手把手教你线程池配合CompletableFuture实现图片下载并压缩

你知道的越多，不知道的就越多，业余的像一棵小草！

成功路上并不拥挤，因为坚持的人不多。

编辑：业余草

juejin.cn/post/6976454072685559822

推荐：https://www.xttblog.com/?p=5221

前言

继续更新，得空记录下之前写得一个需求，欢迎大家前来指教，轻喷????

❝

需求 导出Excel：本身以为是一个简单得导出,但是每行得记录文件中有一列为图片url,需要下载所有记录行对应得图片，然后压缩整个文件夹。

❞

这里只做步骤 4、5 的代码讲解描述，其它也没什么好说得，话不多说上代码。

实现思路

多线程实现使用了「线程池」，Jdk1.8 并发包下的」

第一步：得到基础数值

 // 线程数
Integer threadNum = 10;
// 每条线程需要处理的图片数  
int dataNum = imageInfoVos.size() / threadNum;
// 写入线程数
List<Integer> threadS = new ArrayList<>();
for(int i=0; i<threadNum; i++){
        threadS.add(i);
}    

首先我们保存了需要下载的图片的 Url 列表，多线程的方式下载我们需要保证每个线程下载的图片不会重复，因此我们需要根据规则来切割保存 Url 列表的集合，从而保证每个线程下载属于自己的任务,上代码 ：

 // 接上文代码
 threadS.stream().map(item -> CompletableFuture.runAsync(() ->{
        List<Image> theadItem = imageInfoVos.subList(dataNum * item,(item+1)==threadNum?imageInfoVos.size():Math.min(dataNum * (item + 1 ), imageInfoVos.size()));
                threadDownPic(theadItem,item,dirName);
    },threadPoolTaskExecutor)).collect(Collectors.toList()).forEach(item ->{
        try {
            item.get();
        }catch (Exception e){
            log.error("============  多线程down执行等待异常 msg:{} =============", e.getMessage());
        }
});

这里进行拆分讲解

使用 CompletableFuture.runAsync 走异步方式，遍历 item

如 item=10，也就是线程数为 10,则直接执行 10 次(「有线程池的前提下」)

 // 使用CompletableFuture.runAsync 走异步方式,遍历item
 // 如item=10,也就是线程数为10,则直接执行10次(有线程池的前提下)
 threadS.stream().map(item -> CompletableFuture.runAsync(() ->{

「规则」：根据item数值通过 sublist 从开始到结束，截取对应线程所需要下载的 Url列表。

❝

例：dataNum 为每个线程需要完成的下载数如上文 dataNum 为 100 时 如：item=0 dataNum* item(0) =0,Math.min(dataNum * (item + 1 )=100 (item+1)==threadNum?imageInfoVos.size() 此次是为了保证最后一个线程处理最后不足的图片

❞

根据如上规则即可得到每个线程需要下载的图片Url保证不会重复

// 根据item数值通过sublist 从开始到结束,截取对应线程所需要下载的Url列表
// 例：dataNum为每个线程需要完成的下载数如上文 dataNum为100时
// 如：item=0 dataNum* item(0) =0,Math.min(dataNum * (item + 1 )=100
// 根据如上规则即可得到每个线程需要下载的图片Url保证不会重复
// (item+1)==threadNum?imageInfoVos.size() 此次是为了保证最后一个线程处理最后不足的图片
List<ImageInfoVo> theadItem = imageInfoVos.subList(dataNum * item,(item+1)==threadNum?imageInfoVos.size():Math.min(dataNum * (item + 1 ), imageInfoVos.size()));
// theadItem:图片Url  item：所属下标  dirName：写入路径url
threadDownPic(theadItem,item,dirName);

由于执行的异步方式，此处是为了线程池中所有线程都结束才能往下走，执行压缩文件步骤，这里提一嘴，如果没有手动赋予线程池，CompletableFuture 默认使用ForkJoinPool.commonPool，会根据电脑核心数来指定。

比如：我本机未指定就是 7 个线程，执行方法时，会执行完前面 7 个线程任务，才会继续创建 3 个线程继续执行后续未完成的。

threadS.stream().map(item -> CompletableFuture.runAsync(() ->{
    List<Image> theadItem = imageInfoVos.subList(dataNum * item,(item+1)==threadNum?imageInfoVos.size():Math.min(dataNum * (item + 1 ), imageInfoVos.size()));
            threadDownPic(theadItem,item,dirName);
},threadPoolTaskExecutor)).collect(Collectors.toList()).forEach(item ->{
    try {
        item.get();
    }catch (Exception e){
        log.error("============  多线程down执行等待异常 msg:{} =============", e.getMessage());
    }
});

实测

主要代码也写完了，这种方式真的能提高效率吗？下面我贴几张测试图来说明

多线程图片下载

其实这种方式并没有显著的提高效率，当然这是我本机环境测试的。

「效率是由网速决定,而不是由本机 Cpu 和 io 决定，比如 10M 带宽，一个线程一个一个顺序下载,但速度是 10M，10 个线程,可能每个线程的速度是 1M,结果没有什么两样。相对于网速，多线程带来的 cpu 以及 io 节省的时间几乎可以忽略，瓶颈还是在网速。」

「接口优化点为：提高压缩效率可以不将图片保存到本地而直接压缩文件流」

结尾

我的同事，当然也包括一些网友，总感觉很多知识学习了没有应用的场景。本文从一个实践的真实项目场景出发，教大家使用上 CompletableFuture，线程池等知识点。如果你认为本文代码在实现方式上还有改进的地方，比如本文的线程池可以接合 CountdownLatch 使用等都可以讨论。

水文不易，欢迎大家参与讨论和指出不足的✌