背景

    随着订单量的持续上升，商家端提供了商家接单、配送等一系列核心功能，业务对系统吞吐量的要求也越来越高。商家端 API 服务是流量入口，所有商家端流量都会由其调度、聚合，对外面向商家提供功能接口，对内调度各个下游服务获取数据进行聚合，具有鲜明的 I/O 密集型（I/O Bound）特点。同步加载弊端逐渐显现，因此考虑改为异步加载。

为何需要并行加载

      外卖商家端 API 服务是典型的 I/O 密集型（I/O Bound）服务。除此之外，该服务的交易业务还有两个比较大的特点：

1、服务端必须一次返回订单卡片所有内容。需要从下游三十多个服务中获取数据。在特定条件下，如第一次登录和长时间没登录的情况下，客户端会分页拉取多个订单，这样发起的远程调用会更多。

2、商家端和服务端交互频繁。商家对订单状态变化敏感，多种推拉机制保证每次变更能够触达商家，导致 App 和服务端的交互频繁，每次变更需要拉取订单最新的全部内容。

并行加载的实现方式

    并行从下游获取数据，从 IO 模型上来讲分为同步模型和异步模型。

同步模型

      从各个服务获取数据最常见的是同步调用。在同步调用的场景下，接口耗时长、性能差，接口响应时长 T > T1+T2+T3+……+Tn，这时为了缩短接口的响应时间，一般会使用线程池的方式并行获取数据，商家端订单卡片的组装正是使用了这种方式。

产生的问题

1、CPU 资源大量浪费在阻塞等待上，导致 CPU 资源利用率低。在 Java 8 之前，一般会通过回调的方式来减少阻塞，但是大量使用回调，导致代码可读性和可维护性大大降低。

2、为了增加并发度，会引入更多额外的线程池，随着 CPU 调度线程数的增加，会导致更严重的资源争用，宝贵的 CPU 资源被损耗在上下文切换上，而且线程本身也会占用系统资源，且不能无限增加。

3、同步模型下，会导致硬件资源无法充分利用，系统吞吐量容易达到瓶颈。

NIO 异步模型

主要通过以下两种方式来减少线程池的调度开销和阻塞时间：

● 通过 RPC NIO 异步调用的方式可以降低线程数，从而降低调度（上下文切换）开销。

● 通过引入 CompletableFuture（下文简称 CF）对业务流程进行编排，降低依赖之间的阻塞。

CompletableFuture 使用与原理

        CompletableFuture 是由 Java 8 引入的，之前一般通过 Future 实现异步。

● Future 用于表示异步计算的结果，只能通过阻塞或者轮询的方式获取结果，而且不支持设置回调方法，Java 8 之前若要设置回调一般会使用 guava 的ListenableFuture，回调的引入又会导致臭名昭著的回调地狱（下面的例子会通过 ListenableFuture 的使用来具体进行展示）。

● CompletableFuture 对 Future 进行了扩展，可以通过设置回调的方式处理计算结果，同时也支持组合操作，支持进一步的编排，同时一定程度解决了回调地狱的问题。

        使用 CompletableFuture 也是构建依赖树的过程。一个 CompletableFuture 的完成会触发另外一系列依赖它的 CompletableFuture 的执行。根据 CompletableFuture 依赖数量，可以分为以下几类：零依赖、一元依赖、二元依赖和多元依赖。

零依赖

//1、使用 runAsync 或 supplyAsync 发起异步调用

CompletableFuture<String>cf1=CompletableFuture.supplyAsync(()->{

return“result1”;

},executor);

一元依赖：依赖一个 CF

CompletableFuture<String>cf3=cf1.thenApply(result1->{

//result1 为 CF1 的结果

//......

return“result3”;

});

二元依赖：依赖两个 CF

CompletableFuture<String>cf4=cf1.thenCombine(cf2, (result1,result2)->{

//result1 和 result2 分别为 cf1 和 cf2 的结果

return“result4”;

});

多元依赖：依赖多个 CF

CompletableFuture<Void>cf6=CompletableFuture.allOf(cf3,cf4,cf5);

CompletableFuture<String>result=cf6.thenApply(v->{

// 这里的 join 并不会阻塞，因为传给 thenApply 的函数是在 CF3、CF4、CF5 全部完成时，才会执行 。

result3=cf3.join();

result4=cf4.join();

result5=cf5.join();

// 根据 result3、result4、result5 组装最终 result;

return“result”;

});

CompletableFuture 原理

        CompletableFuture 中包含两个字段：result 和 stack。result 用于存储当前 CF的结果，stack（Completion）表示当前 CF 完成后需要触发的依赖动作（Dependency Actions），去触发依赖它的 CF 的计算，依赖动作可以有多个（表示有多个依赖它的 CF），以栈（Treiber stack）的形式存储，stack 表示栈顶元素。这种方式类似“观察者模式”，依赖动作（Dependency Action）都封装在一个单独Completion 子类中。

CompletableFuture 的设计思想

      按照类似“观察者模式”的设计思想，原理分析可以从“观察者”和“被观察者”两个方面着手。由于回调种类多，但结构差异不大，所以这里单以一元依赖中的thenApply 为例，不再枚举全部回调类型。

线程阻塞问题

      CompletableFuture 实现了 CompletionStage 接口，通过丰富的回调方法，支持各种组合操作，每种组合场景都有同步和异步两种方法。

1、同步方法（即不带 Async 后缀的方法）有两种情况。

● 如果注册时被依赖的操作已经执行完成，则直接由当前线程执行。

● 如果注册时被依赖的操作还未执行完，则由回调线程执行。

2、异步方法（即带 Async 后缀的方法）：可以选择是否传递线程池参数 Executor 运行在指定线程池中；当不传递 Executor 时，会使用 ForkJoinPool 中的共用线程池CommonPool（CommonPool 的大小是 CPU 核数 -1，如果是 IO 密集的应用，线程数可能成为瓶颈）。

线程池须知

1、异步回调要传线程池

        异步回调方法可以选择是否传递线程池参数 Executor，这里我们建议强制传线程池，且根据实际情况做线程池隔离。当不传递线程池时，会使用 ForkJoinPool 中的公共线程池 CommonPool，这里所有调用将共用该线程池，核心线程数 = 处理器数量 -1（单核核心线程数为 1），所有异步回调都会共用该 CommonPool，核心与非核心业务都竞争同一个池中的线程，很容易成为系统瓶颈。

        手动传递线程池参数可以更方便的调节参数，并且可以给不同的业务分配不同的线程池，以求资源隔离，减少不同业务之间的相互干扰。

2、线程池循环引用会导致死锁

      若出现父子任务 ，需要将父任务与子任务做线程池隔离，两个任务请求不同的线程池，避免循环依赖导致的阻塞。

3、异步 RPC 调用注意不要阻塞 IO 线程池

      服务异步化后很多步骤都会依赖于异步 RPC 调用的结果，这时需要特别注意一点，如果是使用基于 NIO（比如 Netty）的异步 RPC，则返回结果是由 IO 线程负责设置的，即回调方法由 IO 线程触发，CompletableFuture 同步回调（如 thenApply、thenAccept 等无 Async 后缀的方法）。

        如果依赖的同步 RPC 调用的返回结果，那么这些同步回调将运行在 IO 线程上，而整个服务只有一个 IO 线程池，这时需要保证同步回调中不能有阻塞等耗时过长的逻辑，否则在这些逻辑执行完成前，IO 线程将一直被占用，影响整个服务的响应。

异常处理

      由于异步执行的任务在其他线程上执行，而异常信息存储在线程栈中，因此当前线程除非阻塞等待返回结果，否则无法通过 try\catch 捕获异常。CompletableFuture提供了异常捕获回调 exceptionally，相当于同步调用中的 try\catch。

其他

若涉及相关案例代码，请从以下链接查阅https://blog.csdn.net/qq_36010886/article/details/130403824