线程池处理批量接口请求实践
在工作中常常遇到需要批量请求接口的场景,比如重置几千个测试账号的密码、给测试账号造一些数据等等场景,都需求进行大量操作。之前采取的单线程串行执行方式,耗时比较长,某次遇到了巨量的数据,故而产生了优化方案。
主要思路分成两种:1.使用Java NIO的HTTP异步请求;2.使用线程池并发执行请求。
最终采用了2方案,原因如下:
- 项目框架中已经默认了同步HTTPclient,兼容异步client改造成本较高
- 方案1难以控制单位时间请求量,会导致服务压力陡增
参考文章:
思路
总体思路就是使用定长线程池,然后每次把需要执行的任务包装成一个java.lang.Runnable
实现类。
- 控制压力:使用定长线程池的线程数
- 线程同步:使用
java.util.concurrent.CountDownLatch
或者java.util.concurrent.Phaser
进行多线程任务同步,最终关闭线程池
参考文章:
实现
这里分享一下java.util.concurrent.CountDownLatch
或者java.util.concurrent.Phaser
两种同步类的使用。
java.util.concurrent.CountDownLatch
class MocoReset extends OBase {
public static void main(String[] args) {
def keys = DataUtils.getMocoTokens()
ExecutorService pool = ThreadPoolUtil.createFixedPool(10); //创建定长线程池
CountDownLatch latch = new CountDownLatch(keys.size()); //创建同步对象
keys.each {
def base = getBase(it)
def balance = new Balance(base)
pool.execute(() -> {
balance.reset()
latch.countDown()
})
}
latch.await()
pool.shutdown()
}
}
java.util.concurrent.Phaser
class MocoReset extends Base {
public static void main(String[] args) {
def keys = DataUtils.getMocoTokens()
ExecutorService pool = ThreadPoolUtil.createFixedPool(10); //创建定长线程池
def phaser = new Phaser(1)
keys.each {
def base = getBase(it)
def balance = new Balance(base)
pool.execute(() -> {
phaser.register()
balance.reset()
phaser.arriveAndDeregister()
})
}
phaser.arriveAndAwaitAdvance()
pool.shutdown()
}
}
总结
多线程编程在测试中使用还是非常犀利的,我自己尝试了一下,线程稳定在10-20是比较安全的。理论计算,效率提高10倍-20倍。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· SQL Server 2025 AI相关能力初探
· AI编程工具终极对决:字节Trae VS Cursor,谁才是开发者新宠?
· 开源Multi-agent AI智能体框架aevatar.ai,欢迎大家贡献代码
· Manus重磅发布:全球首款通用AI代理技术深度解析与实战指南
2020-10-15 物联网测试
2020-10-15 功能测试知多少