異步處理模型

一旦談到分佈式，微服務等這些具有很高逼格的代名詞，總能讓你在面試中脫穎而出，不是因為這些詞的英文翻譯的好，而是現代互聯網乃至企業級開發確實在分佈式，微服務等模式下取得了良好的架構效果。無論是微服務，還是之前的SOA，總是離不開異步處理模型，小到程序中IO的處理，大到系統間的消息交互，處處都有異步的身影。

談到系統之間的消息異步處理，就不能不談消息隊列（MQ），目前業界比較流行的MQ類型請自行百度腦補。但是需要提醒一下，MQ只是實現數據異步處理的一種解決方案，沒有MQ能不能實現異步處理呢？當然能，最簡單粗暴的莫過於採用數據庫方式，消息生產者直接把數據插入數據庫，消費者採用讀取數據庫的方式來獲取數據，所以MQ並不等於異步處理哦。

異步消息處理最大程度上解耦了各個系統，為每個系統獨立擴展提供了更大空間，但是異步消息處理也同時面臨着一些挑戰，比如：消息管道性能，消息管道的高可用等，其中最貼近業務層的可能非“數據異常處理”莫屬，基本上可認為這是數據處理模型的最末端，數據流向的尾部，但往往卻是業務中比較重要的部分。

如果一條異步消息作為一個分佈式事務中的一環，那還設計到消息處理結果的反饋，分佈式協調器會根據消息結果的成功與否來決定的事務的結果。

單就異步消息消費端來講，根據不同的業務場景就有以下幾種異常處理方案

直接忽略

這是所有異常數據處理方案中最粗暴，同時也是最簡單的一種：發生異常的時候，直接忽略，什麼都不做。

面對異常不採取任何措施，乍一聽這可能是個很糟糕的方案，但是在實際業務中，這可能是完全可以接受的。如果因為錯誤導致的損失很小，甚至可以忽略，但是建立一套錯誤糾正機制的成本遠遠高於忽略異常，這種場景下選擇直接忽略往往是一種更優的方案。而且當錯誤糾正機制設計到需要人工介入操作的時候，代價會更高，而且還會引入影響其他業務的可能，更為可怕的是如果錯誤糾正機制本身出現問題，那代價更是…..

舉個很簡單的栗子：像一些登錄日誌的統計操作，如果處理某個人登錄的數據出現異常，往往會選擇直接忽略。因為統計這種業務本身就帶有數據的容錯機制，100000和100001在統計需求看來沒有什麼區別。

重試

當直接忽略的方案不可行的時候，你可能需要重試的操作。如果在重試的情況下有足夠高的成功率，那重試就是合理的選擇。重試雖然可以改正間接性的錯誤，但是它對那些違反業務規則，違反數據模型的數據無能為力。

在最理想的情況下，如果重試操作是冪等性的，什麼叫冪等性能（自己去百度吧）？事情就會簡單很多，重試操作可以放心大膽的去實施。但是在重試操作經過一段時間或者一定次數之後還未成功的話，多數情況下可能需要有一定的後續策略，比如：重試10次之後如果還是失敗，則放棄。

補償

這個策略是分佈式事務中經常用到的，與其說是補償，不如說是回滾操作。特別是在程序接收到數據會有一系列的操作的情景下，補償操作類似於事務回滾的概念，讓系統回到發生這一系列操作之前的狀態。這種補償的機制非常適合於那種有“事務”需求的場景。

你的業務中有哪些“事務”的需求場景呢？歡迎在留言中體現，另外再稍微提一下，每周送架構書籍的活動仍然在進行哦，歡迎關注

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

※網頁設計公司推薦不同的風格，搶佔消費者視覺第一線

※Google地圖已可更新顯示潭子電動車充電站設置地點!!

※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

※別再煩惱如何寫文案,掌握八大原則!

一、粉絲的反饋

問：stream比for循環慢5倍，用這個是為了啥？
答：互聯網是一個新聞泛濫的時代，三人成虎，以假亂真的事情時候發生。作為一個技術開發者，要自己去動手去做，不要人云亦云。

的確，這位粉絲說的這篇文章我也看過，我就不貼地址了，也沒必要給他帶流量。怎麼說呢？就是一個不懂得測試的、不入流開發工程師做的性能測試，給出了一個危言聳聽的結論。

二、所有性能測試結論都是片面的

性能測試是必要的，但針對性能測試的結果，永遠要持懷疑態度。為什麼這麼說？

• 性能測試脫離業務場景就是片面的性能測試。你能覆蓋所有的業務場景么？
• 性能測試脫離硬件環境就是片面的性能測試。你能覆蓋所有的硬件環境么？
• 性能測試脫離開發人員的知識面就是片面的性能測試。你能覆蓋各種開發人員奇奇怪怪的代碼么？

所以，我從來不相信網上的任何性能測試的文章。凡是我自己的從事的業務場景，我都要在接近生產環境的機器上自己測試一遍。 所有性能測試結論都是片面的，只有你生產環境下的運行結果才是真的。

三、動手測試Stream的性能

3.1.環境

windows10 、16G內存、i7-7700HQ 2.8HZ 、64位操作系統、JDK 1.8.0_171

3.2.測試用例與測試結論

我們在上一節,已經講過：

• 針對不同的數據結構，Stream流的執行效率是不一樣的
• 針對不同的數據源，Stream流的執行效率也是不一樣的

所以記住筆者的話：所有性能測試結論都是片面的，你要自己動手做，相信你自己的代碼和你的環境下的測試！我的測試結果僅僅代表我自己的測試用例和測試數據結構！

3.2.1.測試用例一

測試用例：5億個int隨機數，求最小值
測試結論（測試代碼見後文）：

• 使用普通for循環，執行效率是Stream串行流的2倍。也就是說普通for循環性能更好。
• Stream并行流計算是普通for循環執行效率的4-5倍。
• Stream并行流計算 > 普通for循環 > Stream串行流計算

3.2.測試用例二

測試用例：長度為10的1000000隨機字符串，求最小值
測試結論（測試代碼見後文）：

• 普通for循環執行效率與Stream串行流不相上下
• Stream并行流的執行效率遠高於普通for循環
• Stream并行流計算 > 普通for循環 = Stream串行流計算

3.3.測試用例三

測試用例：10個用戶，每人200個訂單。按用戶統計訂單的總價。
測試結論（測試代碼見後文）：

• Stream并行流的執行效率遠高於普通for循環
• Stream串行流的執行效率大於等於普通for循環
• Stream并行流計算 > Stream串行流計算 >= 普通for循環

四、最終測試結論

• 對於簡單的数字(list-Int)遍歷，普通for循環效率的確比Stream串行流執行效率高（1.5-2.5倍）。但是Stream流可以利用并行執行的方式發揮CPU的多核優勢,因此并行流計算執行效率高於for循環。
• 對於list-Object類型的數據遍歷，普通for循環和Stream串行流比也沒有任何優勢可言，更不用提Stream并行流計算。

雖然在不同的場景、不同的數據結構、不同的硬件環境下。Stream流與for循環性能測試結果差異較大，甚至發生逆轉。但是總體上而言：

• Stream并行流計算 >> 普通for循環 ~= Stream串行流計算 (之所以用兩個大於號，你細品)
• 數據容量越大，Stream流的執行效率越高。
• Stream并行流計算通常能夠比較好的利用CPU的多核優勢。CPU核心越多，Stream并行流計算效率越高。

stream比for循環慢5倍？也許吧，單核CPU、串行Stream的int類型數據遍歷？我沒試過這種場景，但是我知道這不是應用系統的核心場景。看了十幾篇測試博文，和我的測試結果。我的結論是： 在大多數的核心業務場景下及常用數據結構下，Stream的執行效率比for循環更高。 畢竟我們的業務中通常是實實在在的實體對象，沒事誰總對List<Int>類型進行遍歷？誰的生產服務器是單核？。

五、測試代碼

<dependency>
    <groupId>com.github.houbb</groupId>
    <artifactId>junitperf</artifactId>
    <version>2.0.0</version>
</dependency>

測試用例一：

import com.github.houbb.junitperf.core.annotation.JunitPerfConfig;
import com.github.houbb.junitperf.core.report.impl.HtmlReporter;
import org.junit.jupiter.api.BeforeAll;

import java.util.Arrays;
import java.util.Random;

public class StreamIntTest {

    public static int[] arr;

    @BeforeAll
    public static void init() {
        arr = new int[500000000];  //5億個隨機Int
        randomInt(arr);
    }

    @JunitPerfConfig( warmUp = 1000, reporter = {HtmlReporter.class})
    public void testIntFor() {
        minIntFor(arr);
    }

    @JunitPerfConfig( warmUp = 1000, reporter = {HtmlReporter.class})
    public void testIntParallelStream() {
        minIntParallelStream(arr);
    }

    @JunitPerfConfig( warmUp = 1000, reporter = {HtmlReporter.class})
    public void testIntStream() {
        minIntStream(arr);
    }

    private int minIntStream(int[] arr) {
        return Arrays.stream(arr).min().getAsInt();
    }

    private int minIntParallelStream(int[] arr) {
        return Arrays.stream(arr).parallel().min().getAsInt();
    }

    private int minIntFor(int[] arr) {
        int min = Integer.MAX_VALUE;
        for (int anArr : arr) {
            if (anArr < min) {
                min = anArr;
            }
        }
        return min;
    }

    private static void randomInt(int[] arr) {
        Random r = new Random();
        for (int i = 0; i < arr.length; i++) {
            arr[i] = r.nextInt();
        }
    }
}

測試用例二：

import com.github.houbb.junitperf.core.annotation.JunitPerfConfig;
import com.github.houbb.junitperf.core.report.impl.HtmlReporter;
import org.junit.jupiter.api.BeforeAll;

import java.util.ArrayList;
import java.util.Random;

public class StreamStringTest {

    public static ArrayList<String> list;

    @BeforeAll
    public static void init() {
        list = randomStringList(1000000);
    }

    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testMinStringForLoop(){
        String minStr = null;
        boolean first = true;
        for(String str : list){
            if(first){
                first = false;
                minStr = str;
            }
            if(minStr.compareTo(str)>0){
                minStr = str;
            }
        }
    }

    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void textMinStringStream(){
        list.stream().min(String::compareTo).get();
    }

    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testMinStringParallelStream(){
        list.stream().parallel().min(String::compareTo).get();
    }

    private static ArrayList<String> randomStringList(int listLength){
        ArrayList<String> list = new ArrayList<>(listLength);
        Random rand = new Random();
        int strLength = 10;
        StringBuilder buf = new StringBuilder(strLength);
        for(int i=0; i<listLength; i++){
            buf.delete(0, buf.length());
            for(int j=0; j<strLength; j++){
                buf.append((char)('a'+ rand.nextInt(26)));
            }
            list.add(buf.toString());
        }
        return list;
    }
}

測試用例三：

import com.github.houbb.junitperf.core.annotation.JunitPerfConfig;
import com.github.houbb.junitperf.core.report.impl.HtmlReporter;
import org.junit.jupiter.api.BeforeAll;

import java.util.*;
import java.util.stream.Collectors;

public class StreamObjectTest {

    public static List<Order> orders;

    @BeforeAll
    public static void init() {
        orders = Order.genOrders(10);
    }

    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testSumOrderForLoop(){
        Map<String, Double> map = new HashMap<>();
        for(Order od : orders){
            String userName = od.getUserName();
            Double v; 
            if((v=map.get(userName)) != null){
                map.put(userName, v+od.getPrice());
            }else{
                map.put(userName, od.getPrice());
            }
        }

    }

    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testSumOrderStream(){
        orders.stream().collect(
                Collectors.groupingBy(Order::getUserName, 
                        Collectors.summingDouble(Order::getPrice)));
    }

    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testSumOrderParallelStream(){
        orders.parallelStream().collect(
                Collectors.groupingBy(Order::getUserName, 
                        Collectors.summingDouble(Order::getPrice)));
    }
}


class Order{
    private String userName;
    private double price;
    private long timestamp;
    public Order(String userName, double price, long timestamp) {
        this.userName = userName;
        this.price = price;
        this.timestamp = timestamp;
    }
    public String getUserName() {
        return userName;
    }
    public double getPrice() {
        return price;
    }
    public long getTimestamp() {
        return timestamp;
    }

    public static List<Order> genOrders(int listLength){
        ArrayList<Order> list = new ArrayList<>(listLength);
        Random rand = new Random();
        int users = listLength/200;// 200 orders per user
        users = users==0 ? listLength : users;
        ArrayList<String> userNames = new ArrayList<>(users);
        for(int i=0; i<users; i++){
            userNames.add(UUID.randomUUID().toString());
        }
        for(int i=0; i<listLength; i++){
            double price = rand.nextInt(1000);
            String userName = userNames.get(rand.nextInt(users));
            list.add(new Order(userName, price, System.nanoTime()));
        }
        return list;
    }
    @Override
    public String toString(){
        return userName + "::" + price;
    }
}

歡迎關注我的博客，裏面有很多精品合集

• 本文轉載註明出處（必須帶連接，不能只轉文字）：字母哥博客。

覺得對您有幫助的話，幫我點贊、分享！您的支持是我不竭的創作動力！ 。另外，筆者最近一段時間輸出了如下的精品內容，期待您的關注。

• 《手摸手教你學Spring Boot2.0》
• 《Spring Security-JWT-OAuth2一本通》
• 《實戰前後端分離RBAC權限管理系統》
• 《實戰SpringCloud微服務從青銅到王者》
• 《VUE深入淺出系列》

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※網頁設計公司推薦不同的風格，搶佔消費者視覺第一線

※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面

※南投搬家公司費用需注意的眉眉角角，別等搬了再說!

※新北清潔公司,居家、辦公、裝潢細清專業服務

※教你寫出一流的銷售文案?

「蒲公英」期刊，每周更新，我們專註於挖掘「基礎技術、工程化、跨端框架技術、圖形編程、服務端開發、桌面開發、人工智能」等多個大方向的業界熱點，並加以專業的解讀；不僅如此，我們還精選凹凸技術文章，向大家呈現團隊內的研究技術方向。

抬頭仰望，蒲公英的種子會生根發芽，如夏花絢爛；格物致知，我們登高遠眺、滄海拾遺，以求積硅步而至千里。

登高遠眺

天高地迥，覺宇宙之無窮

前端框架

Vue3 Composition API 提案

Vue3 其中一個重量級的特性就是 Composition API，它能幫助我們更好地組織代碼。本網頁是 Composition API 的草案，詳細介紹了 Composition API 的設計動機、設計細節、具體 API 用法等。文章篇幅較長，推薦找一個悠閑的周末，泡上咖啡，帶上耳機，細細品讀一番。

工具測評: React Hook Form VS Formik

使用 React 構建表單是一件痛苦的事情，官方推薦了 Formik。本文對使用 Formik 和 React Hook Form 構建表單進行了比較，得出 React Hook Form 比 Formik 更易用、更高效的結論。如果你正巧在這方面有困惑，可實踐嘗試體驗。

Quark-h5 — 從零開始的可視化編輯器

想必你一定使用微場景生成工具製作過炫酷的 h5 頁面，除了感嘆其神奇之處有沒有想過其實現方式呢？本文從零開始實現一個 H5 編輯器項目完整設計思路和主要實現步驟，並開源前後端代碼。有需要的小夥伴可以按照該教程從零實現自己的H5編輯器。

圖形編程

初探虛幻引擎5

5月底, 遊戲公司Epic揭開了虛幻5引擎神秘的面紗，此次更新包含 Nanite虛擬微多邊形 和 全新的動態全局光照Lumen 兩大核心技術，然後展示了該引擎運行在PS5上實時渲染效果，其逼真的光照和媲美電影的細節震驚了整個行業。

工程化

Vite — 入門到實戰

Vite 是 Vue 技術生態新推出的開發工具，針對 Vue 應用的無打包開發服務器，開發者無需藉助 webpack 等打包工具，即可直接在瀏覽器中預覽 Vue 項目。Vite 的原理與本技術周刊之前介紹過的 snowpack 有着異曲同工之處，Vite 本身也表示一部分靈感來自 snowpack 項目。本文從 0 開始一步一步實現了一個簡易版本的 Vite 來講解 Vite 的技術原理，讀過本文之後，再去閱讀 Vite 的項目源碼，相信會有不小的收穫。

人工智能

杜克大學出品 AI 黑科技 PULSE 算法，讓你的照片有碼變高清

近日杜克大學開源了新型超分辨率圖像算法 PULSE，可將16×16像素的低分辨率人像放大到1024×1024像素的高分辨率。

工具推介

手把手教你快速搭建專屬的 StoryBook

Storybook是一個輔助UI控件開發的工具。通過story創建獨立的控件，讓每個控件開發都有一個獨立的開發調試環境。 Storybook的運行不依賴於項目，開發人員不用擔心由於開發環境、依賴問題導致不能開發控件。Storybook支持的框架覆蓋主流的框架（React、Vue、Angular）。 由於使用React作為技術棧，本文將介紹使用react的項目如何配置Storybook環境。

滄海拾遺

滄海拾遺，積跬步以至千里

ELF – 靈活可擴展的 HTML5 構建工具

前端工程化的問題由來已久，除了尤老師正在努力的方向，還出現過很多優秀的小工具幫助我們解決各個方面的問題，ELF 就是其中一種解放我們重複勞動的構建工具之一。

用 Git 鈎子進行簡單自動部署

除了這些工具，工程化中也還是有很多小問題，可以用很多方法去解決，自動化部署就是其中之一，如果你還不懂的如何利用 Git Hook 完成自動化部署的方法，趕緊補起這一課吧，未來正在向你招手～

歡迎關注凹凸實驗室博客：aotu.io

或者關注凹凸實驗室公眾號（AOTULabs），不定時推送文章：

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面

※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

※想知道最厲害的網頁設計公司"嚨底家"!

※幫你省時又省力,新北清潔一流服務好口碑

※別再煩惱如何寫文案,掌握八大原則!

Tesla 將推全新的敞篷電動車款，這將是特斯拉公司的第四款車型，預計在 2017 年問世。   在這之前，特斯拉曾表示將發布全新 Model X 和 Model 3 ，為了提升業績表現，特斯拉將推出更多全新車款。除了將推出全新敞篷電動車外，特斯拉還計劃售價約為 3 萬 5 千美元的 Model C。   而 Tesla 全新敞篷電動車型，可能命名為 Model R，將使用電驅動技術，百公里加速時間將小於 4 秒，最高時速可達 322km/h 。   （照片來源： Shared by CC 2.0）

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

※網頁設計公司推薦不同的風格，搶佔消費者視覺第一線

※Google地圖已可更新顯示潭子電動車充電站設置地點!!

※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

※別再煩惱如何寫文案,掌握八大原則!