高并发场景下请求合并的实践（转）
转自https://www.cnblogs.com/flylinran/p/10177304.html
前言
项目中一般会请求第三方的接口，也会对外提供接口，可能是RPC，也可能是HTTP等方式。在对外提供接口时，有必要提供相应的批量接口，好的批量实现能够提升性能。
高并发场景中，调用批量接口相比调用非批量接口有更大的性能优势。但有时候，请求更多的是单个接口，不能够直接调用批量接口，如果这个接口是高频接口，对其做请求合并就很有必要了。比如电影网站的获取电影详情接口，APP的一次请求是单个接口调用，用户量少的时候请求也不多，完全没问题；但同一时刻往往有大量用户访问电影详情，是个高并发的高频接口，如果都是单次查询，后台就不一定能hold住了。为了优化这个接口，后台可以将相同的请求进行合并，然后调用批量的查询接口。如下图所示
无合并请求
合并请求前，我们一般是调用服务层的单次创建方法。看起来都比较简单，且易于理解。
以创建设备接口为例。
@Reference(check = false)
private DeviceService deviceService;
/**
* 注册设备
*
* @param productKey 产品key
* @param deviceName 设备名
* @return 设备ID
*/
public R<Long> registDevice(String productKey, String deviceName) {
log.debug("开始注册: {}, {}", productKey, deviceName);
DeviceRequestDto deviceCreateQuery = new DeviceRequestDto()
.setProductKey(productKey)
.setName(deviceName);
Long deviceId = deviceService.createDevice(deviceCreateQuery);
return deviceId != null
? R.ok(deviceId)
: R.error(DEVICE_CREATE_ERROR);
}请求合并
请求合并的好处前面有提到，那不能每次写接口就做请求合并吧？我们要明白，技术无好坏，要在特定的业务场景下衡量利弊，采用与否需要深思熟虑。合并请求会令代码变得复杂，也会增加一定的接口延迟，其中还可能存在各种未知的风险。
合并请求是针对高并发场景的一种手段，我们实现请求合并之前，要结合业务场景思考一番，是否值得承受的合并带来的访问延迟？用户体验是否会打折扣？自身的技术是否足够hold住请求合并带来的未知风险？
思路：收到前端的请求时，先存起来，隔段时间批量请求第三方服务批量接口，然后分别通知存起来的请求，并且响应前端。
代码实现
还是针对上述设备注册接口，我们对其进行改造，来实现一个简单的请求合并。
1. 批量接口
首先，我们需要有能够批量调用的接口。在对外提供接口时，也非常有必要提供相应的批量接口，且内部实现应该是优化过的。
此处我们在服务层模拟了一个批量创建设备的接口, 如下：
- 方法签名
/**
* 批量创建设备接口
*
* @param deviceRequestDtoList 入参信息
* @return 创建结果
*/
R<List<DeviceCreateResp>> batchCreateDevice(List<DeviceCreateQuery> deviceList);- 入参
@Data
public class DeviceCreateQuery implements Serializable {
/**
* 产品标识
*/
private String productKey;
/**
* 设备名称
*/
private String name;
/**
* 请求源，一次批量请求保证唯一
*/
private String requestSource;
}- 返回值
@Data
public class DeviceCreateResp implements Serializable {
/**
* 设备ID
*/
private Long deviceId;
/**
* 请求源，一次批量请求保证唯一
*/
private String requestSource;
}2. 合并单个请求
- 积攒请求的阻塞队列
private LinkedBlockingDeque<DeviceCreateRequest> deviceCreateQueue = new LinkedBlockingDeque<>();- 积攒请求的自定义结构
@Data
static class DeviceCreateRequest {
/** 产品key */
private String productKey;
/** 设备名 */
private String deviceName;
/** 请求源，需保证唯一 */
private String requestSource;
/** CompletableFuture接口 */
private CompletableFuture<Long> completedFuture;
}- 积攒请求
public R<Long> registDevice(String productKey, String deviceName) {
log.debug("开始注册: {}, {}", productKey, deviceName);
// 缓存请求 ====== start
CompletableFuture<Long> completedFuture = new CompletableFuture<>();
DeviceCreateRequest deviceCreateRequest = new DeviceCreateRequest();
deviceCreateRequest.setProductKey(productKey);
deviceCreateRequest.setDeviceName(deviceName);
deviceCreateRequest.setRequestSource(UUID.randomUUID().toString());
deviceCreateRequest.setCompletedFuture(completedFuture);
deviceCreateQueue.add(deviceCreateRequest);
// 缓存请求 ====== end
Long deviceId = null;
try {
deviceId = completedFuture.get();
} catch (Exception e) {
log.error("设备注册失败", e);
}
return deviceId != null
? R.ok(deviceId)
: R.error(DEVICE_CREATE_ERROR);
}3. 发送批量请求
此处使用了spring，在init方法中利用定时任务线程池批量分发请求。同时使用了newScheduledThreadPool，其中线程池大小和定时间隔时长需要根据业务量做权衡
/** 积攒请求的阻塞队列 */
private LinkedBlockingDeque<DeviceCreateRequest> deviceCreateQueue = new LinkedBlockingDeque<>();
/** 线程池数量 */
@Value("${iot.register.merge.device.request.num:100}")
private int createDeviceMergeNum;
/** 定时间隔时长 */
@Value("${iot.register.merge.device.request.period:30}")
private long createDeviceMergePeriod;
@Reference(check = false)
private DeviceService deviceService;
@PostConstruct
public void init() {
ScheduledExecutorService scheduledExecutorService = Executors.newScheduledThreadPool(createDeviceMergeNum);
scheduledExecutorService.scheduleAtFixedRate(() -> {
// 把出queue的请求存储一次
List<DeviceCreateRequest> questBak = new ArrayList<>();
// 批量创建设备的入参
List<DeviceCreateQuery> deviceCreateQueryList = new ArrayList<>();
int size = deviceCreateQueue.size();
for (int i = 0; i < size; i++) {
DeviceCreateRequest deviceCreateRequest = deviceCreateQueue.poll();
if (Objects.nonNull(deviceCreateRequest)) {
questBak.add(deviceCreateRequest);
deviceCreateQueryList.add(buildDeviceCreateQuery(deviceCreateRequest));
}
}
if (!deviceCreateQueryList.isEmpty()) {
try {
List<DeviceCreateResp> response = deviceService.batchCreateDevice(deviceCreateQueryList);
Map<String, Long> collect = response.stream()
.collect(Collectors.toMap(
DeviceCreateResp::getRequestSource, DeviceCreateResp::getDeviceId
));
// 通知请求的线程
for (DeviceCreateRequest deviceCreateRequest : questBak) {
deviceCreateRequest.getCompletedFuture().complete(collect.get(deviceCreateRequest.getRequestSource()));
}
} catch (Throwable throwable) {
log.error("批量注册设备异常", throwable);
// 通知请求的线程-异常
questBak.forEach(deviceCreateRequest -> deviceCreateRequest.getCompletedFuture().obtrudeException(throwable));
}
}
}, 0, createDeviceMergePeriod, TimeUnit.MILLISECONDS);
}总结
请求合并是解决高并发场景下某些问题的一种思路，本文只做了一个简单的实现，算是对这块知识的一次实践吧。用到了BlockingDeque、CompletableFuture接口，涉及Java多线程相关的知识，实现方式比较野蛮。业界有很多优秀的开源框架做请求合并，比如hystrix，需要花时间好好学习哈哈。
