Java 并发编程在生产应用场景及实战

清疚 2024-04-07 16:10 99阅读 0赞

#### 背景介绍 ####

为什么需要学习 Java 并发？

从提升性能角度来说

*  **提升了对CPU的使用效率** ：目前生产的服务器大多数都是多核，标配的机器都是 8C/16G。操作系统会将不同的线程分配给不同的核心处理，理论上，有多少核心就有多少个线程并行执行。如果没有并发编程，CPU的利用率将极大的浪费，假设当前正在处理耗时的 I/O 操作，那么整个CPU就会处于阻塞空闲状态，后面的指令必须等待前面的执行完才能继续执行。
 *  **降低服务 RT** ：大型互联网访问量轻松每秒轻松过万，如果没有并发处理，所有的用户请求都会排队等待，那种体验效果你能想象么，这样的服务能力如何能留住客户？有了并发编程，充分释放CPU算力，操作系统让每个客户轮流使用CPU计算，每个客户都能得到快速的响应。
 *  **容错率高** ：线程与线程之间的执行不会相互干扰，某个线程执行出现异常退出，不会对其它线程造成影响。

从开发者角度来说

*  **Java 基础面试必考察技能** ：Java 并发面试问题基本必出现，有大型项目研发经验的同学，处理并发问题多的同学，往往会被青睐。因为越是复杂的系统，并发请求就越多，简单的业务 + 并发 = 这个业务不简单。
 *  **工作中离不开并发** ：多线程能充分发挥CPU的计算力，这使得我们不得不了解并发的原理，以免造成线程安全问题，给生产带来损失。常用的中间件中大量运用了并发知识，如 MQ、RPC等，如果不熟悉原理，如何能够调优中间件的使用。

#### 并发编程业务中的实践 ####

实践一：风控规则引擎——策略执行

互联网企业风控安全部门每时每刻都需要和黑灰产对抗，保护企业遭受不必要的经济损失。风控策略团队在对抗的过程中，沉淀出一系列风险识别策略，用以检测当前业务请求中否存在高危操作。

风控安全团队需要评估业务在运行流程中，是否存在黑产能够获取利益点的地方，即“ **风险卡点** ”。评估后，需要业务在每次流程经过风险卡点处，需透传业务信息给风控服务，风控服务在很多时间内进行大量决策计算，并返回业务方决策结果（ACCEPT-通过/REVIEW-人工，需进一步信息确认/REJECT-拒绝，高危操作）。如图展示的是营销活动——裂变类活动风险卡点。

![3af363e9b3298c86b264cc86c66647de.png][]

营销裂变流程风险卡点图

一条业务请求耗时一般在 300 ~ 500 ms 之间，如果超过这个区间，可能就需要定位调优哪个节点耗时高了。大型互联网公司系统架构比较复杂，完整的业务可能有几十甚至上百个服务系统，你触发的一次请求，可能中途会经过多少服务超过你想象。

如上述，业务对风控服务的性能要求很高，一般控制在 100 ms 以内。但风控内部排查业务请求涉及大量策略和规则，如何短时间内执行完，且又不阉割策略呢？答案是并发变成。风控内部大量使用并发，以满足海量请求和计算需求，我将以策略规则的执行来举例如何编写编发变成代码。如下是风控服务一次请求的大致执行流程：

![752dd7a964e897222200713d61afb695.png][]

风控流程执行图

可以看到，一次风控请求的判定，涉及大量的规则判定，此时如果没有并发，会出现什么效果？

![85c3b99b4d1acea2edf6d6a262b474a5.png][]

串行&并行执行规则图

全部串行执行策略和规则的话，可能几秒都不定能计算出来，此时我们需要使用 Java 并发来满足性能需求。 核心代码如下：

public class RuleSessionExecutor {
    
        // 线程池
        private final static ExecutorService executor = new ThreadPoolExecutor(
                Runtime.getRuntime().availableProcessors() * 8,
                Runtime.getRuntime().availableProcessors() * 8,
                0L, TimeUnit.MILLISECONDS,
                new LinkedBlockingQueue<Runnable&

[3af363e9b3298c86b264cc86c66647de.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/14f4ad37df974089a04505981777f62e.png
[752dd7a964e897222200713d61afb695.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/78f7fa0ff14c497e9c07a06f55f99d5a.png
[85c3b99b4d1acea2edf6d6a262b474a5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/07/7ed30833146a4640bc5d11caf93eec09.png