必收藏技能！为Java多线程应用程序优化数据存储库

[[283519]]

1个参数的n个查询Vs. n个参数的1个查询

假设有一个对关系数据库执行查询的Java应用程序，以便在给定其唯一标识符(id)的情况下检索Product实体(row)。

查询如下所示：

SELECT * FROM PRODUCT WHERE ID =

现在，检索n个Products，有如下两种方法：

• 执行1个参数的n个独立查询：

 

SELECT * FROM PRODUCT WHERE ID = 
 
SELECT * FROM PRODUCT WHERE ID = 
 
... 
 
SELECT * FROM PRODUCT WHERE ID = 

• 使用IN运算符或ORs的串联，对n个参数执行1个查询以便同时检索n个 Products

 

-- Example using IN OPERATOR 
 
SELECT * FROM PRODUCT WHERE ID IN (, , ..., ) 

后者在网络流量和数据库服务器资源(CPU和磁盘)方面更为有效，因为：

• 往返数据库的次数为1，而不是n。
• 数据库引擎优化了n个参数的数据遍历过程，即每个表格可能只需要扫描1次，而不是n次。

这不仅适用于SELECT操作，而且适用于其他操作，例如 INSERTs，UPDATEs和DELETEs。实际上，JDBC API包括上述操作的批量处理操作。

同样的情况也适用于NoSQL存储库，其中大多都明确提供BULK操作。

 

DelayedBatchExecutor

需要从数据库中检索数据的Java应用程序，如REST微服务或异步消息处理器，通常以多线程应用程序(*1)实现，其中：

• 每个线程在其执行的某个时刻执行相同的查询(每个查询具有不同的参数)。
• 并发线程数很高(每秒数十或数百)。

在这种场景下，数据库很可能在较短的时间间隔内多次执行相同的查询。

如前所述，如果将1个参数的n个查询替换为具有n个参数的单个等效查询，那么则应用程序将使用较少的数据库服务器和网络资源。

好消息是它可以通过timewindows(时间窗口)的机制来实现，如下所示：

第一个尝试执行查询的线程会打开一个时间窗口，因此其参数被存储在一个列表中，同时该线程被暂停。在时间窗口内执行相同查询的其余线程会将其参数添加到列表中，并且也会被暂停。此时，数据库上未执行任何查询。

时间窗口结束或列表已满(先前已定义最大容量限制)后，将使用列表中存储的所有参数执行单个查询。最后，一旦数据库提供了该查询的结果，每个线程将接收相应的结果，同时所有线程将自动恢复。

笔者构建了一个简单而轻量级的应用机制(DelayedBatchExecutor)，很容易在新的或现有的应用程序中使用。它基于Reactor库，并且为参数列表使用超时的Flux缓冲发布器。

 

运用DelayedBatchExecutor的吞吐量和延迟分析

假设针对Products的REST微服务公开了一个端点，用于检索数据库中给定的 productId的Product数据。在没有DelayedBatchExecutor的情况下，如果每秒对端点命中200次，则数据库每秒执行200个查询。如果端点使用的DelayedBatchExecutor 配置了50毫秒的时间窗口且最大容量=10个参数，数据库每秒钟将只执行10个参数的20个查询，代价是每执行一个线程，最多在50毫秒内增加延时(*2)。

换句话说，为了将延时增加50毫秒(* 2)，数据库每秒接收的查询减少了10倍，然而保持了系统的整体吞吐量。还不错!!

其他有趣的配置：

• 窗口时间= 100毫秒，最大容量= 20个参数→20个参数的10个查询(查询减少20倍)
• 窗口时间= 500毫秒，最大容量= 100个参数→2个查询100个参数(查询减少100倍)

 

执行中的DelayedBatchExecutor

深入研究Product微服务示例。假设对于每个传入的HTTP请求，微服务的控制器都要求检索已有id的Product(Java Bean)，因此将调用以下方法：

DAO组件(ProductDAO)的public Product getProductById(IntegerproductId) .

以下分别是有和没有 DelayedBatchExecutor的DAO执行。

没有 DelayedBatchExecutor

 

public classProductDAO { 
 
public Product getProductById(Integer id) { 
 
Product product= ...// execute the query SELECT * FROM PRODUCT WHERE ID= 
 
// using your favourite API: JDBC, JPA, Hibernate... 
 
return product; 
 
} 
 
... 
 
} 

 

有DelayedBatchExecutor

 

// Singleton 
 
publicclass ProductDAO { 
 
DelayedBatchExecutor2 delayedBatchExecutorProductById = 
 
DelayedBatchExecutor.define(Duration.ofMillis(50), 10, this::retrieveProductsByIds); 
 
public Product getProductById(Integer id) { 
 
Product product = delayedBatchExecutorProductById.execute(id); 
 
return product; 
 
} 
 
private List retrieveProductsByIds(List idList) { 
 
List productList = ...// execute query:SELECT * FROM PRODUCT WHERE ID IN (idList.get(0), ..., idList.get(n)); 
 
// using your favourite API: JDBC, JPA, Hibernate... 
 
// The positions of the elements of the list to return must match the ones in the parameters list. 
 
// For instance, the first Product of the list to be returned must be the one with 
 
// the Id in the first position of productIdsList and so on... 
 
// NOTE: null could be used as value, meaning that no Product exist for the given productId 
 
return productList; 
 
} 
 
... 
 
} 

 

首先，必须在DAO中创建一个DelayedBatchExecutor实例，在本例中为 delayedBatchExecutorProductById。需要以下三个参数：

• 时间窗口(在此示例中为50毫秒)
• 参数列表的最大容量(在此示例中为10个参数)
• 将使用参数列表调用的方法(详细信息见后文)。在此示例中，方法为retrieveProductsByIds

其次，已经重构了DAO方法 publicProduct getProductById(Integer productId)，以简单调用delayedBatchExecutorProductById 实例的execute 方法。所有的“magic”都是由 DelayedBatchExecutor完成的。

之所以delayedBatchExecutorProductById是DelayedBatchExecutor2

如果execute方法需要接收两个参数(例如，一个 Integer和一个String)并返回Product实例，则定义为 DelayedBatchExecutor3

最终，retrieveProductsByIds方法必须返回List 并接收List作为参数。

如果使用的是 DelayedBatchExecutor3

就是这样。

一旦运行，执行控制器逻辑的并发线程会在某时刻调用方法 getProductById(Integerid) ，并且此方法将返回对应的Product。并发线程不知自己已经被 DelayedBatchExecutor暂停并恢复了。

 

由数据存储库延伸的“题外话”

尽管本文与数据存储库有关，但 DelayedBatchExecutor也可以用在其他地方，例如：对REST进行微服务请求。再说，用1个参数启动n个GET请求要比使用n个参数启动1个GET昂贵得多。

DelayedBatchExecutor的优化

笔者创建了 DelayedBatchExecutor并使用了一段时间，有效地解决了个人项目中并发线程启动的多个查询的执行问题。因此相信它对其他人可能也有用处，所以决定将其公开。

话虽如此，DelayedBatchExecutor改进和功能扩展的空间还很大。最有趣的是能够根据执行的特定条件动态更改DelayedBatchExecutor参数(窗口时间和最大容量)的功能，以便在利用带有n个参数的查询时很大程度地减少延时。