return CompletableFuture.supplyAsync(() -> {
return myTask.doWork();
});
}).collect(Collectors.toList());
//step 3: 当所有任务完成时，获取每个异步任务的执行结果，存入L1st集合中
List<Integer> results = futures.stream().map(future -> {
return future.join();
}).collect(Collectors.toList());
long end = System.currentTimeMillis();
double costTime = (end - start) / 1000.0;
System.out.printf("processed %d tasks %.2f second", tasks.size(), costTime);
}
运行如下
统计总耗时
4.05 second
发现
本人使用CompletableFutre执行比之前使用并行流多花了约
1.01秒的时间
本机CPU相关的核数配置如下
根据上述运行对比，CompletableFutre与并行流二者使用的时间大致一样，能否进一步优化呢？
CompletableFuture 比 ParallelSteam 优点之一是你可以指定Excutor去处理任务。你能选择更合适数量的线程。我们可以选择大于Runtime.getRuntime().availableProcessors()
数量的线程， 如下所示
3.4 使用串行流和CompletableFutre组合执行并统计总耗时（优化：指定线程数量）
示例代码如下
public static void main(String[] args) {
// CompletableFuture 在流式操作中的优势
// 需求： 创建10个 MyTask 耗时的任务， 统计它们执行完的总耗时
// 方案四：使用CompletableFuture（指定线程数量）
// step 1: 创建10个MyTask对象，每个任务持续1s, 存入List集合
IntStream intStream = IntStream.range(0, 10);
List<MyTask> tasks = intStream.mapToObj(item -> {
return new MyTask(1);
}).collect(Collectors.toList());
// 准备线程池
int N_CPU = Runtime.getRuntime().availableProcessors();
// 设置线程池中的线程的数量至少为10
ExecutorService executor = Executors.newFixedThreadPool(Math.min(tasks.size(),N_CPU * 2));
// step 2: 根据MyTask对象构建10个异步任务
List<CompletableFuture<Integer>> futures = tasks.stream().map(myTask -> {
return CompletableFuture.supplyAsync(()-> {
return myTask.doWork();
},executor);
}).collect(Collectors.toList());
// step 3: 执行异步任务，执行完成后，获取异步任务的结果，存入List集合中，统计总耗时
long start = System.currentTimeMillis();
List<Integer> results = futures
.stream()
.map(CompletableFuture::join)
.collect(Collectors.toList());
long end = System.currentTimeMillis();
double costTime = (end - start) / 1000.0;
System.out.printf("processed %d tasks %.2f second", tasks.size(), costTime);
// 关闭线程池
executor.shutdown();
/**
* 总结
* CompLetabLeFuture可以控制更多的线程数量，而ParalLelstream不能
*/
}
运行如下
统计总耗时
2.02 second
Trips
测试运行时，本机电脑配置是4核4线程，而我们创建的线程池中线程数最少也是10个，所以每个线程负责一个任务（耗时1s）总体来说， 处理10个任务就得分成这样执行（第一次先分4个线程并行处理四个任务；第二次也分4个线程并行处理四个任务；第三次分两个线程并行处理剩下的l两个任务），故总共需要2.02秒
3.5 注意合理配置线程池中的线程数
正如我们看到的，CompletableFuture 可以更好的控制线程池的数量，而 parallelStream 不能
问题1：如何选用 CompletableFuture 和 ParallelStream?
- 如果你的任务是IO密集型，你应该使用 CompletableFuture;
- 如果你的任务是CPU密集型，使用比处理器更多的线程是没有意义的，所以选择 ParallelSteam，因为它不需要创建线程池，更容易使用。
问题2：IO密集型任务和CPU密集型任务的区别？
CPU密集型也叫计算密集型，此时，系统运行时大部分的状况是CPU占用率近乎100%，I/O在很短的时间可以完成，而CPU还有许多运算要处理，CPU使用率很高。比如计算1+2+3…+10万亿、天文计算、圆周率后几十位等，都属于CPU密集型程序。
CPU密集型任务的特点：大量计算，CPU占用率一般都很高，I/O时间很短
IO密集型指大部分的状况是CPU在等I/O（硬盘/内存）的读写操作，但CPU的使用率不高。
简单的说，就是需要大量的输入输出，例如读写文件、传输文件，网络请求。 IO密集型任务的特点：大量网络请求，文件操作，CPU运算少，很多时候CPU在等待资源才能进一步操作。
问题3：既然要控制线程池的数量，多少合适呢？
- 如果是CPU密集型任务，就需要尽量压榨CPU,参数值可以设为 Ncpu + 1
- 如果是IO密集型任务，参考值可以设置为 2 * Ncpu，其中 Ncpu 表示核心数
注意
以上给的是业界认为的参考值， 详细配置的问题以后再行讨论，故不在赘述
四、大数据商品比价Demo（实践）
4.1 需求描述和分析
实现一个大数据比价服务，价格数据可以从京东、天猫、拼多多等平台去获取指定商品的价格、优惠金额，然后计算出实际付款金额（商品价格 -优惠金额），最终返回价格最优的平台与价格信息
4.2 构建工具类和实体类
①定义价格实体类 PriceResult
示例代码如下
public class PriceResult {
private int price;
private int discount;
private int realPrice;
private String platform;
public PriceResult() {
}
public PriceResult(String platform) {
this.platform = platform;
}
public PriceResult(int price, int discount, int realPrice, String platform) {
this.price = price;
this.discount = discount;
this.realPrice = realPrice;
this.platform = platform;
}
public int getPrice() {
return price;
}
public void setPrice(int price) {
this.price = price;
}
public int getDiscount() {
return discount;
}
public void setDiscount(int discount) {
this.discount = discount;
}
public int getRealPrice() {
return realPrice;
}
public void setRealPrice(int realPrice) {
this.realPrice = realPrice;
}
public String getPlatform() {
return platform;
}
public void setPlatform(String platform) {
this.platform = platform;
}
@Override
public String toString() {
return "PriceResult{" +
"平台='" + platform + '\'' +
", 平台价=" + price +
", 优惠价=" + discount +
", 最终价=" + realPrice +
'}';
}
}
②修改工具类CommonUtils, 添加getCurrenTime()方法获取当前时间并格式化，添加 printThreadLog1()方法，在原先printThreadLog()方法的基础上把时间戳换成当前时间
示例代码如下
public class CommonUtils {
// 读取文件路径的文件
public static String readFile(String pathToFile) {
try {
return Files.readString(Paths.get(pathToFile));
} catch (IOException e) {
e.printStackTrace();
return "";
}
}
// 休眠指定的毫秒数
public static void sleepMillis(long millis) {
try {
TimeUnit.MILLISECONDS.sleep(millis);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
// 休眠指定的秒数
public static void sleepSecond(long second) {
try {
TimeUnit.SECONDS.sleep(second);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
//获取当前时间
private static String getCurrentTime() {
LocalTime now = LocalTime.now();
return now.format(DateTimeFormatter.ofPattern("[HH:mm::ss.SS"));
}
// 打印输出带线程信息的日志
public static void printTheadLog(String message) {
// 时间戳 | 线程id | 线程名 | 日志信息
String result = new StringJoiner(" | ")
.add(String.valueOf(System.currentTimeMillis()))
.add(String.format("%2d", Thread.currentThread().getId()))
.add(Thread.currentThread().getName())
.add(message)
.toString();
System.out.println(result);
}
// 打印输出带线程信息的日志
public static void printTheadLog1(String message) {
// 当前时间 | 线程id | 线程名 | 日志信息
String result = new StringJoiner(" | ")
.add(getCurrentTime())
.add(String.format("%2d", Thread.currentThread().getId()))
.add(Thread.currentThread().getName())
.add(message)
.toString();
System.out.println(result);
}
}
4.3 构建 HttpRequest
HttpRequest 用于模拟网络请求（耗时的操作）
示例代码如下
public class HttpRequest {
private static void mockCostTimeOperation() {
CommonUtils.sleepSecond(1);
}
// 获取淘宝平台的商品价格
public static PriceResult getTaobaoPrice(String productName) {
CommonUtils.printTheadLog("获取淘宝上" + productName + "价格");
mockCostTimeOperation();
PriceResult priceResult = new PriceResult("淘宝");
priceResult.setPrice(5199);
CommonUtils.printTheadLog("获取淘宝上" + productName + "价格完成：5199");
return priceResult;
}
// 获取淘宝平台的优惠
public static int getTaoBaoDiscount(String productName) {
CommonUtils.printTheadLog("获取淘宝上" + productName + "优惠");
mockCostTimeOperation();
CommonUtils.printTheadLog("获取淘宝上" + productName + "优惠完成：-200");
return 200;
}
// 获取京东平台的商品价格
public static PriceResult getJDongPrice(String productName) {
CommonUtils.printTheadLog1("获取京东上" + productName + "价格");
mockCostTimeOperation();
PriceResult priceResult = new PriceResult("淘宝");
priceResult.setPrice(5299);
CommonUtils.printTheadLog1("获取京东上" + productName + "价格完成：5299");
return priceResult;
}
// 获取京东平台的优惠
public static int getJDongDiscount(String productName) {
CommonUtils.printTheadLog1("获取京东上" + productName + "优惠");
mockCostTimeOperation();
CommonUtils.printTheadLog1("获取京东上" + productName + "优惠完成：-150");
return 150;
}
// 获取拼多多平台的商品价格
public static PriceResult getPDDPrice(String productName) {
CommonUtils.printTheadLog1("获取拼多多上" + productName + "价格");
mockCostTimeOperation();
PriceResult priceResult = new PriceResult("拼多多");
priceResult.setPrice(5399);
CommonUtils.printTheadLog1("获取拼多多上" + productName + "价格完成：5399");
return priceResult;
}
// 获取拼多多平台的优惠
public static int getPDDDiscount(String productName) {
CommonUtils.printTheadLog1("获取拼多多上" + productName + "优惠");
mockCostTimeOperation();
CommonUtils.printTheadLog1("获取拼多多上" + productName + "优惠完成：-5300");
return 5300;
}
}
4.4 使用串行的方式操作商品比价
①ComparePriceService类代码如下
public class ComparePriceService {
// 方案一：串行方式操作商品比价
public PriceResult getCheapestPlatformPrice(String productName) {
PriceResult priceResult;
int discount;
// 获取淘宝平台的商品价格和优惠
priceResult = HttpRequest.getTaobaoPrice(productName);
discount = HttpRequest.getTaoBaoDiscount(productName);
PriceResult taoBaoPriceResult = this.computeRealPrice(priceResult, discount);
// 获取京东平台的商品价格和优惠
priceResult = HttpRequest.getJDongPrice(productName);
discount = HttpRequest.getJDongDiscount(productName);
PriceResult jDongPriceResult = this.computeRealPrice(priceResult, discount);
// 获取拼多多平台的商品价格和优惠
priceResult = HttpRequest.getPDDPrice(productName);
discount = HttpRequest.getPDDDiscount(productName);
PriceResult pddPriceResult = this.computeRealPrice(priceResult, discount);
// 计算最优的平台和价格
Stream<PriceResult> stream = Stream.of(taoBaoPriceResult, jDongPriceResult, pddPriceResult);
Optional<PriceResult> minOpt = stream.min(Comparator.comparing(priceRes -> {
return priceRes.getRealPrice();
}));
PriceResult result = minOpt.get();
return result;
// return Stream.of(taoBaoPriceResult, jDongPriceResult, pddPriceResult)
// .min(Comparator.comparing(PriceResult::getRealPrice))
// .get();
}
// 计算商品的最终价格 = 平台价格 - 优惠价
public PriceResult computeRealPrice(PriceResult priceResult, int discount) {
priceResult.setRealPrice(priceResult.getPrice() - discount);
priceResult.setDiscount(discount);
CommonUtils.printTheadLog(priceResult.getPlatform() + "最终价格计算完成" + priceResult.getRealPrice());
return priceResult;
}
}
②main方法中执行
示例代码如下
public static void main(String[] args) {
//1. 使用串行方式操作商品比价
ComparePriceService service = new ComparePriceService();
long start = System.currentTimeMillis();
PriceResult priceResult = service.getCheapestPlatformPrice("iphone16");
long end = System.currentTimeMillis();
double costTime = (end - start)/1000.0;
System.out.printf("cost %.2f second processed\n",costTime);
System.out.println("priceResult = " + priceResult);
}
运行如下
统计总耗时
6.11 second
4.5 使用Future+线程池增加并行
①ComparePriceService类代码如下
public class ComparePriceService {
//方案二：使用Future + 线程池 操作商品比价
public PriceResult getCheapestPlatformPrice2(String productName) {
// 线程池
ExecutorService executor = Executors.newFixedThreadPool(4);
// 获取淘宝平台的商品价格和优惠
Future<PriceResult> taobaoFuture = executor.submit(() -> {
PriceResult priceResult = HttpRequest.getTaobaoPrice(productName);
int discount = HttpRequest.getTaoBaoDiscount(productName);
return this.computeRealPrice(priceResult, discount);
});
// 获取京东平台的商品价格和优惠
Future<PriceResult> jdFuture = executor.submit(() -> {
PriceResult priceResult = HttpRequest.getJDongPrice(productName);
int discount = HttpRequest.getJDongDiscount(productName);
return this.computeRealPrice(priceResult, discount);
});
// 获取拼多多平台的商品价格和优惠
Future<PriceResult> pddFuture = executor.submit(() -> {
PriceResult priceResult = HttpRequest.getPDDPrice(productName);
int discount = HttpRequest.getPDDDiscount(productName);
return this.computeRealPrice(priceResult, discount);
});
// 计算最优的平台和价格
PriceResult priceResult = Stream.of(taobaoFuture, jdFuture, pddFuture)
.map(item -> {
try {
//假设延时5s后，就不要它的结果，所以返回一个空
return item.get(5, TimeUnit.SECONDS);
} catch (Exception e) {
e.printStackTrace();
return null;
}finally {
executor.shutdown();
}
}).filter(Objects::nonNull)
.min(Comparator.comparing(PriceResult::getRealPrice)).get();
return priceResult;
}
// 计算商品的最终价格 = 平台价格 - 优惠价
public PriceResult computeRealPrice(PriceResult priceResult, int discount) {
priceResult.setRealPrice(priceResult.getPrice() - discount);
priceResult.setDiscount(discount);
CommonUtils.printTheadLog(priceResult.getPlatform() + "最终价格计算完成" + priceResult.getRealPrice());
return priceResult;
}
}
②main方法中执行
示例代码如下
public static void main(String[] args) {
//2.使用Future + 线程池 操作商品比价
ComparePriceService service = new ComparePriceService();
long start = System.currentTimeMillis();
PriceResult priceResult = service.getCheapestPlatformPrice2("iphone16");
long end = System.currentTimeMillis();
double costTime = (end - start)/1000.0;
System.out.printf("cost %.2f second processed\n",costTime);
System.out.println("priceResult = " + priceResult);
}
运行如下
统计总耗时
2.05 second
4.6 使用CompletableFuture进一步增强并行
①ComparePriceService类代码如下
public class ComparePriceService {
//方案三：使用CompletableFuture 操作商品比价
public PriceResult getCheapestPlatformPrice3(String productName) {
// 获取淘宝平台的商品价格和优惠
CompletableFuture<PriceResult> taobaofuture = CompletableFuture.supplyAsync(() -> HttpRequest.getTaobaoPrice(productName))
.thenCombine(CompletableFuture.supplyAsync(() -> HttpRequest.getTaoBaoDiscount(productName)), (priceRsult, discount) -> {
return this.computeRealPrice(priceRsult, discount);
});
// 获取京东平台的商品价格和优惠
CompletableFuture<PriceResult> jdfuture = CompletableFuture.supplyAsync(() -> HttpRequest.getJDongPrice(productName))
.thenCombine(CompletableFuture.supplyAsync(() -> HttpRequest.getJDongDiscount(productName)), (priceRsult, discount) -> {
return this.computeRealPrice(priceRsult, discount);
});
// 获取拼多多平台的商品价格和优惠
CompletableFuture<PriceResult> pddfuture = CompletableFuture.supplyAsync(() -> HttpRequest.getPDDPrice(productName))
.thenCombine(CompletableFuture.supplyAsync(() -> HttpRequest.getPDDDiscount(productName)), (priceRsult, discount) -> {
return this.computeRealPrice(priceRsult, discount);
});
// 计算最优的平台和价格
PriceResult priceResult = Stream.of(taobaofuture, jdfuture, pddfuture)
.map(future -> future.join())
.min(Comparator.comparing(item -> item.getRealPrice()))
.get();
return priceResult;
}
// 计算商品的最终价格 = 平台价格 - 优惠价
public PriceResult computeRealPrice(PriceResult priceResult, int discount) {
priceResult.setRealPrice(priceResult.getPrice() - discount);
priceResult.setDiscount(discount);
CommonUtils.printTheadLog(priceResult.getPlatform() + "最终价格计算完成" + priceResult.getRealPrice());
return priceResult;
}
}
②main方法中执行
示例代码如下
public static void main(String[] args) {
//3.使用CompletableFuture 操作商品比价
ComparePriceService service = new ComparePriceService();
long start = System.currentTimeMillis();
PriceResult priceResult = service.getCheapestPlatformPrice3("iphone15");
long end = System.currentTimeMillis();
double costTime = (end - start)/1000.0;
System.out.printf("cost %.2f second processed\n",costTime);
System.out.println("priceResult = " + priceResult);
}
运行如下
统计总耗时
2.06 second
4.7 需求变更：同一个平台比较同款产品（iPhone15)不同色系的价格
说明
使用异步任务的批量操作实现
①ComparePriceService类代码如下
public class ComparePriceService {
// 计算商品的最终价格 = 平台价格 - 优惠价
public PriceResult computeRealPrice(PriceResult priceResult, int discount) {
priceResult.setRealPrice(priceResult.getPrice() - discount);
priceResult.setDiscount(discount);
CommonUtils.printTheadLog(priceResult.getPlatform() + "最终价格计算完成" + priceResult.getRealPrice());
return priceResult;
}
public PriceResult batchComparePrice(List<String> products) {
// step 1:遍历每个商品的名字， 根据商品名称开启异步任务获取最终价， 归集到List集合中
List<CompletableFuture<PriceResult>> futureList = products.stream()
.map(productName -> {
return CompletableFuture.supplyAsync(() -> HttpRequest.getTaobaoPrice(productName))
.thenCombine(CompletableFuture.supplyAsync(() -> HttpRequest.getTaoBaoDiscount(productName)), (priceRsult, discount) -> {
return this.computeRealPrice(priceRsult, discount);
});
}).collect(Collectors.toList());
// step 2: 把多个商品的最终价进行排序获取最小值
PriceResult priceResult = futureList.stream()
.map(future -> future.join())
.sorted(Comparator.comparing(item -> item.getRealPrice()))
.findFirst()
.get();
return priceResult;
}
}
②main方法中执行
示例代码如下
public static void main(String[] args) {
// 异步任务的批量操作
// 测试在一个平台比较同款产品（iPhone15)不同色系的价格
ComparePriceService service = new ComparePriceService();
long start = System.currentTimeMillis();
PriceResult priceResult = service.batchComparePrice(Arrays.asList("iphone15午夜黑","iphone15白色","iphone15淡青"));
long end = System.currentTimeMillis();
double costTime = (end - start)/1000.0;
System.out.printf("cost %.2f second processed\n",costTime);
System.out.println("priceResult = " + priceResult);
}
运行如下
统计总耗时
2.05 second
