并行流适用场景-CPU密集型

1. 场景描述

​ 每天有一次定时任务，需要向300w用户推送支付宝模板消息，单台服务器初次尝试30w个消息推送时，耗时4.6个小时，使用的是并行流推送的方式。

2. 原因猜测

​ 通过监控观察到，推送模板消息时，服务器CPU的利用率只在 10% 左右，并没有高效利用起CPU，并行流的优点是将CPU资源调动起来，实现并行处理，一般情况CPU资源应该是被占用得挺多的，假设服务器有四个核，默认并行流会将四个核都同时调用起来，实现真正的并行处理，而不像线程是伪实时，可以将四个核心下的并行流处理单成四个队列，30w任务平均分配在四个队列中，只有前面的任务执行完了，下一个任务才会继续，此时就会面临一个问题了，推送模板消息是发送http请求，涉及到了网络调用，此时每个任务执行过程中是有一个I/O阻塞时间的，下一个任务只能等待前一个完成才会执行，这段I/O阻塞便停滞了CPU资源。

​ 可以通过提高并行流的核心数或者换成线程处理的方式来验证猜测。

3. 测试

@Service
public class ConsumMsg {
   

    @Autowired
    StreamOpt streamOpt;

    /**
     * 初始化任务队列
     * @param count
     * @return
     */
    public List<Integer> initMsg(int count) {
   
        List<Integer> list = Lists.newArrayList();
        for (int i = 0; i < count; i++) {
   
            list.add(i);
        }
        return list;
    }

    /**
     * 并行流处理
     * @param count
     */
    public void parallel(int count) {
   
        List<Integer> list = initMsg(count);
        int successSize = list.parallelStream().mapToInt(streamOpt::sendMsg).sum();
        System.out.println("并行流成功个数:"