Future模式与CompletableFuture
处理异步任务时，Future与CompletableFuture是强有力的工具。
实战案例：多API并行调用
假设我们需要从多个微服务获取数据，然后合并结果：
public UserProfileDto getUserProfile(Long userId) {long startTime = System.currentTimeMillis();// 并行获取用户基本信息CompletableFuture<UserBasicInfo> basicInfoFuture = CompletableFuture.supplyAsync(() -> userService.getBasicInfo(userId));// 并行获取用户订单信息CompletableFuture<List<Order>> ordersFuture = CompletableFuture.supplyAsync(() -> orderService.getUserOrders(userId));// 并行获取用户积分信息CompletableFuture<PointsInfo> pointsFuture = CompletableFuture.supplyAsync(() -> pointsService.getUserPoints(userId));// 等待所有任务完成并合并结果UserProfileDto result = CompletableFuture.allOf(basicInfoFuture, ordersFuture, pointsFuture).thenApply(v -> {UserBasicInfo basicInfo = basicInfoFuture.join();List<Order> orders = ordersFuture.join();PointsInfo points = pointsFuture.join();return new UserProfileDto(basicInfo, orders, points);}).join();long endTime = System.currentTimeMillis();log.info("获取用户档案总耗时: {}ms", (endTime - startTime));return result;
}
使用CompletableFuture可以将原本串行执行的三个服务调用并行化，显著提升响应速度。
线程池的正确使用姿势
线程池是Java并发编程的重要组件，但使用不当会导致严重问题。
线程池核心参数详解
ThreadPoolExecutor executor = new ThreadPoolExecutor(corePoolSize, // 核心线程数maximumPoolSize, // 最大线程数keepAliveTime, // 空闲线程存活时间timeUnit, // 时间单位workQueue, // 工作队列threadFactory, // 线程工厂rejectedExecutionHandler // 拒绝策略
);
真实踩坑：线程池参数配置不当
某支付系统中，开发人员使用了这样的线程池：
// 错误示范
ExecutorService executor = Executors.newFixedThreadPool(10);
在高峰期，系统大量请求堆积，导致内存溢出。原因是newFixedThreadPool使用的是无界队列LinkedBlockingQueue，请求不断堆积最终耗尽内存。
正确的做法是明确指定队列大小，并设置合适的拒绝策略：
int corePoolSize = 10;
int maximumPoolSize = 20;
long keepAliveTime = 60L;
TimeUnit unit = TimeUnit.SECONDS;
BlockingQueue<Runnable> workQueue = new ArrayBlockingQueue<>(1000);
ThreadFactory threadFactory = new CustomThreadFactory("payment-thread-");
RejectedExecutionHandler handler = new ThreadPoolExecutor.CallerRunsPolicy();ExecutorService executor = new ThreadPoolExecutor(corePoolSize, maximumPoolSize, keepAliveTime, unit, workQueue, threadFactory, handler);
这个配置限制了队列大小，并使用CallerRunsPolicy作为拒绝策略，在系统过载时让调用者线程执行任务，起到限流作用。
总结
点赞关注「佩奇的技术笔记」，获取更多并发编程实战技巧！