Spring Boot 中多线程工具类的配置与使用:基于 YAML 配置文件

devtools/2025/2/24 23:57:00/

文章目录

      • Spring Boot 中多线程工具类的配置与使用:基于 YAML 配置文件
      • 1. 为什么需要多线程工具类?
      • 2. 实现步骤
        • 2.1 添加依赖
        • 2.2 配置线程池参数
        • 2.3 创建配置类
        • 2.4 创建线程池工具类
        • 2.5 使用线程池工具类
        • 2.6 测试线程池工具类
      • 3. 配置文件的灵活性
      • 4. 总结


Spring Boot 中多线程工具类的配置与使用:基于 YAML 配置文件

在现代软件开发中,多线程编程是提高系统性能和并发处理能力的重要手段。Spring Boot 作为一款流行的 Java 开发框架,提供了强大的多线程支持。本文将详细介绍如何在 Spring Boot 中结合 YAML 配置文件,实现一个灵活、可配置的多线程工具类。


1. 为什么需要多线程工具类?

在多线程编程中,直接使用 ThreadExecutorService 可能会导致以下问题:

  • 资源浪费:频繁创建和销毁线程会消耗大量系统资源。
  • 难以管理:线程的生命周期和状态难以监控和维护。
  • 配置不灵活:线程池的参数(如核心线程数、队列容量等)硬编码在代码中,难以动态调整。

通过封装一个多线程工具类,并结合 YAML 配置文件,可以解决上述问题,使多线程编程更加高效和灵活。


2. 实现步骤

2.1 添加依赖

pom.xml 中添加 Spring Boot 的依赖:

<dependencies><!-- Spring Boot Starter --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter</artifactId></dependency><!-- Spring Boot Configuration Processor --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-configuration-processor</artifactId><optional>true</optional></dependency>
</dependencies>
2.2 配置线程池参数

application.yml 中定义线程池的配置参数:

thread-pool:core-pool-size: 10 # 核心线程数max-pool-size: 20 # 最大线程数queue-capacity: 100 # 任务队列容量keep-alive-time: 60 # 线程空闲时间(秒)thread-name-prefix: "custom-thread-" # 线程名称前缀
2.3 创建配置类

通过 @ConfigurationProperties 注解将 YAML 文件中的配置映射到 Java 类中:

java">import org.springframework.boot.context.properties.ConfigurationProperties;
import org.springframework.stereotype.Component;@Component
@ConfigurationProperties(prefix = "thread-pool")
public class ThreadPoolProperties {private int corePoolSize;private int maxPoolSize;private int queueCapacity;private long keepAliveTime;private String threadNamePrefix;// Getters and Setterspublic int getCorePoolSize() {return corePoolSize;}public void setCorePoolSize(int corePoolSize) {this.corePoolSize = corePoolSize;}public int getMaxPoolSize() {return maxPoolSize;}public void setMaxPoolSize(int maxPoolSize) {this.maxPoolSize = maxPoolSize;}public int getQueueCapacity() {return queueCapacity;}public void setQueueCapacity(int queueCapacity) {this.queueCapacity = queueCapacity;}public long getKeepAliveTime() {return keepAliveTime;}public void setKeepAliveTime(long keepAliveTime) {this.keepAliveTime = keepAliveTime;}public String getThreadNamePrefix() {return threadNamePrefix;}public void setThreadNamePrefix(String threadNamePrefix) {this.threadNamePrefix = threadNamePrefix;}
}
2.4 创建线程池工具类

在工具类中注入 ThreadPoolProperties,并根据配置创建线程池:

java">import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;import javax.annotation.PostConstruct;
import javax.annotation.PreDestroy;
import java.util.concurrent.*;@Component
public class ThreadPoolUtil {private ThreadPoolExecutor threadPool;@Autowiredprivate ThreadPoolProperties threadPoolProperties;/*** 初始化线程池*/@PostConstructpublic void init() {threadPool = new ThreadPoolExecutor(threadPoolProperties.getCorePoolSize(),threadPoolProperties.getMaxPoolSize(),threadPoolProperties.getKeepAliveTime(),TimeUnit.SECONDS,new LinkedBlockingQueue<>(threadPoolProperties.getQueueCapacity()),new ThreadFactory() {private final AtomicInteger threadNumber = new AtomicInteger(1);@Overridepublic Thread newThread(Runnable r) {return new Thread(r, threadPoolProperties.getThreadNamePrefix() + threadNumber.getAndIncrement());}},new ThreadPoolExecutor.AbortPolicy() // 拒绝策略:直接抛出异常);}/*** 提交任务(Runnable)** @param task 任务*/public void execute(Runnable task) {threadPool.execute(task);}/*** 提交任务(Callable)** @param task 任务* @param <T>  返回值类型* @return Future 对象*/public <T> Future<T> submit(Callable<T> task) {return threadPool.submit(task);}/*** 关闭线程池(等待所有任务完成)*/@PreDestroypublic void shutdown() {if (threadPool != null) {threadPool.shutdown();try {if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) {threadPool.shutdownNow();}} catch (InterruptedException e) {threadPool.shutdownNow();Thread.currentThread().interrupt();}}}/*** 获取线程池状态** @return 线程池状态信息*/public String getThreadPoolStatus() {if (threadPool == null) {return "Thread pool is not initialized.";}return String.format("Pool Status: [CorePoolSize: %d, ActiveThreads: %d, CompletedTasks: %d, QueueSize: %d]",threadPool.getCorePoolSize(),threadPool.getActiveCount(),threadPool.getCompletedTaskCount(),threadPool.getQueue().size());}
}
2.5 使用线程池工具类

在业务代码中注入 ThreadPoolUtil,并提交任务:

java">import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;@Service
public class TaskService {@Autowiredprivate ThreadPoolUtil threadPoolUtil;public void runTask() {// 提交 Runnable 任务threadPoolUtil.execute(() -> {System.out.println("Runnable task is running.");});// 提交 Callable 任务并获取结果Future<String> future = threadPoolUtil.submit(() -> {Thread.sleep(1000);return "Callable task result";});try {System.out.println("Callable task result: " + future.get());} catch (InterruptedException | ExecutionException e) {e.printStackTrace();}// 打印线程池状态System.out.println(threadPoolUtil.getThreadPoolStatus());}
}
2.6 测试线程池工具类

编写单元测试,验证线程池的功能:

java">import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;@SpringBootTest
public class ThreadPoolUtilTest {@Autowiredprivate TaskService taskService;@Testpublic void testThreadPool() {taskService.runTask();}
}

3. 配置文件的灵活性

通过 application.yml 配置文件,可以灵活调整线程池的参数,而无需修改代码。例如:

  • 调整核心线程数:

    thread-pool:core-pool-size: 20
    
  • 调整任务队列容量:

    thread-pool:queue-capacity: 200
    
  • 调整线程名称前缀:

    thread-pool:thread-name-prefix: "app-thread-"
    

4. 总结

通过将线程池的配置参数提取到 application.yml 中,并结合 Spring Boot 的依赖注入机制,我们可以实现一个灵活、可配置的多线程工具类。这种方式不仅提高了代码的可维护性,还能根据实际需求动态调整线程池的行为,是 Spring Boot 项目中管理多线程任务的推荐做法。希望本文能帮助你更好地理解和应用 Spring Boot 中的多线程编程技术!


http://www.ppmy.cn/devtools/161453.html

相关文章

【精调】LLaMA-Factory 快速开始1: Meta-Llama-3.1-8B-Instruct

llamafactory-cli train examples/train_lora/llama3_lora_sft.yaml llamafactory-cli chat examples/inference/llama3_lora_sft.yaml llamafactory-cli export examples/merge_lora/llama3_lora_sft.yaml模型下载 git clone https://www.modelscope.cn/LLM-Research/Meta-Lla…

【分布式理论11】分布式协同之分布式事务(一个应用操作多个资源):从刚性事务到柔性事务的演进

文章目录 一. 什么是分布式事务&#xff1f;二. 分布式事务的挑战三. 事务的ACID特性四. CAP理论与BASE理论1. CAP理论1.1. 三大特性1.2. 三者不能兼得 2. BASE理论 五. 分布式事务解决方案1. 两阶段提交&#xff08;2PC&#xff09;2. TCC&#xff08;Try-Confirm-Cancel&…

Ai沟通学习记录三

代理模式 简单的理解可以任务角色扮演。例如&#xff1a;“你是伟大的画家”&#xff0c;帮我构思一个山水花的描述词。 你是个眼科医生&#xff0c;我最近眼干燥&#xff0c;怎么弄。 等等。 举例环节 输入&#xff1a; 如果你是熊。看到一个人&#xff0c;蹲下来捡石头。 你…

Pytorch的F.cross_entropy交叉熵函数

参考笔记&#xff1a;pytorch的F.cross_entropy交叉熵函数和标签平滑函数_怎么给crossentropyloss添加标签平滑-CSDN博客 先来讲下基本的交叉熵cross_entropy&#xff0c;官网如下&#xff1a;torch.nn.functional.cross_entropy — PyTorch 1.12 documentation torch.nn.fun…

LangChain-基础(prompts、序列化、流式输出、自定义输出)

LangChain-基础 我们现在使用的大模型训练数据都是基于历史数据训练出来的&#xff0c;它们都无法处理一些实时性的问题或者一些在训练时为训练到的一些问题&#xff0c;解决这个问题有2种解决方案 基于现有的大模型上进行微调&#xff0c;使得它能适应这些问题&#xff08;本…

Linux(ubuntu) GPU CUDA 构建Docker镜像

一、创建Dockerfile FROM ubuntu:20.04#非交互式&#xff0c;以快速运行自动化任务或脚本&#xff0c;无需图形界面 ENV DEBIAN_FRONTENDnoninteractive# 安装基础工具 RUN apt-get update && apt-get install -y \curl \wget \git \build-essential \software-proper…

Nginx:服务架构中不可或缺的基础组件

基本所有的服务架构中&#xff0c;Nginx 都是不可或缺的基础组件&#xff1a; HTTP 负载均衡&#xff0c;将请求转发到后端 API 服务器。健康检查&#xff0c;将后端无法服务的节点移除。配置 HTTPS &#xff0c;增强安全性。静态服务器&#xff0c;随着前后端分离&#xff0c…

《跟李沐学 AI》AlexNet论文逐段精读学习心得 | PyTorch 深度学习实战

前一篇文章&#xff0c;使用 AlexNet 实现图片分类 | PyTorch 深度学习实战 本系列文章 GitHub Repo: https://github.com/hailiang-wang/pytorch-get-started 本篇文章内容来自于学习 9年后重读深度学习奠基作之一&#xff1a;AlexNet【下】【论文精读】】的心得。 《跟李沐…