SpringBoot 多任务并行+线程池处理的实现

/** * 多任务并行+线程池统计 * 创建时间  2018年4月17日 */public class StatsDemo {  final static SimpleDateFormat sdf = new SimpleDateFormat(      "yyyy-MM-dd HH:mm:ss");    final static String startTime = sdf.format(new Date());    /**   * IO密集型任务 = 一般为2*CPU核心数（常出现于线程中：数据库数据交互、文件上传下载、网络数据传输等等）   * CPU密集型任务 = 一般为CPU核心数+1（常出现于线程中：复杂算法）   * 混合型任务 = 视机器配置和复杂度自测而定   */  private static int corePoolSize = Runtime.getRuntime().availableProcessors();  /**   * public ThreadPoolExecutor(int corePoolSize,int maximumPoolSize,long keepAliveTime,   *              TimeUnit unit,BlockingQueue<Runnable> workQueue)   * corePoolSize用于指定核心线程数量   * maximumPoolSize指定最大线程数   * keepAliveTime和TimeUnit指定线程空闲后的最大存活时间   * workQueue则是线程池的缓冲队列,还未执行的线程会在队列中等待   * 监控队列长度，确保队列有界   * 不当的线程池大小会使得处理速度变慢，稳定性下降，并且导致内存泄露。如果配置的线程过少，则队列会持续变大，消耗过多内存。   * 而过多的线程又会 由于频繁的上下文切换导致整个系统的速度变缓――殊途而同归。队列的长度至关重要，它必须得是有界的，这样如果线程池不堪重负了它可以暂时拒绝掉新的请求。   * ExecutorService 默认的实现是一个无界的 LinkedBlockingQueue。   */  private static ThreadPoolExecutor executor = new ThreadPoolExecutor(corePoolSize, corePoolSize+1, 10l, TimeUnit.SECONDS,      new LinkedBlockingQueue<Runnable>(1000));    public static void main(String[] args) throws InterruptedException {    CountDownLatch latch = new CountDownLatch(5);    //使用execute方法     executor.execute(new Stats("任务A", 1000, latch));     executor.execute(new Stats("任务B", 1000, latch));     executor.execute(new Stats("任务C", 1000, latch));     executor.execute(new Stats("任务D", 1000, latch));     executor.execute(new Stats("任务E", 1000, latch));    latch.await();// 等待所有人任务结束    System.out.println("所有的统计任务执行完成:" + sdf.format(new Date()));  }  static class Stats implements Runnable {    String statsName;    int runTime;    CountDownLatch latch;    public Stats(String statsName, int runTime, CountDownLatch latch) {      this.statsName = statsName;      this.runTime = runTime;      this.latch = latch;    }    public void run() {      try {        System.out.println(statsName+ " do stats begin at "+ startTime);        //模拟任务执行时间        Thread.sleep(runTime);        System.out.println(statsName + " do stats complete at "+ sdf.format(new Date()));        latch.countDown();//单次任务结束，计数器减一      } catch (InterruptedException e) {        e.printStackTrace();      }    }  }}

/** * 多任务并行+线程池统计 * 创建时间  2018年4月17日 */public class StatsDemo {  final static SimpleDateFormat sdf = new SimpleDateFormat(      "yyyy-MM-dd HH:mm:ss");    final static String startTime = sdf.format(new Date());    /**   * IO密集型任务 = 一般为2*CPU核心数（常出现于线程中：数据库数据交互、文件上传下载、网络数据传输等等）   * CPU密集型任务 = 一般为CPU核心数+1（常出现于线程中：复杂算法）   * 混合型任务 = 视机器配置和复杂度自测而定   */  private static int corePoolSize = Runtime.getRuntime().availableProcessors();  /**   * public ThreadPoolExecutor(int corePoolSize,int maximumPoolSize,long keepAliveTime,   *              TimeUnit unit,BlockingQueue<Runnable> workQueue)   * corePoolSize用于指定核心线程数量   * maximumPoolSize指定最大线程数   * keepAliveTime和TimeUnit指定线程空闲后的最大存活时间   * workQueue则是线程池的缓冲队列,还未执行的线程会在队列中等待   * 监控队列长度，确保队列有界   * 不当的线程池大小会使得处理速度变慢，稳定性下降，并且导致内存泄露。如果配置的线程过少，则队列会持续变大，消耗过多内存。   * 而过多的线程又会 由于频繁的上下文切换导致整个系统的速度变缓――殊途而同归。队列的长度至关重要，它必须得是有界的，这样如果线程池不堪重负了它可以暂时拒绝掉新的请求。   * ExecutorService 默认的实现是一个无界的 LinkedBlockingQueue。   */  private static ThreadPoolExecutor executor = new ThreadPoolExecutor(corePoolSize, corePoolSize+1, 10l, TimeUnit.SECONDS,      new LinkedBlockingQueue<Runnable>(1000));    public static void main(String[] args) throws InterruptedException {    List<Future<String>> resultList = new ArrayList<Future<String>>();     //使用submit提交异步任务，并且获取返回值为future    resultList.add(executor.submit(new Stats("任务A", 1000)));    resultList.add(executor.submit(new Stats("任务B", 1000)));    resultList.add(executor.submit(new Stats("任务C", 1000)));    resultList.add(executor.submit(new Stats("任务D", 1000)));    resultList.add(executor.submit(new Stats("任务E", 1000)));     //遍历任务的结果    for (Future<String> fs : resultList) {       try {         System.out.println(fs.get());//打印各个线任务执行的结果，调用future.get() 阻塞主线程，获取异步任务的返回结果      } catch (InterruptedException e) {         e.printStackTrace();       } catch (ExecutionException e) {         e.printStackTrace();       } finally {         //启动一次顺序关闭，执行以前提交的任务，但不接受新任务。如果已经关闭，则调用没有其他作用。        executor.shutdown();       }     }     System.out.println("所有的统计任务执行完成:" + sdf.format(new Date()));  }  static class Stats implements Callable<String> {    String statsName;    int runTime;    public Stats(String statsName, int runTime) {      this.statsName = statsName;      this.runTime = runTime;    }    public String call() {      try {        System.out.println(statsName+ " do stats begin at "+ startTime);        //模拟任务执行时间        Thread.sleep(runTime);        System.out.println(statsName + " do stats complete at "+ sdf.format(new Date()));      } catch (InterruptedException e) {        e.printStackTrace();      }      return call();    }  }}