让API并行调用变得如丝般顺滑的绝招

当数据量较大的时候，都会通过分库分表来拆分，分担读写的压力。分库分表后比较麻烦的就是查询的问题，如果不是直接根据分片键去查询的话，需要对多个表进行查询。

在一些复杂的业务场景下，比如订单搜索，除了订单号，用户，商家 这些常用的搜索条件，可能还有时间，商品等等。

目前常见的做法将数据同步到 ES 这类搜索框架中进行查询，然后通过搜出来的结果，一般是主键 ID, 再去具体的数据表中查询完整的数据，组装返回给调用方。

比如下面这段代码，首先查询出文章信息，然后根据文章中的用户 ID 去查询用户的昵称。

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 条数据，那么就需要调用 10 次用户服务提供的接口，而且是同步调用操作。

当然我们也可以用并行流来实现并发调用，代码如下：

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

并行流的优点很明显，代码不用做特别大的改动。需要注意如果用并行流，最好单独定义一个 ForkJoinPool。

除了用并行流，还可以使用批量查询的方式来提高性能，降低 RPC 的调用次数，代码如下：

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());

但批量查询还是同步模式，下面介绍如果使用 CompletableFuture 来实现异步并发调用，直接用原生的 CompletableFuture 也可以，但是编排能力没有那么强，这里我们选择一款基于 CompletableFuture 封装的并行编排框来实现，详细介绍查看我之前的这篇文章：https://mp.weixin.qq.com/s/3EE8ccydK16gC1oY4AWnoA

稍微做了下封装，提供了更方便使用的工具类来实现并发调用多个接口的逻辑。

第一种方式，适用于比如从 ES 查出了一批 ID, 然后根据 ID 去数据库中或者调用 RPC 查询真实数据，最后得到一个 Map，可以根据 Key 获取对应的数据。

内部是多线程并发调用，会等到结果全部返回。

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("耗时：" + (e-s) + "ms");
    return "";
}

另一个场景就是 API 聚合的场景，需要并行调用多个接口，将结果进行组装。

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 中定义参数和响应的类型，响应结果会在执行完后会自动设置到 AsyncCall 中。在 call 方法中需要根据 taskId 去做对应的处理逻辑，不同的 taskId 调用的接口不一样。

源码参考：https://github.com/yinjihuan/kitty

关于作者：尹吉欢，简单的技术爱好者，《Spring Cloud 微服务-全栈技术与案例解析》, 《Spring Cloud 微服务 入门 实战与进阶》作者, 公众号 猿天地 发起人。

有收获，不要吝啬你的转发和在看。