聊聊併發編程的 12 種業務場景
大家好，我是蘇三，又跟大家見面了。
前言
併發編程是一項非常重要的技術，無論在面試，還是工作中出現的頻率非常高。
之前我發表的一篇《聊聊併發編程的 10 個坑》，在全網廣受好評。說明了這類文章還是比較有價值的，接下來，打算繼續聊聊併發編程這個話題。
併發編程說白了就是多線程編程，但多線程一定比單線程效率更高？
答：不一定，要看具體業務場景。
畢竟如果使用了多線程，那麼線程之間的競爭和搶佔 cpu 資源，線程的上下文切換，也是相對來說比較耗時的操作。
下面這幾個問題在面試中，你必定遇到過：
-
你在哪來業務場景中使用過多線程？
-
怎麼用的？
-
踩過哪些坑？
今天聊聊我之前在項目中用併發編程的 12 種業務場景，給有需要的朋友一個參考。
- 簡單定時任務
各位親愛的朋友，你沒看錯，Thread類真的能做定時任務。如果你看過一些定時任務框架的源碼，你最後會發現，它們的底層也會使用 Thread 類。
實現這種定時任務的具體代碼如下：
public static void init() {
new Thread(() -> {
while (true) {
try {
System.out.println("下載文件");
Thread.sleep(1000 * 60 * 5);
} catch (Exception e) {
log.error(e);
}
}
}).start();
}使用 Thread 類可以做最簡單的定時任務，在 run 方法中有個 while 的死循環（當然還有其他方式），執行我們自己的任務。有個需要特別注意的地方是，需要用try...catch捕獲異常，否則如果出現異常，就直接退出循環，下次將無法繼續執行了。
但這種方式做的定時任務，只能週期性執行，不能支持定時在某個時間點執行。
特別提醒一下，該線程建議定義成守護線程，可以通過setDaemon方法設置，讓它在後臺默默執行就好。
使用場景：比如項目中有時需要每隔 5 分鐘去下載某個文件，或者每隔 10 分鐘去讀取模板文件生成靜態html頁面等等，一些簡單的週期性任務場景。
使用Thread類做定時任務的優缺點：
-
優點：這種定時任務非常簡單，學習成本低，容易入手，對於那些簡單的週期性任務，是個不錯的選擇。
-
缺點：不支持指定某個時間點執行任務，不支持延遲執行等操作，功能過於單一，無法應對一些較爲複雜的場景。
- 監聽器
有時候，我們需要寫個監聽器，去監聽某些數據的變化。
比如：我們在使用canal的時候，需要監聽binlog的變化，能夠及時把數據庫中的數據，同步到另外一個業務數據庫中。
主要代碼如下：
@Service
public CanalService {
private volatile boolean running = false;
private Thread thread;
@Autowired
private CanalConnector canalConnector;
public void handle() {
//連接canal
while(running) {
//業務處理
}
}
public void start() {
thread = new Thread(this::handle, "name");
running = true;
thread.start();
}
public void stop() {
if(!running) {
return;
}
running = false;
}
}在 start 方法中開啓了一個線程，在該線程中異步執行 handle 方法的具體任務。然後通過調用 stop 方法，可以停止該線程。
其中，使用volatile關鍵字控制的 running 變量作爲開關，它可以控制線程中的狀態。
接下來，有個比較關鍵的點是：如何通過配置中心的配置，控制這個開關呢？
以apollo配置爲例，我們在配置中心的後臺，修改配置之後，自動獲取最新配置的核心代碼如下：
public class CanalConfig {
@Autowired
private CanalService canalService;
@ApolloConfigChangeListener
public void change(ConfigChangeEvent event) {
String value = event.getChange("test.canal.enable").getNewValue();
if(BooleanUtils.toBoolean(value)) {
canalService.start();
} else {
canalService.stop();
}
}
}通過apollo的ApolloConfigChangeListener註解，可以監聽配置參數的變化。
如果test.canal.enable開關配置的 true，則調用 canalService 類的 start 方法開啓 canal 數據同步功能。如果開關配置的 false，則調用 canalService 類的 stop 方法，自動停止 canal 數據同步功能。
- 收集日誌
在某些高併發的場景中，我們需要收集部分用戶的日誌（比如：用戶登錄的日誌），寫到數據庫中，以便於做分析。
但由於項目中，還沒有引入消息中間件，比如：kafka、rocketmq等。
如果直接將日誌同步寫入數據庫，可能會影響接口性能。
所以，大家很自然想到了異步處理。
實現這個需求最簡單的做法是，開啓一個線程，異步寫入數據到數據庫即可。
這樣做，可以是可以。
但如果用戶登錄操作的耗時，比異步寫入數據庫的時間要少得多。這樣導致的結果是：生產日誌的速度，比消費日誌的速度要快得多，最終的性能瓶頸在消費端。
其實，還有更優雅的處理方式，雖說沒有使用消息中間件，但借用了它的思想。
這套記錄登錄日誌的功能，分爲：日誌生產端、日誌存儲端和日誌消費端。
如下圖所示：
先定義了一個阻塞隊列。
@Component
public class LoginLogQueue {
private static final int QUEUE_MAX_SIZE = 1000;
private BlockingQueueblockingQueue queue = new LinkedBlockingQueue<>(QUEUE_MAX_SIZE);
//生成消息
public boolean push(LoginLog loginLog) {
return this.queue.add(loginLog);
}
//消費消息
public LoginLog poll() {
LoginLog loginLog = null;
try {
loginLog = this.queue.take();
} catch (InterruptedException e) {
e.printStackTrace();
}
return result;
}
}然後定義了一個日誌的生產者。
@Service
public class LoginSerivce {
@Autowired
private LoginLogQueue loginLogQueue;
public int login(UserInfo userInfo) {
//業務處理
LoginLog loginLog = convert(userInfo);
loginLogQueue.push(loginLog);
}
}接下來，定義了日誌的消費者。
@Service
public class LoginInfoConsumer {
@Autowired
private LoginLogQueue queue;
@PostConstruct
public voit init {
new Thread(() -> {
while (true) {
LoginLog loginLog = queue.take();
//寫入數據庫
}
}).start();
}
}當然，這個例子中使用單線程接收登錄日誌，爲了提升性能，也可以使用線程池來處理業務邏輯（比如：寫入數據庫）等。
4.excel 導入
我們可能會經常收到運營同學提過來的 excel 數據導入需求，比如：將某一大類下的所有子類一次性導入系統，或者導入一批新的供應商數據等等。
我們以導入供應商數據爲例，它所涉及的業務流程很長，比如：
-
調用天眼查接口校驗企業名稱和統一社會信用代碼。
-
寫入供應商基本表
-
寫入組織表
-
給供應商自動創建一個用戶
-
給該用戶分配權限
-
自定義域名
-
發站內通知
等等。
如果在程序中，解析完 excel，讀取了所有數據之後。用單線程一條條處理業務邏輯，可能耗時會非常長。
爲了提升 excel 數據導入效率，非常有必要使用多線程來處理。
當然在 java 中實現多線程的手段有很多種，下面重點聊聊 java8 中最簡單的實現方式：parallelStream。
僞代碼如下：
supplierList.parallelStream().forEach(x -> importSupplier(x));parallelStream是一個並行執行的流，它默認通過ForkJoinPool實現的，能提高你的多線程任務的速度。
ForkJoinPool處理的過程會分而治之，它的核心思想是：將一個大任務切分成多個小任務。每個小任務都能單獨執行，最後它會把所用任務的執行結果進行彙總。
下面用一張圖簡單介紹一下 ForkJoinPool 的原理：
當然除了 excel 導入之外，還有類似的讀取文本文件，也可以用類似的方法處理。
溫馨的提醒一下，如果一次性導入的數據非常多，用多線程處理，可能會使系統的 cpu 使用率飆升，需要特別關注。
- 查詢接口
很多時候，我們需要在某個查詢接口中，調用其他服務的接口，組合數據之後，一起返回。
比如有這樣的業務場景：
在用戶信息查詢接口中需要返回：用戶名稱、性別、等級、頭像、積分、成長值等信息。
而用戶名稱、性別、等級、頭像在用戶服務中，積分在積分服務中，成長值在成長值服務中。爲了彙總這些數據統一返回，需要另外提供一個對外接口服務。
於是，用戶信息查詢接口需要調用用戶查詢接口、積分查詢接口 和 成長值查詢接口，然後彙總數據統一返回。
調用過程如下圖所示：
調用遠程接口總耗時 530ms = 200ms + 150ms + 180ms
顯然這種串行調用遠程接口性能是非常不好的，調用遠程接口總的耗時爲所有的遠程接口耗時之和。
那麼如何優化遠程接口性能呢？
既然串行調用多個遠程接口性能很差，爲什麼不改成並行呢？
如下圖所示：
調用遠程接口總耗時 200ms = 200ms（即耗時最長的那次遠程接口調用）
在 java8 之前可以通過實現Callable接口，獲取線程返回結果。
java8 以後通過CompleteFuture類實現該功能。我們這裏以 CompleteFuture 爲例：
public UserInfo getUserInfo(Long id) throws InterruptedException, ExecutionException {
final UserInfo userInfo = new UserInfo();
CompletableFuture userFuture = CompletableFuture.supplyAsync(() -> {
getRemoteUserAndFill(id, userInfo);
return Boolean.TRUE;
}, executor);
CompletableFuture bonusFuture = CompletableFuture.supplyAsync(() -> {
getRemoteBonusAndFill(id, userInfo);
return Boolean.TRUE;
}, executor);
CompletableFuture growthFuture = CompletableFuture.supplyAsync(() -> {
getRemoteGrowthAndFill(id, userInfo);
return Boolean.TRUE;
}, executor);
CompletableFuture.allOf(userFuture, bonusFuture, growthFuture).join();
userFuture.get();
bonusFuture.get();
growthFuture.get();
return userInfo;
}溫馨提醒一下，這兩種方式別忘了使用線程池。示例中我用到了executor，表示自定義的線程池，爲了防止高併發場景下，出現線程過多的問題。
- 獲取用戶上下文
不知道你在項目開發時，有沒有遇到過這樣的需求：用戶登錄之後，在所有的請求接口中，通過某個公共方法，就能獲取到當前登錄用戶的信息？
獲取的用戶上下文，我們以CurrentUser爲例。
CurrentUser內部包含了一個ThreadLocal對象，它負責保存當前線程的用戶上下文信息。當然爲了保證在線程池中，也能從用戶上下文中獲取到正確的用戶信息，這裏用了阿里的TransmittableThreadLocal。僞代碼如下：
@Data
public class CurrentUser {
private static final TransmittableThreadLocal<CurrentUser> THREA_LOCAL = new TransmittableThreadLocal<>();
private String id;
private String userName;
private String password;
private String phone;
...
public statis void set(CurrentUser user) {
THREA_LOCAL.set(user);
}
public static void getCurrent() {
return THREA_LOCAL.get();
}
}這裏爲什麼用了阿里的 TransmittableThreadLocal，而不是普通的 ThreadLocal 呢？在線程池中，由於線程會被多次複用，導致從普通的 ThreadLocal 中無法獲取正確的用戶信息。父線程中的參數，沒法傳遞給子線程，而 TransmittableThreadLocal 很好解決了這個問題。
然後在項目中定義一個全局的 spring mvc 攔截器，專門設置用戶上下文到 ThreadLocal 中。僞代碼如下：
public class UserInterceptor extends HandlerInterceptorAdapter {
@Override
public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
CurrentUser user = getUser(request);
if(Objects.nonNull(user)) {
CurrentUser.set(user);
}
}
}用戶在請求我們接口時，會先觸發該攔截器，它會根據用戶 cookie 中的 token，調用調用接口獲取 redis 中的用戶信息。如果能獲取到，說明用戶已經登錄，則把用戶信息設置到 CurrentUser 類的 ThreadLocal 中。
接下來，在 api 服務的下層，即 business 層的方法中，就能輕鬆通過 CurrentUser.getCurrent(); 方法獲取到想要的用戶上下文信息了。
這套用戶體系的想法是很 good 的，但深入使用後，發現了一個小插曲：
api 服務和 mq 消費者服務都引用了 business 層，business 層中的方法兩個服務都能直接調用。
我們都知道在 api 服務中用戶是需要登錄的，而 mq 消費者服務則不需要登錄。
如果 business 中的某個方法剛開始是給 api 開發的，在方法深處使用了 CurrentUser.getCurrent(); 獲取用戶上下文。但後來，某位新來的帥哥在 mq 消費者中也調用了那個方法，並未發覺這個小機關，就會中招，出現找不到用戶上下文的問題。
所以我當時的第一個想法是：代碼沒做兼容處理，因爲之前這類問題偶爾會發生一次。
想要解決這個問題，其實也很簡單。只需先判斷一下能否從 CurrentUser 中獲取用戶信息，如果不能，則取配置的系統用戶信息。僞代碼如下：
@Autowired
private BusinessConfig businessConfig;
CurrentUser user = CurrentUser.getCurrent();
if(Objects.nonNull(user)) {
entity.setUserId(user.getUserId());
entity.setUserName(user.getUserName());
} else {
entity.setUserId(businessConfig.getDefaultUserId());
entity.setUserName(businessConfig.getDefaultUserName());
}這種簡單無公害的代碼，如果只是在一兩個地方加還 OK。
此外，衆所周知，SimpleDateFormat在 java8 以前，是用來處理時間的工具類，它是非線程安全的。也就是說，用該方法解析日期會有線程安全問題。
爲了避免線程安全問題的出現，我們可以把 SimpleDateFormat 對象定義成局部變量。但如果你一定要把它定義成靜態變量，可以使用 ThreadLocal 保存日期，也能解決線程安全問題。
- 傳遞參數
之前見過有些同事寫代碼時，一個非常有趣的用法，即：使用MDC傳遞參數。
MDC 是什麼？
MDC是org.slf4j包下的一個類，它的全稱是Mapped Diagnostic Context，我們可以認爲它是一個線程安全的存放診斷日誌的容器。
MDC的底層是用了ThreadLocal來保存數據的。
例如現在有這樣一種場景：我們使用RestTemplate調用遠程接口時，有時需要在header中傳遞信息，比如：traceId，source 等，便於在查詢日誌時能夠串聯一次完整的請求鏈路，快速定位問題。
這種業務場景就能通過ClientHttpRequestInterceptor接口實現，具體做法如下：
第一步，定義一個 LogFilter 攔截所有接口請求，在 MDC 中設置 traceId：
public class LogFilter implements Filter {
@Override
public void init(FilterConfig filterConfig) throws ServletException {
}
@Override
public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) throws IOException, ServletException {
MdcUtil.add(UUID.randomUUID().toString());
System.out.println("記錄請求日誌");
chain.doFilter(request, response);
System.out.println("記錄響應日誌");
}
@Override
public void destroy() {
}
}第二步，實現ClientHttpRequestInterceptor接口，MDC 中獲取當前請求的 traceId，然後設置到 header 中：
public class RestTemplateInterceptor implements ClientHttpRequestInterceptor {
@Override
public ClientHttpResponse intercept(HttpRequest request, byte[] body, ClientHttpRequestExecution execution) throws IOException {
request.getHeaders().set("traceId", MdcUtil.get());
return execution.execute(request, body);
}
}第三步，定義配置類，配置上面定義的 RestTemplateInterceptor 類：
@Configuration
public class RestTemplateConfiguration {
@Bean
public RestTemplate restTemplate() {
RestTemplate restTemplate = new RestTemplate();
restTemplate.setInterceptors(Collections.singletonList(restTemplateInterceptor()));
return restTemplate;
}
@Bean
public RestTemplateInterceptor restTemplateInterceptor() {
return new RestTemplateInterceptor();
}
}其中 MdcUtil 其實是利用 MDC 工具在ThreadLocal中存儲和獲取 traceId
public class MdcUtil {
private static final String TRACE_ID = "TRACE_ID";
public static String get() {
return MDC.get(TRACE_ID);
}
public static void add(String value) {
MDC.put(TRACE_ID, value);
}
}當然，這個例子中沒有演示 MdcUtil 類的 add 方法具體調的地方，我們可以在filter中執行接口方法之前，生成 traceId，調用 MdcUtil 類的 add 方法添加到 MDC 中，然後在同一個請求的其他地方就能通過 MdcUtil 類的 get 方法獲取到該 traceId。
能使用 MDC 保存 traceId 等參數的根本原因是，用戶請求到應用服務器，Tomcat會從線程池中分配一個線程去處理該請求。
那麼該請求的整個過程中，保存到MDC的ThreadLocal中的參數，也是該線程獨享的，所以不會有線程安全問題。
- 模擬高併發
有時候我們寫的接口，在低併發的場景下，一點問題都沒有。
但如果一旦出現高併發調用，該接口可能會出現一些意想不到的問題。
爲了防止類似的事情發生，一般在項目上線前，我們非常有必要對接口做一下壓力測試。
當然，現在已經有比較成熟的壓力測試工具，比如：Jmeter、LoadRunner等。
如果你覺得下載壓測工具比較麻煩，也可以手寫一個簡單的模擬併發操作的工具，用CountDownLatch就能實現，例如：
public static void concurrenceTest() {
/**
* 模擬高併發情況代碼
*/
final AtomicInteger atomicInteger = new AtomicInteger(0);
final CountDownLatch countDownLatch = new CountDownLatch(1000); // 相當於計數器，當所有都準備好了，再一起執行，模仿多併發，保證併發量
final CountDownLatch countDownLatch2 = new CountDownLatch(1000); // 保證所有線程執行完了再打印atomicInteger的值
ExecutorService executorService = Executors.newFixedThreadPool(10);
try {
for (int i = 0; i < 1000; i++) {
executorService.submit(new Runnable() {
@Override
public void run() {
try {
countDownLatch.await(); //一直阻塞當前線程，直到計時器的值爲0,保證同時併發
} catch (InterruptedException e) {
log.error(e.getMessage(),e);
}
//每個線程增加1000次，每次加1
for (int j = 0; j < 1000; j++) {
atomicInteger.incrementAndGet();
}
countDownLatch2.countDown();
}
});
countDownLatch.countDown();
}
countDownLatch2.await();// 保證所有線程執行完
executorService.shutdown();
} catch (Exception e){
log.error(e.getMessage(),e);
}
}- 處理 mq 消息
在高併發的場景中，消息積壓問題，可以說如影隨形，真的沒辦法從根本上解決。表面上看，已經解決了，但後面不知道什麼時候，就會冒出一次，比如這次：
有天下午，產品過來說：有幾個商戶投訴過來了，他們說菜品有延遲，快查一下原因。
這次問題出現得有點奇怪。
爲什麼這麼說？
首先這個時間點就有點奇怪，平常出問題，不都是中午或者晚上用餐高峯期嗎？怎麼這次問題出現在下午？
根據以往積累的經驗，我直接看了kafka的topic的數據，果然上面消息有積壓，但這次每個partition都積壓了十幾萬的消息沒有消費，比以往加壓的消息數量增加了幾百倍。這次消息積壓得極不尋常。
我趕緊查服務監控看看消費者掛了沒，還好沒掛。又查服務日誌沒有發現異常。這時我有點迷茫，碰運氣問了問訂單組下午發生了什麼事情沒？他們說下午有個促銷活動，跑了一個JOB批量更新過有些商戶的訂單信息。
這時，我一下子如夢初醒，是他們在 JOB 中批量發消息導致的問題。怎麼沒有通知我們呢？實在太坑了。
雖說知道問題的原因了，倒是眼前積壓的這十幾萬的消息該如何處理呢？
此時，如果直接調大partition數量是不行的，歷史消息已經存儲到4個固定的 partition，只有新增的消息纔會到新的 partition。我們重點需要處理的是已有的 partition。
直接加服務節點也不行，因爲kafka允許同組的多個partition被一個consumer消費，但不允許一個 partition 被同組的多個 consumer 消費，可能會造成資源浪費。
看來只有用多線程處理了。
爲了緊急解決問題，我改成了用線程池處理消息，核心線程和最大線程數都配置成了50。
大致用法如下：
- 先定義一個線程池：
@Configuration
public class ThreadPoolConfig {
@Value("${thread.pool.corePoolSize:5}")
private int corePoolSize;
@Value("${thread.pool.maxPoolSize:10}")
private int maxPoolSize;
@Value("${thread.pool.queueCapacity:200}")
private int queueCapacity;
@Value("${thread.pool.keepAliveSeconds:30}")
private int keepAliveSeconds;
@Value("${thread.pool.threadNamePrefix:ASYNC_}")
private String threadNamePrefix;
@Bean("messageExecutor")
public Executor messageExecutor() {
ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
executor.setCorePoolSize(corePoolSize);
executor.setMaxPoolSize(maxPoolSize);
executor.setQueueCapacity(queueCapacity);
executor.setKeepAliveSeconds(keepAliveSeconds);
executor.setThreadNamePrefix(threadNamePrefix);
executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
executor.initialize();
return executor;
}
}- 再定義一個消息的 consumer：
@Service
public class MyConsumerService {
@Autowired
private Executor messageExecutor;
@KafkaListener(id="test",topics={"topic-test"})
public void listen(String message){
System.out.println("收到消息：" + message);
messageExecutor.submit(new MyWork(message);
}
}- 在定義的 Runable 實現類中處理業務邏輯：
public class MyWork implements Runnable {
private String message;
public MyWork(String message) {
this.message = message;
}
@Override
public void run() {
System.out.println(message);
}
}果然，調整之後消息積壓數量確實下降的非常快，大約半小時後，積壓的消息就非常順利的處理完了。
但此時有個更嚴重的問題出現：我收到了報警郵件，有兩個訂單系統的節點 down 機了。。。
更詳細內容，請看看我的另一篇文章《我用 kafka 兩年踩過的一些非比尋常的坑》
- 統計數量
在多線程的場景中，有時候需要統計數量，比如：用多線程導入供應商數據時，統計導入成功的供應商數有多少。
如果這時候用 count++ 統計次數，最終的結果可能會不準。因爲 count++ 並非原子操作，如果多個線程同時執行該操作，則統計的次數，可能會出現異常。
爲了解決這個問題，就需要使用concurent的atomic包下面的類，比如：AtomicInteger、AtomicLong等。
@Servcie
public class ImportSupplierService {
private static AtomicInteger count = new AtomicInteger(0);
public int importSupplier(List<SupplierInfo> supplierList) {
if(CollectionUtils.isEmpty(supplierList)) {
return 0;
}
supplierList.parallelStream().forEach(x -> {
try {
importSupplier(x);
count.addAndGet(1);
} catch(Exception e) {
log.error(e.getMessage(),e);
}
);
return count.get();
}
}AtomicInteger的底層說白了使用自旋鎖+CAS。
public final int incrementAndGet() {
for (;;) {
int current = get();
int next = current + 1;
if (compareAndSet(current, next))
return next;
}
}自旋鎖說白了就是一個死循環。
而CAS是比較和交換的意思。
它的實現邏輯是：將內存位置處的舊值與預期值進行比較，若相等，則將內存位置處的值替換爲新值。若不相等，則不做任何操作。
- 延遲定時任務
我們經常有延遲處理數據的需求，比如：如果用戶下單後，超過 30 分鐘還未完成支付，則系統自動將該訂單取消。
這裏需求就可以使用延遲定時任務實現。
ScheduledExecutorService是JDK1.5+版本引進的定時任務，該類位於java.util.concurrent併發包下。
ScheduledExecutorService 是基於多線程的，設計的初衷是爲了解決Timer單線程執行，多個任務之間會互相影響的問題。
它主要包含 4 個方法：
-
schedule(Runnable command,long delay,TimeUnit unit)，帶延遲時間的調度，只執行一次，調度之後可通過 Future.get() 阻塞直至任務執行完畢。
-
schedule(Callablecallable,long delay,TimeUnit unit)，帶延遲時間的調度，只執行一次，調度之後可通過 Future.get() 阻塞直至任務執行完畢，並且可以獲取執行結果。
-
scheduleAtFixedRate，表示以固定頻率執行的任務，如果當前任務耗時較多，超過定時週期 period，則當前任務結束後會立即執行。
-
scheduleWithFixedDelay，表示以固定延時執行任務，延時是相對當前任務結束爲起點計算開始時間。
實現這種定時任務的具體代碼如下：
public class ScheduleExecutorTest {
public static void main(String[] args) {
ScheduledExecutorService scheduledExecutorService = Executors.newScheduledThreadPool(5);
scheduledExecutorService.scheduleAtFixedRate(() -> {
System.out.println("doSomething");
},1000,1000, TimeUnit.MILLISECONDS);
}
}調用ScheduledExecutorService類的scheduleAtFixedRate方法實現週期性任務，每隔 1 秒鐘執行一次，每次延遲 1 秒再執行。
這種定時任務是阿里巴巴開發者規範中用來替代Timer類的方案，對於多線程執行週期性任務，是個不錯的選擇。
使用ScheduledExecutorService類做延遲定時任務的優缺點：
-
優點：基於多線程的定時任務，多個任務之間不會相關影響，支持週期性的執行任務，並且帶延遲功能。
-
缺點：不支持一些較複雜的定時規則。
當然，你也可以使用分佈式定時任務，比如：xxl-job 或者 elastic-job 等等。
其實，在實際工作中我使用多線程的場景遠遠不只這 12 種，在這裏只是拋磚引玉，介紹了一些我認爲比較常見的業務場景。
此外，如果你對併發編程中的一些坑，比較感興趣的話，可以看看我的另一個文章《聊聊併發編程的 10 個坑》，裏面寫的非常詳細。
蘇三說技術 作者就職於知名互聯網公司，掘金月度優秀作者，從事開發、架構和部分管理工作。實戰經驗豐富，對 jdk、spring、springboot、springcloud、mybatis 等開源框架源碼有一定研究，歡迎關注，和我一起交流。
本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/BE9lti3pJ1H8HveUUXCFgQ