2024全网最全completablefuture专题(25秋招走起~)

线程池的基本原理
一般而言，大家都使用线程池并发执行、并发调度任务，通过池化的架构去节省线程创建和销毁带来的性能损耗。
默认情况下，有了线程池之后，大家都通过提交任务的方式， 提交任务到线程池，由线程池去调度。
提交到线程池的任务，按照线程池的调度规则进行调度。线程池的调度规则，大致如下：

注意：请点击图像以查看清晰的视图！
如何线程池的核心线程都很忙，任务就需要排队了，进入线程池的内部工作队列，大致如下图所示：

注意：请点击图像以查看清晰的视图！
工作线程执行完手上的任务后，会在一个无限循环中，反复从内部工作队列（如LinkedBlockingQueue ）获取任务来执行。
对于有优先级要求的场景下，怎么设置线程池？
普通的线程池， 任务之间是没有优先级特权的， 可以理解为 先进先出 的公平调度模式。
有的的时候， 任务之间是有 优先级特权的， 不是按照 先进先出 调度， 而是需要按照 优先级进行调度。
所以，如果不同的任务之间，存在一些优先级的变化，咋整呢？
办法很简单，就是替换掉 线程池里边的工作队列，使用 优先级的无界阻塞队列 ，去管理 异步任务。
首先，来看看几种典型的工作队列
●ArrayBlockingQueue：使用数组实现的有界阻塞队列，特性先进先出
●LinkedBlockingQueue：使用链表实现的阻塞队列，特性先进先出，可以设置其容量，默认为Interger.MAX_VALUE，特性先进先出
●PriorityBlockingQueue：使用平衡二叉树堆，实现的具有优先级的无界阻塞队列
●DelayQueue：无界阻塞延迟队列，队列中每个元素均有过期时间，当从队列获取元素时，只有过期元素才会出队列。队列头元素是最块要过期的元素。
●SynchronousQueue：一个不存储元素的阻塞队列，每个插入操作，必须等到另一个线程调用移除操作，否则插入操作一直处于阻塞状态
使用 优先级的无界阻塞队列 PriorityBlockingQueue 替代 没有优先级的队列 ArrayBlockingQueue 或者 LinkedBlockingQueue。
额外提一嘴， 如果是普通的任务，没有优先级的话， 一般情况，建议大家参考 rocketmq的源码， 使用 有界的 LinkedBlockingQueue 作为 任务队列。
rocketmq的源码， 用到大量的线程池，具体如下图：

这些任务队列，用的都是有界的 LinkedBlockingQueue ，具体如下图：

如果任务有优先级， 就需要引入任务队列并进行管理了。
这时候，就需要 使用 优先级的无界阻塞队列 PriorityBlockingQueue ，下面是一个例子。
优先级任务线程池的设计与实操
实现一个 优先级任务线程池，有2个关键点：
●使用PriorityBlockingQueue 作为 线程池的任务队列。
●提交的任务 具备 排序能力。
使用 PriorityBlockingQueue 作为 线程池的任务队列
还是基于ThreadPoolExecutor 进行线程池的构造， 我们知道， ThreadPoolExecutor的构造函数有一个workQueue参数，这里可以传入 PriorityBlockingQueue 优先级队列。

在 buildWorkQueue() 方法里边，构造一个 PriorityBlockingQueue<E>，它的构造函数可以传入一个比较器Comparator，能够满足要求。

这里主要有两点：
●替换线程池默认的阻塞队列为 PriorityBlockingQueue，响应的传入的线程类需要实现 Comparable<T> 才能进行比较。
●PriorityBlockingQueue 的数据结构决定了，优先级相同的任务无法保证 FIFO，需要自己控制顺序。
提交的任务 具备 排序能力
ThreadPoolExecutor的submit、invokeXxx、execute方法入参都是Runnable、Callable，均不具备可排序的属性。
我们可以弄一个实现类 PriorityTask，加一些额外的属性，让它们具备排序能力。

对自定义的优先级线程池，进行测试
提交三种不同优先级的任务，进行测试
●优先级高的后面提交
●优先级低的前面提交

优先级高的前面执行

优先级低的后面执行

PriorityBlockingQueue 队列的问题
主要是，PriorityBlockingQueue是无界的，它的offer方法永远返回true。
这样，会带来两个问题：
第一，OOM风险
第二，最大线程数 失效
第三，拒绝策略 失效
怎么解决呢？
方法一：可以继承PriorityBlockingQueue ， 重写一下这个类的offer方法，如果元素超过指定数量直接返回false，否则调用原来逻辑。
方式二：扩展线程池的submit、invokeXxx、execute方法，在里边进行 任务数量的 统计、检查、限制。
优先建议大家使用 方式一。
说说 PriorityQueue 的堆结构
面试进行到这里，很容易出现 PriorityQueue的堆结构的问题
因为， PriorityBlockingQueue 是 PriorityQueue 的阻塞版本
PriorityQueue 是 Java 提供的堆实现
PriorityQueue在默认情况下是一个最小堆，如果使用最大堆调用构造函数就需要传入 Comparator 改变比较排序的规则。
PriorityQueue 实现了接口 Queue，它常用的函数如表所示
这就是为啥堆被称为优先级队列的原因

操作	抛异常	不抛异常
插入新的元素	add(e)	offer(e)
删除堆顶元素	remove	poll
返回堆顶元素	element	peek

虽然Java中的PriorityQueue实现了Queue接口，但它并不是一个队列，也不是按照“先入先出”的顺序删除元素的。
PriorityQueue的删除顺序与元素添加的顺序无关。PriorityQueue是 按照最小堆 的 次序，进行元素操作的。
所以，PriorityQueue是一个堆，每次调用函数remove或poll都将删除位于堆顶的元素。
同理，PriorityQueue的函数element和peek都返回位于堆顶的元素，即根据堆的类型返回值最大或最小的元素，这与元素添加的顺序无关。
来到算法的基础知识，什么是堆？
堆（也称为优先级队列）是一种特殊的树形数据结构。
根据根节点的值与子节点的值的大小关系，堆又分为最大堆和最小堆。
●在最大堆中，每个节点的值总是大于或等于其任意子节点的值，因此最大堆的根节点就是整个堆的最大值。
●在最小堆中，每个节点的值总是小于或等于其任意子节点的值，因此最小堆的根节点就是整个堆的最小值
例如，图（a）所示是一个最大堆，图（b）所示是一个最小堆。

堆通常用完全二叉树实现。在完全二叉树中，除最低层之外，其他层都被节点填满，最低层尽可能从左到右插入节点。上图中的两个堆都是完全二叉树。
完全二叉树又可以用数组实现，因此堆也可以用数组实现。如果从堆的根节点开始从上到下按层遍历，并且每层从左到右将每个节点按照 0、1、2 等的顺序编号，将编号为 0 的节点放入数组中下标为 0 的位置，编号为1的节点放入数组中下标为1的位置，以此类推就可以将堆的所有节点都添加到数组中。上图（a）中的堆可以用数组表示成下图（a）所示的形式，而上图（b）中的堆可以用数组表示成下图（b）所示的形式。

如果数组中的一个元素的下标为 i，那么它在堆中对应节点的父节点在数组中的下标为 (i - 1) / 2，而它的左右子节点在数组中的下标分别为 2 * i + 1和 2 * i + 2。
在堆中添加元素
为了在最大堆中添加新的节点，有以下三个步骤：
1先从上到下、从左到右找出第 1 个空缺的位置，并将新节点添加到该空缺位置
2如果新节点的值比它的父节点的值大，那么交换它和它的父节点
3重复这个交换过程，直到新节点的值小于或等于它的父节点，或者它已经到达堆的顶部位置。
在最小堆中添加新节点的过程与此类似，唯一的不同是要确保新节点的值要大于或等于它的父节点。
所以，堆的添加操作是一个自下而上的操作。
举个例子，如果上图（a）的最大堆中添加一个新的元素 95：
●由于节点 60 的右子节点是第1个空缺的位置，因此创建一个新的节点95并使之成为节点60的右子节点
●此时新节点95的值大于它的父节点60的值，这违背了最大堆的定义，于是交换它和它的父节点
●由于新节点95的值仍然大于它的父节点90的值，因此再交换新节点95和它的父节点90。此时堆已经满足最大堆的定义。
整体过程如下图：

堆的插入操作可能需要交换节点，以便把节点放到合适的位置，交换的次数最多为二叉树的深度，因此如果堆中有 n 个节点，那么它的插入操作的时间复杂度是 O(logn)。
在堆中删除元素
通常只删除位于堆顶部的元素。
以删除最大堆的顶部节点为例：
1将堆最低层最右边的节点移到堆的顶部
2如果此时它的左子节点或右子节点的值大于它，那么它和左右子节点中值较大的节点交换
3如果交换之后节点的值仍然小于它的子节点的值，则再次交换，直到该节点的值大于或等于它的左右子节点的值，或者到达最低层为止
删除最小堆的顶部节点的过程与此类似，唯一的不同是要确保节点的值要小于它的左右子节点的值。
所以，堆的删除操作是一个自上而下的操作。
举个例子，删除上图（a）中最大堆的顶部元素之后：
1将位于最低层最右边的节点60移到最大堆的顶部，如下图（c）所示
2此时节点60比它的左子节点80和右子节点90的值都小，因此将它和值较大的右子节点90交换，交换之后的堆如图（d）所示
3此时节点60大于它的左子节点30，满足最大堆的定义

堆的删除操作可能需要交换节点，以便把节点放到合适的位置，交换的次数最多为二叉树的深度，因此如果堆中有 n 个节点，那么它的删除操作的时间复杂度是 O(logn)。

若有收获，就点个赞吧