@Async 注解由 Spring 框架提供，被该注解标注的类或方法会在 异步线程

一、前言

在高性能编程中，并发编程已经成为了极为重要的一部分。在单核CPU性能已经趋于极限时，我们只能通过多核来进一步提升系统的性能，因此就催生了并发编程。

导语
某支付平台因异步任务失控，一夜堆积4600万未处理订单！本文首曝阿里/腾讯内部禁传资料，揭露

本文介绍如何使用Quarkus（而不是使用同步端点）在Java中实现反应性REST API 。为此，需要Java类CompletableFuture和CompletionStage。并说明如何使用这些类以及如何链接异步方法调用（包括异常处理和超时）。

为什么使用反应性REST API？

我想到的第一个问题是：为什么要改变旧习惯而不使用命令式代码呢？毕竟，对于某些Java开发人员而言，异步代码的实现还是超过很多人预期的，需要重新思考，重新学习，还要不断试错。

异步编程的核心挑战
异步编程的核心在于处理非阻塞操作，避免线程等待导致资源浪费。常见的难题包括回调地狱、错误处理复杂化以及线程上下文管理。
回调地狱的解决方案
使用CompletableFuture链式调用替代嵌套回调。每个异步操作返回CompletableFuture，通过thenApply、thenCompose等方法串联操作：
CompletableFuture.supplyAsync(() -> fetchData())
    .thenApply(data -> processData(data))
    .thenAccept(result -> saveResult(result));

引入响应式编程框架如Reactor或RxJava，提供声明式操作符：
Flux.fromIterable(urls)
    .flatMap(url -> fetchAsync(url))
    .subscribe(result -> handleResult(result));

异常处理机制
为CompletableFuture添加异常处理链：
CompletableFuture.supplyAsync(() -> riskyOperation())
    .exceptionally(ex -> fallbackValue())
    .thenAccept(value -> useValue(value));

在响应式流中使用错误处理运算符：
Flux.just(1, 2, 0)
    .map(i -> 10 / i)
    .onErrorResume(e -> Flux.just(-1));

线程上下文管理
使用ExecutorService精确控制线程池：
ExecutorService ioPool = Executors.newFixedThreadPool(8);
CompletableFuture.runAsync(() -> ioBoundTask(), ioPool);

在Spring环境下使用@Async注解时指定自定义线程池：
@Async("taskExecutor")
public CompletableFuture<String> asyncMethod() {
    return CompletableFuture.completedFuture("result");
}

资源泄漏防护
遵循try-with-resources模式处理异步IO：
AsyncHttpClient client = asyncHttpClient();
try {
    client.prepareGet("http://example.com").execute()
        .thenAccept(response -> useResponse(response));
} finally {
    client.close();
}

使用Project Loom的虚拟线程（预览特性）简化资源管理：
Thread.startVirtualThread(() -> {
    try (Connection conn = getConnection()) {
        handleConnection(conn);
    }
});

状态共享问题
采用线程封闭策略，避免共享可变状态：
ThreadLocal<SimpleDateFormat> dateFormat = 
    ThreadLocal.withInitial(() -> new SimpleDateFormat("yyyy-MM-dd"));

使用并发容器处理必要共享状态：
ConcurrentHashMap<String, AtomicInteger> counters = new ConcurrentHashMap<>();
counters.computeIfAbsent("key", k -> new AtomicInteger()).incrementAndGet();

调试与监控
启用异步堆栈跟踪（JEP 429）：
CompletableFuture<String> future = CompletableFuture.supplyAsync(() -> {
    new Exception("Async stack trace").printStackTrace();
    return "result";
});

集成Micrometer监控异步任务：
Timer timer = Metrics.timer("async.task");
CompletableFuture.runAsync(() -> {
    timer.record(() -> expensiveOperation());
});

性能优化技巧
根据任务类型选择线程池：

CPU密集型：固定大小线程池（核数+1）
IO密集型：缓存线程池或更大固定池

int cores = Runtime.getRuntime().availableProcessors();
ExecutorService cpuPool = Executors.newFixedThreadPool(cores + 1);
ExecutorService ioPool = Executors.newCachedThreadPool();

使用分段批处理提升吞吐量：
Flux.range(1, 1000)
    .buffer(100)
    .flatMap(batch -> processBatchAsync(batch), 4); // 设置并发度

测试验证策略
使用Awaitility验证异步结果：
await().atMost(5, SECONDS).until(() -> asyncResult.isDone());

模拟延迟进行边界测试：
CompletableFuture.delayedExecutor(1, SECONDS)
    .execute(() -> testTimeoutScenario());

你好呀，我是歪歪。

填个坑吧，把之前一直欠着的 CompletableFuture 给写了，因为后台已经收到过好几次催更的留言了。

最近京东搞了个 TGT 计划，针对顶尖青年技术天才，直接宣布不设薪资上限

可以的话，你最想改变自己身上的哪个特点/状况？

先决条件

• 使用具有 sudo 特权的标准用户帐户访问 Ubuntu 16.04 服务器。

前言

这篇关于 Nginx 的性能优化，是我查阅资料研究所成，并没有用于实际生产环境，如若你想用于实践，请谨慎测试之后使用。

Nginx 性能优化，主要是减少磁盘 io。

• 请求头、请求体、响应体都在缓冲区操作。
• 文件信息的读取

减少网络 io。

• gzip 压缩。前端资源也可以提前进行 gzip 压缩，这样请求的时候就不用再压缩了，减少对 cpu 的损耗。