[[360995]]

本文轉載自微信公眾號「猿天地」，作者尹吉歡。轉載本文請聯系猿天地公眾號。  

 當數據量較大的時候，都會通過分庫分表來拆分，分擔讀寫的壓力。分庫分表后比較麻煩的就是查詢的問題，如果不是直接根據分片鍵去查詢的話，需要對多個表進行查詢。

在一些復雜的業務場景下，比如訂單搜索，除了訂單號，用戶，商家 這些常用的搜索條件，可能還有時間，商品等等。

目前常見的做法將數據同步到 ES 這類搜索框架中進行查詢，然后通過搜出來的結果，一般是主鍵 ID, 再去具體的數據表中查詢完整的數據，組裝返回給調用方。

比如下面這段代碼，首先查詢出文章信息，然后根據文章中的用戶 ID 去查詢用戶的昵稱。

List<ArticleBO> articleBos = articleDoPage.getRecords().stream().map(r -> { 
    String nickname = userManager.getNickname(r.getUserId()); 
    return articleBoConvert.convertPlus(r, nickname); 
}).collect(Collectors.toList()); 

如果文章有 10 條數據，那么就需要調用 10 次用戶服務提供的接口，而且是同步調用操作。

當然我們也可以用并行流來實現并發調用，代碼如下：

List<ArticleBO> articleBos = articleDoPage.getRecords().parallelStream().map(r -> { 
    String nickname = userManager.getNickname(r.getUserId()); 
    return articleBoConvert.convertPlus(r, nickname); 
}).collect(Collectors.toList()); 

并行流的優點很明顯，代碼不用做特別大的改動。需要注意如果用并行流，最好單獨定義一個 ForkJoinPool。

除了用并行流，還可以使用批量查詢的方式來提高性能，降低 RPC 的調用次數，代碼如下：

List<Long> userIds = articleDoPage.getRecords().stream().map(article -> article.getUserId()).collect(Collectors.toList()); 
Map<Long, String> nickNameMap = userManager.queryByIds(userIds).stream().collect(Collectors.toMap(UserResponse::getId, UserResponse::getNickname)); 
List<ArticleBO> articleBos = articleDoPage.getRecords().stream().map(r -> { 
    String nickname = nickNameMap.containsKey(r.getUserId()) ? nickNameMap.get(r.getUserId()) : CommonConstant.DEFAULT_EMPTY_STR; 
    return articleBoConvert.convertPlus(r, nickname); 
}).collect(Collectors.toList()); 

但批量查詢還是同步模式，下面介紹如果使用 CompletableFuture 來實現異步并發調用，直接用原生的 CompletableFuture 也可以，但是編排能力沒有那么強，這里我們選擇一款基于 CompletableFuture 封裝的并行編排框來實現。

稍微做了下封裝，提供了更方便使用的工具類來實現并發調用多個接口的邏輯。

第一種方式，適用于比如從 ES 查出了一批 ID, 然后根據 ID 去數據庫中或者調用 RPC 查詢真實數據，最后得到一個 Map，可以根據 Key 獲取對應的數據。

內部是多線程并發調用，會等到結果全部返回。

public Object aggregationApi() { 
    long s = System.currentTimeMillis(); 
    List<String> ids = new ArrayList<>(); 
    ids.add("1"); 
    ids.add("2"); 
    ids.add("3"); 
    Map<String, UserResponse> callResult = AsyncTemplate.call(ids, id -> { 
        return userService.getUser(id); 
    }, u -> u.getId(), COMMON_POOL); 
    long e = System.currentTimeMillis(); 
    System.out.println("耗時：" + (e-s) + "ms"); 
    return ""; 
} 

另一個場景就是 API 聚合的場景，需要并行調用多個接口，將結果進行組裝。

List<AsyncCall> params = new ArrayList<>(); 
AsyncCall<Integer, Integer> goodsQuery = new AsyncCall("goodsQuery", 1); 
params.add(goodsQuery); 
AsyncCall<String, OrderResponse> orderQuery = new AsyncCall("orderQuery", "100"); 
params.add(orderQuery); 
UserQuery q = new UserQuery(); 
q.setAge(18); 
q.setName("yinjihuan"); 
AsyncCall<UserQuery, UserResponse> userQuery = new AsyncCall("userQuery", q); 
params.add(userQuery); 
AsyncTemplate.call(params, p -> { 
    if (p.getTaskId().equals("goodsQuery")) { 
        AsyncCall<Integer, Integer> query = p; 
        return goodsService.getGoodsName(query.getParam()); 
    } 
    if (p.getTaskId().equals("orderQuery")) { 
        AsyncCall<String, OrderResponse> query = p; 
        return orderService.getOrder(query.getParam()); 
    } 
    if (p.getTaskId().equals("userQuery")) { 
        AsyncCall<UserQuery, UserResponse> query = p; 
        return userService.getUser(query.getParam()); 
    } 
    return null; 
}); 

AsyncCall 中定義參數和響應的類型，響應結果會在執行完后會自動設置到 AsyncCall 中。在 call 方法中需要根據 taskId 去做對應的處理邏輯，不同的 taskId 調用的接口不一樣。

源碼參考：https://github.com/yinjihuan/kitty

關于作者：尹吉歡，簡單的技術愛好者，《Spring Cloud 微服務-全棧技術與案例解析》, 《Spring Cloud 微服務 入門 實戰與進階》作者, 公眾號 猿天地 發起人。

原文鏈接：http://cxytiandi.com/blog/user/1