CompletableFuture进阶
Posted 我也有梦想呀
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了CompletableFuture进阶相关的知识,希望对你有一定的参考价值。
CompletableFuture进阶
1、异步任务的交互
异步任务交互指将异步任务获取结果的速度相比较,按一定的规则( 先到先用 )进行下一步处理。
1.1 applyToEither
applyToEither()
把两个异步任务做比较,异步任务先到结果的,就对先到的结果进行下一步的操作。
CompletableFuture<R> applyToEither(CompletableFuture<T> other, Function<T,R> func)
演示案例:使用最先完成的异步任务的结果
public class ApplyToEitherDemo
public static void main(String[] args) throws ExecutionException, InterruptedException
// 开启异步任务1
CompletableFuture<Integer> future1 = CompletableFuture.supplyAsync(() ->
int x = new Random().nextInt(3);
CommonUtils.sleepSecond(x);
CommonUtils.printThreadLog("任务1耗时:" + x + "秒");
return x;
);
// 开启异步任务2
CompletableFuture<Integer> future2 = CompletableFuture.supplyAsync(() ->
int y = new Random().nextInt(3);
CommonUtils.sleepSecond(y);
CommonUtils.printThreadLog("任务2耗时:" + y + "秒");
return y;
);
// 哪些异步任务的结果先到达,就使用哪个异步任务的结果
CompletableFuture<Integer> future = future1.applyToEither(future2, (result ->
CommonUtils.printThreadLog("最先到达的结果:" + result);
return result;
));
// 主线程休眠4秒,等待所有异步任务完成
CommonUtils.sleepSecond(4);
Integer ret = future.get();
CommonUtils.printThreadLog("ret = " + ret);
速记心法:任务1、任务2就像两辆公交,哪路公交先到,就乘坐(使用)哪路公交。
以下是applyToEither 和其对应的异步回调版本
CompletableFuture<R> applyToEither(CompletableFuture<T> other, Function<T,R> func)
CompletableFuture<R> applyToEitherAsync(CompletableFuture<T> other, Function<T,R> func)
CompletableFuture<R> applyToEitherAsync(CompletableFuture<T> other, Function<T,R> func,Executor executor)
1.2 acceptEither
acceptEither()
把两个异步任务做比较,异步任务先到结果的,就对先到的结果进行下一步操作 ( 消费使用 )。
CompletableFuture<Void> acceptEither(CompletableFuture<T> other, Consumer<T> action)
CompletableFuture<Void> acceptEitherAsync(CompletableFuture<T> other, Consumer<T> action)
CompletableFuture<Void> acceptEitherAsync(CompletableFuture<T> other, Consumer<T> action,Executor executor)
演示案例:使用最先完成的异步任务的结果
public class AcceptEitherDemo
public static void main(String[] args) throws ExecutionException, InterruptedException
// 异步任务交互
CommonUtils.printThreadLog("main start");
// 开启异步任务1
CompletableFuture<Integer> future1 = CompletableFuture.supplyAsync(() ->
int x = new Random().nextInt(3);
CommonUtils.sleepSecond(x);
CommonUtils.printThreadLog("任务1耗时:" + x + "秒");
return x;
);
// 开启异步任务2
CompletableFuture<Integer> future2 = CompletableFuture.supplyAsync(() ->
int y = new Random().nextInt(3);
CommonUtils.sleepSecond(y);
CommonUtils.printThreadLog("任务2耗时:" + y + "秒");
return y;
);
// 哪些异步任务的结果先到达,就使用哪个异步任务的结果
future1.acceptEither(future2,result ->
CommonUtils.printThreadLog("最先到达的结果:" + result);
);
// 主线程休眠4秒,等待所有异步任务完成
CommonUtils.sleepSecond(4);
CommonUtils.printThreadLog("main end");
1.3 runAfterEither
如果不关心最先到达的结果,只想在有一个异步任务先完成时得到完成的通知,可以使用 runAfterEither()
,以下是它的相关方法:
CompletableFuture<Void> runAfterEither(CompletableFuture<T> other, Runnable action)
CompletableFuture<Void> runAfterEitherAsync(CompletableFuture<T> other, Runnable action)
CompletableFuture<Void> runAfterEitherAsync(CompletableFuture<T> other, Runnable action, Executor executor)
提示
异步任务交互的三个方法和之前学习的异步的回调方法 thenApply、thenAccept、thenRun 有异曲同工之妙。
2、get() 和 join() 区别
get() 和 join() 都是CompletableFuture提供的以阻塞方式获取结果的方法。
那么该如何选用呢?请看如下案例:
public class GetOrJoinDemo
public static void main(String[] args)
CompletableFuture<String> future = CompletableFuture.supplyAsync(() ->
return "hello";
);
String ret = null;
// 抛出检查时异常,必须处理
try
ret = future.get();
catch (InterruptedException e)
e.printStackTrace();
catch (ExecutionException e)
e.printStackTrace();
System.out.println("ret = " + ret);
// 抛出运行时异常,可以不处理
ret = future.join();
System.out.println("ret = " + ret);
使用时,我们发现,get() 抛出检查时异常 ,需要程序必须处理;而join() 方法抛出运行时异常,程序可以不处理。所以,join() 更适合用在流式编程中。
3、ParallelStream VS CompletableFuture
CompletableFuture 虽然提高了任务并行处理的能力,如果它和 Stream API 结合使用,能否进一步多个任务的并行处理能力呢?
同时,对于 Stream API 本身就提供了并行流ParallelStream,它们有什么不同呢?
我们将通过一个耗时的任务来体现它们的不同,更重要地是,我们能进一步加强 CompletableFuture 和 Stream API 的结合使用,同时搞清楚CompletableFuture 在流式操作的优势
需求:创建10个MyTask耗时的任务,统计它们执行完的总耗时
定义一个MyTask类,来模拟耗时的长任务
public class MyTask
private int duration;
public MyTask(int duration)
this.duration = duration;
// 模拟耗时的长任务
public int doWork()
CommonUtils.printThreadLog("doWork");
CommonUtils.sleepSecond(duration);
return duration;
同时,我们创建10个任务,每个持续1秒。
IntStream intStream = IntStream.range(0, 10);
List<MyTask> tasks = intStream.mapToObj(item ->
return new MyTask(1);
).collect(Collectors.toList());
3.1 并行流的局限
我们先使用串行执行,让所有的任务都在主线程 main 中执行。
public class SequenceDemo
public static void main(String[] args)
// 方案一:在主线程中使用串行执行
// step 1: 创建10个MyTask对象,每个任务持续1s,存入list集合便于启动Stream操作
IntStream intStream = IntStream.range(0, 10);
List<MyTask> tasks = intStream.mapToObj(item ->
return new MyTask(1);
).collect(Collectors.toList());
// step 2: 执行tasks集合中的每个任务,统计总耗时
long start = System.currentTimeMillis();
List<Integer> result = tasks.stream().map(myTask ->
return myTask.doWork();
).collect(Collectors.toList());
long end = System.currentTimeMillis();
double costTime = (end - start) / 1000.0;
System.out.printf("processed %d tasks cost %.2f second",tasks.size(),costTime);
它花费了10秒, 因为每个任务在主线程一个接一个的执行。
因为涉及 Stream API,而且存在耗时的长任务,所以,我们可以使用 parallelStream()
public class ParallelDemo
public static void main(String[] args)
// 方案二:使用并行流
// step 1: 创建10个MyTask对象,每个任务持续1s,存入List集合
IntStream intStream = IntStream.range(0, 10);
List<MyTask> tasks = intStream.mapToObj(item ->
return new MyTask(1);
).collect(Collectors.toList());
// step 2: 执行10个MyTask,统计总耗时
long start = System.currentTimeMillis();
List<Integer> results = tasks.parallelStream().map(myTask ->
return myTask.doWork();
).collect(Collectors.toList());
long end = System.currentTimeMillis();
double costTime = (end - start) / 1000.0;
System.out.printf("processed %d tasks %.2f second",tasks.size(),costTime);
它花费了2秒多,因为此次并行执行使用了8个线程 (7个是ForkJoinPool线程池中的, 一个是 main 线程),需要注意是:运行结果由自己电脑CPU的核数决定。
3.2 CompletableFuture 在流式操作的优势
让我们看看使用CompletableFuture是否执行的更有效率
public class CompletableFutureDemo
public static void main(String[] args)
// 需求:创建10MyTask耗时的任务,统计它们执行完的总耗时
// 方案三:使用CompletableFuture
// step 1: 创建10个MyTask对象,每个任务持续1s,存入List集合
IntStream intStream = IntStream.range(0, 10);
List<MyTask> tasks = intStream.mapToObj(item ->
return new MyTask(1);
).collect(Collectors.toList());
// step 2: 根据MyTask对象构建10个耗时的异步任务
long start = System.currentTimeMillis();
List<CompletableFuture<Integer>> futures = tasks.stream().map(myTask ->
return CompletableFuture.supplyAsync(() ->
return myTask.doWork();
);
).collect(Collectors.toList());
// step 3: 当所有任务完成时,获取每个异步任务的执行结果,存入List集合中
List<Integer> results = futures.stream().map(future ->
return future.join();
).collect(Collectors.toList());
long end = System.currentTimeMillis();
double costTime = (end - start) / 1000.0;
System.out.printf("processed %d tasks cost %.2f second",tasks.size(),costTime);
运行发现,两者使用的时间大致一样。能否进一步优化呢?
CompletableFutures 比 ParallelStream 优点之一是你可以指定Executor去处理任务。你能选择更合适数量的线程。我们可以选择大于Runtime.getRuntime().availableProcessors() 数量的线程,如下所示:
public class CompletableFutureDemo2
public static void main(String[] args)
// 需求:创建10MyTask耗时的任务,统计它们执行完的总耗时
// 方案三:使用CompletableFuture
// step 1: 创建10个MyTask对象,每个任务持续1s,存入List集合
IntStream intStream = IntStream.range(0, 10);
List<MyTask> tasks = intStream.mapToObj(item ->
return new MyTask(1);
).collect(Collectors.toList());
// 准备线程池
final int N_CPU = Runtime.getRuntime().availableProcessors();
// 设置线程池的数量最少是10个,最大是16个
ExecutorService executor = Executors.newFixedThreadPool(Math.min(tasks.size(), N_CPU * 2));
// step 2: 根据MyTask对象构建10个耗时的异步任务
long start = System.currentTimeMillis();
List<CompletableFuture<Integer>> futures = tasks.stream().map(myTask ->
return CompletableFuture.supplyAsync(() ->
return myTask.doWork();
,executor);
).collect(Collectors.toList());
// step 3: 当所有任务完成时,获取每个异步任务的执行结果,存入List集合中
List<Integer> results = futures.stream().map(future ->
return future.join();
).collect(Collectors.toList());
long end = System.currentTimeMillis();
double costTime = (end - start) / 1000.0;
System.out.printf("processed %d tasks cost %.2f second",tasks.size(),costTime);
// 关闭线程池
executor.shutdown();
测试代码时,电脑配置是4核8线程,而我们创建的线程池中线程数最少也是10个,所以,每个线程负责一个任务( 耗时1s ),总体来说,处理10个任务总共需要约1秒。
3.3 合理配置线程池中的线程数
正如我们看到的,CompletableFuture 可以更好地控制线程池中线程的数量,而 ParallelStream 不能。
问题1:如何选用 CompletableFuture 和 ParallelStream ?
如果你的任务是IO密集型的,你应该使用CompletableFuture;
如果你的任务是CPU密集型的,使用比处理器更多的线程是没有意义的,所以选择ParallelStream ,因为它不需要创建线程池,更容易使用。
问题2:IO密集型任务和CPU密集型任务的区别?
CPU密集型也叫计算密集型,此时,系统运行时大部分的状况是CPU占用率近乎100%,I/O在很短的时间就可以完成,而CPU还有许多运算要处理,CPU 使用率很高。比如说要计算1+2+3+…+ 10万亿、天文计算、圆周率后几十位等, 都是属于CPU密集型程序。
CPU密集型任务的特点:大量计算,CPU占用率一般都很高,I/O时间很短
IO密集型指大部分的状况是CPU在等I/O (硬盘/内存) 的读写操作,但CPU的使用率不高。
简单的说,就是需要大量的输入输出,例如读写文件、传输文件、网络请求。
IO密集型任务的特点:大量网络请求,文件操作,CPU运算少,很多时候CPU在等待资源才能进一步操作。
问题3:既然要控制线程池中线程的数量,多少合适呢?
如果是CPU密集型任务,就需要尽量压榨CPU,参考值可以设为 Ncpu+1
如果是IO密集型任务,参考值可以设置为 2 * Ncpu,其中Ncpu 表示 核心数。
注意的是:以上给的是参考值,详细配置超出本次课程的范围,选不赘述。
4、大数据商品比价
4.1 需求描述和分析
需求描述: 实现一个大数据比价服务,价格数据可以从京东、天猫、拼多多等平台去获取指定商品的价格、优惠金额,然后计算出实际付款金额 ( 商品价格 - 优惠金额 ),最终返回价格最优的平台与价格信息。
4.2 构建工具类和实体类
定义价格实体类 PriceResult
@Getter
@Setter
@NoArgsConstructor
@AllArgsConstructor
public class PriceResult
private int price; // 平台价格
private int discount; // 折扣
private int realPrice; // 最终价
private String platform; // 商品平台
public PriceResult(String platform)
this.platform = platform;
@Override
public String toString()
return "PriceResult" +
"平台=" + platform +
", 价格=" + price +
", 折扣=" + discount +
", 最终价=" + realPrice +
\'\';
修改工具类 CommonUtils,添加 getCurrentTime() 方法获取当前时间并格式化,修改 printThreadLog() 方法,把时间戳替换成当前时间。
public class CommonUtils
private static String getCurrentTime()
LocalTime time = LocalTime.now();
return time.format(DateTimeFormatter.ofPattern("[HH:mm:ss.SSS]"));
// 打印输出带线程信息的日志
public static void printThreadLog(String message)
// 时间戳 | 线程id | 线程名 | 日志信息
String result = new StringJoiner(" | ")
.add(getCurrentTime())
.add(String.format("%2d", Thread.currentThread().getId()))
.add(Thread.currentThread().getName())
.add(message)
.toString();
System.out.println(result);
4.3 构建 HttpRequest
HttpRequest 用于模拟网络请求 ( 耗时的操作 )
public class HttpRequest
// 获取指定商品的淘宝价
public static PriceResult getTaoBaoPrice(String productName)
CommonUtils.printThreadLog("获取淘宝上" + productName + "价格");
mockCostTimeOperation();
PriceResult priceResult = new PriceResult("淘宝");
priceResult.setPrice(5199);
CommonUtils.printThreadLog("获取淘宝上" + productName + "价格完成:5199");
return priceResult;
// 获取指定商品的淘宝优惠
public static int getTaoBaoDiscount(String productName)
CommonUtils.printThreadLog("获取淘宝上" + productName + "优惠");
mockCostTimeOperation();
CommonUtils.printThreadLog("获取淘宝上" + productName + "优惠完成:-200");
return 200;
// 获取指定商品的JD价
public static PriceResult getJDongPrice(String productName)
CommonUtils.printThreadLog("获取京东上" + productName + "价格");
mockCostTimeOperation();
PriceResult priceResult = new PriceResult("京东");
priceResult.setPrice(5299);
CommonUtils.printThreadLog("获取京东上" + productName + "价格完成:5299");
return priceResult;
// 获取指定商品的JD优惠
public static int getJDongDiscount(String productName)
CommonUtils.printThreadLog("获取京东上" + productName + "优惠");
mockCostTimeOperation();
CommonUtils.printThreadLog("获取京东上" + productName + "优惠完成:-150");
return 150;
// 获取指定商品的拼多多价
public static PriceResult getPDDPrice(String productName)
CommonUtils.printThreadLog("获取拼多多上" + productName + "价格");
mockCostTimeOperation();
PriceResult priceResult = new PriceResult("拼多多");
priceResult.setPrice(5399);
CommonUtils.printThreadLog("获取拼多多上" + productName + "价格完成:5399");
return priceResult;
// 获取指定商品的拼多多优惠
public static int getPDDDiscount(String productName)
CommonUtils.printThreadLog("获取拼多多上" + productName + "优惠");
mockCostTimeOperation();
CommonUtils.printThreadLog("获取拼多多上" + productName + "优惠完成:-5300");
return 5300;
// 模拟耗时的操作
private static void mockCostTimeOperation()
try
Thread.sleep(1000L);
catch (InterruptedException e)
e.printStackTrace();
4.4 使用串行方式操作商品比价
public class ComparePriceService
// 方案一:串行方式操作商品比价
public PriceResult getCheapestPlatformPrice(String productName)
PriceResult priceResult;
int discount;
// 获取淘宝平台的价格和优惠
priceResult = HttpRequest.getTaoBaoPrice(productName);
discount = HttpRequest.getTaoBaoDiscount(productName);
PriceResult taoBaoPriceResult = this.computeRealPrice(priceResult, discount);
// 获取京东平台的价格和优惠
priceResult = HttpRequest.getJDongPrice(productName);
discount = HttpRequest.getJDongDiscount(productName);
PriceResult jDongPriceResult = this.computeRealPrice(priceResult, discount);
// 获取拼多多平台的价格和优惠
priceResult = HttpRequest.getPDDPrice(productName);
discount = HttpRequest.getPDDDiscount(productName);
PriceResult pddPriceResult = this.computeRealPrice(priceResult, discount);
Stream<PriceResult> stream = Stream.of(taoBaoPriceResult, jDongPriceResult, pddPriceResult);
Optional<PriceResult> minOpt = stream.min(Comparator.comparing(PriceResult::getRealPrice));
return minOpt.get();
// 计算商品的最终价格 = 平台价格 - 优惠价
public PriceResult computeRealPrice(PriceResult priceResult,int discount)
priceResult.setRealPrice(priceResult.getPrice() - discount);
priceResult.setDiscount(discount);
LogUtils.printLog(priceResult.getPlatform() + "最终价格计算完成:" + priceResult.getRealPrice());
return priceResult;
使用串行方式在main线程中执行的测试类
public class ComparePriceDemo
public static void main(String[] args)
// 方案一测试:串行方式操作商品比价
ComparePriceService service = new ComparePriceService();
long start = System.currentTimeMillis();
PriceResult priceResult = service.getCheapestPlatformPrice("iPhone");
long end = System.currentTimeMillis();
double costTime = (end - start) / 1000.0;
System.out.printf("cost %.2f second \\n",costTime);
System.out.println("priceResult = " + priceResult);
4.5 使用Future+线程池增强并行
public class ComparePriceService
// 方案二:使用Future+线程池增强并行
public PriceResult getCheapestPlatformPrice2(String productName)
// 线程池
ExecutorService executor = Executors.newFixedThreadPool(5);
// 获取淘宝平台的价格和优惠
Future<PriceResult> taoBaoFuture = executor.submit(() ->
PriceResult priceResult = HttpRequest.getTaoBaoPrice(productName);
int discount = HttpRequest.getTaoBaoDiscount(productName);
return this.computeRealPrice(priceResult, discount);
);
// 获取京东平台的价格和优惠
Future<PriceResult> jDongFuture = executor.submit(() ->
PriceResult priceResult = HttpRequest.getJDongPrice(productName);
int discount = HttpRequest.getJDongDiscount(productName);
return this.computeRealPrice(priceResult, discount);
);
// 获取拼多多平台的价格和优惠
Future<PriceResult> pddFuture = executor.submit(() ->
PriceResult priceResult = HttpRequest.getPDDPrice(productName);
int discount = HttpRequest.getPDDDiscount(productName);
return this.computeRealPrice(priceResult, discount);
);
// 比较计算最便宜的平台和价格
return Stream.of(taoBaoFuture, jDongFuture, pddFuture)
.map(future ->
try
return future.get();
catch (Exception e)
e.printStackTrace();
return null;
)
.filter(Objects::nonNull)
.min(Comparator.comparing(PriceResult::getRealPrice))
.get();
使用Future+线程池的方式的测试类
public class ComparePriceDemo
public static void main(String[] args)
ComparePriceService service = new ComparePriceService();
// 方案二测试:使用Future+线程池增强并行
long start = System.currentTimeMillis();
PriceResult priceResult = service.getCheapestPlatformPrice2("iPhone");
long end = System.currentTimeMillis();
double costTime = (end - start) / 1000.0;
System.out.printf("cost %.2f second \\n",costTime);
System.out.println("priceResult = " + priceResult);
4.6 使用 CompletableFuture 进一步增强并行
public class ComparePriceService
// 方案三:使用 CompletableFuture 进一步增强并行
public PriceResult getCheapestPlatformPrice3(String productName)
// 获取淘宝平台的价格和优惠
CompletableFuture<PriceResult> taoBaoCF = CompletableFuture
.supplyAsync(() -> HttpRequest.getTaoBaoPrice(productName))
.thenCombine(CompletableFuture.supplyAsync(() -> HttpRequest.getTaoBaoDiscount(productName)), this::computeRealPrice);
// 获取京东平台的价格和优惠
CompletableFuture<PriceResult> jDongCF = CompletableFuture
.supplyAsync(() -> HttpRequest.getJDongPrice(productName))
.thenCombine(CompletableFuture.supplyAsync(() -> HttpRequest.getJDongDiscount(productName)), this::computeRealPrice);
// 获取拼多多平台的价格和优惠
CompletableFuture<PriceResult> pddCF = CompletableFuture
.supplyAsync(() -> HttpRequest.getPDDPrice(productName))
.thenCombine(CompletableFuture.supplyAsync(() -> HttpRequest.getPDDDiscount(productName)), this::computeRealPrice);
return Stream.of(taoBaoCF,jDongCF,pddCF)
.map(CompletableFuture::join)
.min(Comparator.comparing(PriceResult::getRealPrice))
.get();
使用CompletableFuture方案的测试类
public class ComparePriceDemo
public static void main(String[] args)
ComparePriceService service = new ComparePriceService();
// 方案三测试:使用 CompletableFuture 进一步增强并行
long start = System.currentTimeMillis();
PriceResult priceResult = service.getCheapestPlatformPrice3("iPhone");
long end = System.currentTimeMillis();
double costTime = (end - start) / 1000.0;
System.out.printf("cost %.2f second \\n",costTime);
System.out.println("priceResult = " + priceResult);
4.7 Stream API 操作批量商品比价
public class ComparePriceService
public PriceResult batchComparePrice(List<String> products)
// 遍历每个商品,根据商品开启异步任务获取最终价,然后归集到List集合
List<CompletableFuture<PriceResult>> completableFutures = products.stream()
.map(product ->
return CompletableFuture
.supplyAsync(() -> HttpRequest.getTaoBaoPrice(product))
.thenCombine(CompletableFuture.supplyAsync(() -> HttpRequest.getTaoBaoDiscount(product)), this::computeRealPrice);
).collect(Collectors.toList());
// 把多个商品的最终价进行排序比较获取最小值
return completableFutures
.stream()
.map(CompletableFuture::join)
.sorted(Comparator.comparing(PriceResult::getRealPrice))
.findFirst()
.get();
批量商品比价查询测试类
public class ComparePriceDemo
public static void main(String[] args)
ComparePriceService service = new ComparePriceService();
// 测试在一个平台比较同款产品(iPhone14)不同色系的价格
List<String> products = Arrays.asList("iPhone14黑色", "iPhone14白色", "iPhone14玫瑰红");
PriceResult priceResult = service.batchComparePrice(products);
System.out.println("priceResult = " + priceResult);
异步回调CompletableFuture
异步回调CompletableFuture
使用Future
获得异步执行结果时,要么调用阻塞方法get()
,要么轮询看isDone()
是否为true
,这两种方法都不是很好,因为主线程也会被迫等待。
从Java 8开始引入了CompletableFuture
,它针对Future
做了改进,可以传入回调对象,当异步任务完成或者发生异常时,自动调用回调对象的回调方法。
CompletableFuture
作用类似JavaScript的Promise。
主要功能
静态方法:
-
CompletableFuture.supplyAsync(supplier)
:用指定的supplier创建一个有返回值的异步回调,异步回调的结果是supplier的计算结果。默认使用ForkJoinPool.commonPool()
线程池。 -
CompletableFuture.supplyAsync(supplier,executor)
:同上,不过使用指定线程池。 -
CompletableFuture.runAsync(runnable)
:创建一个没有返回值,即泛型为Void返回值为null的异步回调,其回调函数的入参为null。默认使用ForkJoinPool.commonPool()
线程池。 -
CompletableFuture.runAsync(runnable,executor)
:同上,不过使用指定的线程池。 -
CompletableFuture.completedFuture(U value)
:用给定的值创建一个已经计算完成的异步回调,值为value。 -
CompletableFuture.allOf(completableFutures)
:返回一个新的异步回调,会在所有异步回调计算完成时完成。新completableFuture的值始终为null。如果有一个任务抛异常了,则新回调也会抛异常。如果completableFutures为空数组,则回调直接完成,值为null。 -
CompletableFuture.allOf(completableFutures)
:返回一个新的异步回调,会在任何一个异步回调计算完成时完成。新completableFuture的值为完成的那个异步回调的值。如果完成的那个异步回调抛异常了,则新的异步回调也会抛异常。如果completableFutures为空数组,则返回一个不会完成的completableFuture,该completableFuture的get()方法将一直阻塞。
实例方法:
-
complete(T value)
:在任务未结束时,使用value值作为任务执行的结果,直接结束任务,成功返回true。在任务执行结束之后执行此方法会返回false且不会改变结果。 -
completeExceptionally(Throwable ex)
:在任务未结束时,用给定的异常使任务异常结束,成功返回true,get()直接抛异常。在任务执行结束之后执行此方法会返回false且不会改变结果。
每个实例方法都对应三种实现:xxx(callback)
、xxxAsync(callback)
和xxxAsync(callback,executor)
。以下代码测试了三种方法的区别。这种区别不适用于静态方法。
/**
* 测试 xxx、xxxAsync 和 xxxAsync(callback,executor) 的区别。
* 每次调用方法都会打印执行的线程名。
*/
public class CompletableFutureDemo {
public static void main(String[] args) {
ExecutorService executorService = MyThreadPoolFactory.getThreadPool();
CompletableFuture<String> completableFuture = CompletableFuture.supplyAsync(()->"supplyAsync:"+Thread.currentThread().getName() );
completableFuture.
thenApply(t-> "thenApply:"+Thread.currentThread().getName() +" "+ t).
thenAccept(t-> System.out.println("thenAccept:"+Thread.currentThread().getName() +" "+ t));
completableFuture.
thenApplyAsync(t-> "thenApplyAsync:"+Thread.currentThread().getName() +" "+ t).
thenAcceptAsync(t-> System.out.println("thenAcceptAsync:"+Thread.currentThread().getName() +" "+ t));
completableFuture.
thenApplyAsync(t-> "thenApplyAsync+pool:"+Thread.currentThread().getName() +" "+ t,executorService).
thenAcceptAsync(t-> System.out.println("thenAcceptAsync+pool:"+Thread.currentThread().getName() +" "+ t),executorService);
}
}
//输出:
//thenAccept:main thenApply:main supplyAsync:ForkJoinPool.commonPool-worker-9
//thenAcceptAsync:ForkJoinPool.commonPool-worker-9 thenApplyAsync:ForkJoinPool.commonPool-worker-9 supplyAsync:ForkJoinPool.commonPool-worker-9
//thenAcceptAsync+pool:P0T1 thenApplyAsync+pool:P0T0 supplyAsync:ForkJoinPool.commonPool-worker-9
由上面的代码可以看出:
xxx(callback)
:用调用方法的线程执行回调函数callback。xxxAsync(callback)
:用CompletableFuture内部的线程池调用回调函数callback。xxxAsync(callback,executor)
:用给定的线程池executor调用回调函数callback。
上面的特点适用于以下方法:除了handle和whenComplete都是在任务正常处理完成没有抛异常时执行。
handle(BiFunction<T,Throwable,U> fn)
:对任务的执行结果进行处理,T为执行结果,Throwable是抛出的异常,U为返回值。whenComplete(BiConsumer<T,Throwable> action)
:当异步回调任务执行完成时,调用BiConsumer函数,并返回新的CompletableFuture。action消费两个参数,第一个参数是任务的执行结果,第二个参数是任务抛出的异常。 thenApply(Function<T,U> fn)
:当任务处理完成后,对结果进行处理,并返回新的CompletableFuture。fn接收一个参数T,返回另一个参数U,两个参数的类型需要通过泛型指定。thenAccept(Consumer<T> action)
:当任务处理完成后,对结果进行处理,并返回新的CompletableFuture。 thenAcceptBoth(CompletionStage<U> other,BiConsumer<T,U> action)
: 同时处理两个任务的执行结果,并返回新的CompletableFuture。 thenCombine(CompletionStage<U> other,BiFunction<T,U, V> fn)
:相当于两个completableFuture版的thenApply(Function<T,U> fn)
,会返回新的CompletableFuturethenCompose(Function<T,CompletionStage<U>> fn)
:用当前任务的执行结果,构成一个新的completableFuture。相当于thenApply(Function<T,CompletionStage<U>> fn)
thenRun(Runnable action)
:当前任务执行完成之后执行action。acceptEither(CompletionStage<T> other, Consumer<T> action)
:消费掉任何一个先完成的任务的结果。applyToEither(CompletionStage<? extends T> other, Function<? super T, U> fn)
:处理任何一个先完成的任务的结果。runAfterBoth(CompletionStage<?> other,Runnable action)
:在两个任务都完成之后执行actionrunAfterEither(CompletionStage<?> other,Runnable action)
:在任何一个完成之后执行action。
总结:
- thenxxx和acceptEither、applyToEither、runAfterBoth、runAfterEither都只在相关任务正常结束而非异常结束时执行回调。
- 以上提到的这些方法除了complete和completeExceptional,都是返回新的CompletableFuture实例,因此都可以链式调用。
以上是关于CompletableFuture进阶的主要内容,如果未能解决你的问题,请参考以下文章
CompletableFuture CompletableFuture.supplyAsync 异常处理
返回 CompletableFuture<Void> 还是 CompletableFuture<?>?