书接上回 大数据量、高并发业务怎么优化？（一）[1] 文章中介绍了异步批处理的三种方式，本文继续深入针对前两种进行讲解，并给出代码示例：

image.png

一 普通版本，采用阻塞队列 ArrayBlockingQueue

使用普通方式能够直接基于JDK中现成的并发包 ArrayBlockingQueue 提供的 offer(E e, long timeout, TimeUnit unit) （添加元素到队列尾部，如果队列已满则等待参数指定时间后返回false）方法 和 poll(long timeout, TimeUnit unit) （从队列头部获取元素，如果队列为空则等待参数指定时间后返回null）方法，来达到异步批处理效果

生产者代码：由于采用内存队列，最好在创建 ArrayBlockingQueue 时指定队列大小，防止队列无界，导致内存溢出

/**
 * 生产者
@Component
@Slf4j
public class MonitorQueue {
    private BlockingQueue<List<NodeCollectDTO>> queue = new ArrayBlockingQueue<>(10000000);
    public void put(List<NodeCollectDTO> list) {
        try {
            queue.put(list);
        } catch (InterruptedException e) {
            log.error(String.format("队列put异常：%s", e.getMessage()), e);
    public void offer(List<NodeCollectDTO> list, long timeout, TimeUnit unit) throws InterruptedException {
        queue.offer(list, timeout, unit);
    public List<NodeCollectDTO> poll(long timeout, TimeUnit unit) throws InterruptedException {
        return queue.poll(timeout, unit);
}

消费者代码：在创建生产者时开启一个子线程在死循环中一直读取队列元素，直到队列元素超过我们的 maxNum 时，将临时列表元素插入数据库中

/**
 * 消费者
@Slf4j
@Component
public class MonitorConsumer implements Runnable {
    @Autowired
    private MonitorQueue queue;
    @Autowired
    private MonitorService monitorService;
    @PostConstruct
    public void init() {
        new Thread(this, "monitor-collect").start();
    // 临时列表大小限制
    private int maxNum = 2000;
    @SuppressWarnings("InfiniteLoopStatement")
    @Override
    public void run() {
        while (true) {
            handler();
    private void handler() {
        try {
            List<NodeCollectDTO> temp = new ArrayList<>(maxNum);
            while (temp.size() <= maxNum) {
                List<NodeCollectDTO> list = queue.poll(20, TimeUnit.SECONDS);
                if (CollectionUtil.isNotEmpty(list)) {
                    temp.addAll(list);
                } else {
                    break;
            if (CollectionUtil.isEmpty(temp)) {
                return;
            int i = monitorService.batchSave(temp);
            log.debug("----------------------------batchSave num:{}, collect.size:{}", i, collect.size());
        } catch (Exception e) {
            log.error(String.format("消费者异常： %s", e.getMessage()), e);
}    

可以看到采用该种方式实现的异步批量入库代码比较简单，便于理解，在性能上，基本都能够满足日常普通业务存在的批量入库场景

二 进阶版，采用 Disruptor 队列，本文基于 Disruptor 最新4.0版本

先给出 Disruptor 官网简介

Disruptor 是一个提供并发环形缓冲区数据结构的库。它旨在在异步事件处理架构中提供低延迟、高吞吐量的工作队列。 为了理解 Disruptor 的好处，我们可以将它与一些很好理解且目的非常相似的东西进行比较。在 Disruptor 的情况下，这将是 Java 的 BlockingQueue。与队列一样，Disruptor 的目的是在同一进程内的线程之间移动数据（例如消息或事件）。然而，Disruptor 提供的一些关键特性使其有别于队列。他们是： 向消费者多播事件，带有消费者依赖图。 为事件预分配内存。 可选无锁

Disruptor 给我们在项目中实现异步批处理提供了另一种方式，一种无锁、延迟更低、吞吐量更高、提供消费者多播等等的内存队列

下面介绍如何使用

2.1 依赖安装

<dependency>
    <groupId>com.lmax</groupId>
    <artifactId>disruptor</artifactId>
    <version>4.0.0.RC1</version>
</dependency>

2.2 Disruptor 使用代码如下：

public class LongEvent{
    private long value;
    public void set(long value){
        this.value = value;
    @Override
    public String toString(){
        return "LongEvent{" + "value=" + value + '}';
@Slf4j
public class LongEventMain {
    public static void handleEvent(LongEvent event, long sequence, boolean endOfBatch) {
        log.info("event: " + event + ", sequence:" + sequence + ", endOfBatch:" + endOfBatch);
    public static void translate(LongEvent event, long sequence, ByteBuffer buffer) {
        event.set(buffer.getLong(0));
    public static void main(String[] args) throws Exception {
        int bufferSize = 128;
        // 1. 创建Disruptor对象
        Disruptor<LongEvent> disruptor =
                new Disruptor<>(LongEvent::new, bufferSize, DaemonThreadFactory.INSTANCE, ProducerType.SINGLE, new BlockingWaitStrategy());
        // 2. 添加事件处理类（消费者）
        disruptor.handleEventsWith(LongEventMain::handleEvent);
        // 3. 开启事件处理线程
        disruptor.start();
        // 4. 获取ringBuffer
        RingBuffer<LongEvent> ringBuffer = disruptor.getRingBuffer();
        ByteBuffer bb = ByteBuffer.allocate(8);
        for (long l = 0; true; l++) {
            bb.putLong(0, l);
            // 5. 发布事件（生产者）
            ringBuffer.publishEvent(LongEventMain::translate, bb);
            Thread.sleep(1);
}

2.3 上面代码完成了一个事件发布后，事件处理类就能够收到对应事件信息的功能，但是我们想要的是能在消费者线程中批量处理生产者数据的逻辑，还得再修改一下事件处理类代码，如下：

@Slf4j
public class LongEventBatch implements EventHandler<LongEvent> {
    private static final int MAX_BATCH_SIZE = 20;
    private final List<LongEvent> batch = new ArrayList<>();
    public LongEventBatch() {
        // 虚拟机关闭处理
        Runtime.getRuntime().addShutdownHook(new Thread(() -> {
            log.info("------------------ShutdownHook-DataEventHandler,上报tempList");
            if (batch.size() > 0) {
                // 批量入库伪代码
                int i = xxxService.batchSave(temp);
    @Override
    public void onEvent(final LongEvent event, final long sequence, final boolean endOfBatch) {
        log.info("event: " + event + ", sequence:" + sequence + ", endOfBatch:" + endOfBatch);
        batch.add(event);
        if (batch.size() >= MAX_BATCH_SIZE) {
            processBatch(batch);
    private void processBatch(final List<LongEvent> batch) {
        // 批量入库伪代码
        int i = xxxService.batchSave(temp);
        // 记得清空batch列表
        batch.clear();
}

由此，我们就实现了基于 Disruptor 的异步批处理逻辑，该方式会比普通版本性能高出一个数量级，大家在工作中可以尝试使用一番

最后

附博主 github 地址 https://github.com/wayn111

引用链接

[1] 大数据量、高并发业务怎么优化？（一）: https://juejin.cn/post/7174426613143044110