Reactor多任务并发执行且结果按顺序返回第一个
1 场景
调用多个平级服务,按照服务优先级返回第一个有效数据。
具体case:一个页面可能有很多的弹窗,弹窗之间又有优先级。每次只需要返回第一个有数据的弹窗。但是又希望所有弹窗之间的数据获取是异步的。这种场景使用 Reactor 怎么实现呢?
2 创建 service
2.1 创建基本接口和实体类
public interface TestServiceI {
Mono request();
}
提供一个 request 方法,返回一个 Mono 对象。
@Data
@ToString
@AllArgsConstructor
@NoArgsConstructor
public class TestUser {
private String name;
}
2.2 创建 service 实现
@Slf4j
public class TestServiceImpl1 implements TestServiceI {
@Override
public Mono request() {
log.info("execute.test.service1");
return Mono.fromSupplier(() -> {
try {
System.out.println("service1.threadName=" + Thread.currentThread().getName());
Thread.sleep(500);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
return "";
})
.map(name -> {
return new TestUser(name);
});
}
}
第一个 service 执行耗时 500ms。返回空对象;
创建第二个 service 执行耗时 1000ms。返回空对象;代码如上,改一下sleep时间即可。
继续创建第三个 service 执行耗时 1000ms。返回 name3。代码如上,改一下 sleep 时间,以及返回为 name3。
3 主体方法
public static void main(String[] args) {
long startTime = System.currentTimeMillis();
TestServiceI testServiceImpl4 = new TestServiceImpl4();
TestServiceI testServiceImpl5 = new TestServiceImpl5();
TestServiceI testServiceImpl6 = new TestServiceImpl6();
List<TestServiceI> serviceIList = new ArrayList<>();
serviceIList.add(testServiceImpl4);
serviceIList.add(testServiceImpl5);
serviceIList.add(testServiceImpl6);
// 执行 service 列表,这样有多少个 service 都可以
Flux<Mono<TestUser>> monoFlux = Flux.fromIterable(serviceIList)
.map(service -> {
return service.request();
});
// flatMap(或者flatMapSequential) + map 实现异常继续下一个执行
Flux flux = monoFlux.flatMapSequential(mono -> {
return mono.map(user -> {
TestUser testUser = JSONUtil.parsejson(JsonUtil.toJson(user), TestUser.class);
if (Objects.nonNull(testUser) && StringUtils.isNotBlank(testUser.getName())) {
return testUser;
}
// null 在 reactor 中是异常数据。
return null;
})
.onErrorContinue((err, i) -> {
log.info("onErrorContinue={}", i);
});
});
Mono mono = flux.elementAt(0, Mono.just(""));
Object block = mono.block();
System.out.println(block + "blockFirst 执行耗时ms:" + (System.currentTimeMillis() - startTime));
}
- 1、Flux.fromIterable 执行 service 列表,可以随意增删 service 服务。
- 2、flatMap(或者flatMapSequential) + map + onErrorContinue 实现异常继续下一个执行。具体参考:Reactor中的onErrorContinue 和 onErrorResume
- 3、Mono mono = flux.elementAt(0, Mono.just("")); 返回第一个正常数据。
执行输出:
20:54:26.512 [main] DEBUG reactor.util.Loggers - Using Slf4j logging framework
20:54:26.553 [main] INFO com.geniu.reactor.TestServiceImpl1 - execute.test.service1
service1.threadName=main
20:54:27.237 [main] INFO com.geniu.reactor.TestReactorOrderV2 - onErrorContinue=TestUser(name=)
20:54:27.237 [main] INFO com.geniu.reactor.TestServiceImpl2 - execute.test.service2
service5.threadName=main
20:54:28.246 [main] INFO com.geniu.reactor.TestReactorOrderV2 - onErrorContinue=TestUser(name=)
20:54:28.246 [main] INFO com.geniu.reactor.TestServiceImpl3 - execute.test.service3
service6.threadName=main
TestUser(name=name3)blockFirst 执行耗时ms:2895
- 1、service1 和 service2 因为返回空,所以继续下一个,最终返回 name3。
- 2、查看总耗时:2895ms。service1 耗时 500,service2 耗时1000,service3 耗时 1000。发现耗时基本上等于 service1 + service2 + service3 。这是怎么回事呢?查看返回执行的线程,都是 main。
总结:这样实现按照顺序返回第一个正常数据。但是执行并没有异步。下一步:如何实现异步呢?
4 实现异步
4.1 subcribeOn 实现异步
修改 service 实现。增加 .subscribeOn(Schedulers.boundedElastic())
如下:
@Slf4j
public class TestServiceImpl1 implements TestServiceI {
@Override
public Mono request() {
log.info("execute.test.service1");
return Mono.fromSupplier(() -> {
try {
System.out.println("service1.threadName=" + Thread.currentThread().getName());
Thread.sleep(500);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
return "";
})
//增加subscribeOn
.subscribeOn(Schedulers.boundedElastic())
.map(name -> {
return new TestUser(name);
});
}
}
再次执行输出如下:
21:02:04.213 [main] DEBUG reactor.util.Loggers - Using Slf4j logging framework
21:02:04.265 [main] INFO com.geniu.reactor.TestServiceImpl1 - execute.test.service1
service4.threadName=boundedElastic-1
21:02:04.300 [main] INFO com.geniu.reactor.TestServiceImpl2 - execute.test.service2
21:02:04.302 [main] INFO com.geniu.reactor.TestServiceImpl3 - execute.test.service3
service2.threadName=boundedElastic-2
service3.threadName=boundedElastic-3
21:02:04.987 [boundedElastic-1] INFO com.geniu.reactor.TestReactorOrderV2 - onErrorContinue=TestUser(name=)
21:02:05.307 [boundedElastic-2] INFO com.geniu.reactor.TestReactorOrderV2 - onErrorContinue=TestUser(name=)
TestUser(name=name6)blockFirst 执行耗时ms:1242
- 1、发现具体实现 sleep 的线程都不是 main 线程,而是
boundedElastic
; - 2、最终执行耗时 1242ms,只比执行时间最长的 service2 和 service3 耗时 1000ms,多一些。证明是异步了。
4.2 CompletableFuture 实现异步
修改 service 实现,使用 CompletableFuture 执行耗时操作(这里是sleep,具体到项目中可能是外部接口调用,DB 操作等);然后使用 Mono.fromFuture 返回 Mono 对象。
@Slf4j
public class TestServiceImpl1 implements TestServiceI{
@Override
public Mono request() {
log.info("execute.test.service1");
CompletableFuture<String> uCompletableFuture = CompletableFuture.supplyAsync(() -> {
try {
System.out.println("service1.threadName=" + Thread.currentThread().getName());
Thread.sleep(500);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
return "testname1";
});
return Mono.fromFuture(uCompletableFuture).map(name -> {
return new TestUser(name);
});
}
}
执行返回如下:
21:09:59.465 [main] DEBUG reactor.util.Loggers - Using Slf4j logging framework
21:09:59.510 [main] INFO com.geniu.reactor.TestServiceImpl2 - execute.test.service2
service2.threadName=ForkJoinPool.commonPool-worker-1
21:09:59.526 [main] INFO com.geniu.reactor.TestServiceImpl3 - execute.test.service3
service3.threadName=ForkJoinPool.commonPool-worker-2
21:09:59.526 [main] INFO com.geniu.reactor.TestServiceImpl1 - execute.test.service1
service1.threadName=ForkJoinPool.commonPool-worker-3
21:10:00.526 [ForkJoinPool.commonPool-worker-1] INFO com.geniu.reactor.TestReactorOrder - onErrorContinue=TestUser(name=)
21:10:00.538 [ForkJoinPool.commonPool-worker-2] INFO com.geniu.reactor.TestReactorOrder - onErrorContinue=TestUser(name=)
TestUser(name=testname1)blockFirst 执行耗时ms:1238
- 1、耗时操作都是使用 ForkJoinPool 线程池中的线程执行。
- 2、最终耗时和方法1基本差不多。
到此这篇关于Reactor 多任务并发执行且结果按顺序返回第一个的文章就介绍到这了,更多相关Reactor 多任务执行内容请搜索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!
相关文章