AI大模型编写多线程并发框架（六十五）：发布和应用

系列文章目录

前言

在这个充满技术创新的时代，AI大模型正成为开发者们的新宠。它们可以帮助我们完成从简单的问答到复杂的编程任务，所以AI编程将会是未来的主流方向，利用AI大模型的能力，本系列文章将介绍从零到一用AI大模型编写一个多线程并发框架。

一、项目背景

经过前面系列文章，我们基本完成这个多线程并发框架的搭建，目前只剩下一些小细节需要稍微处理一下，就基本可以发布上线。

本多线程框架使用示例如下：源码地址
1、引入依赖。

<dependency><groupId>io.github.vipjoey</groupId><artifactId>mmc-juc</artifactId><version>1.1</version>
</dependency>

2、使用示例。

// 创建一个MmcTaskExecutor实例，用于执行单次长耗时任务
// 下面是创建一个计算从1加到100的任务，总共100个任务，采用fork分治算法，阈值为10，总共任务为100 / 10 * 2 = 20个大任务，执行速率约为10/s
MmcTaskExecutor<Integer, Integer> mmcTaskExecutor = MmcTaskExecutor.<Integer, Integer>builder().taskSource(IntStream.rangeClosed(1, 100).boxed().collect(Collectors.toList())) // 设置任务源.taskProcessor(x -> x.stream().reduce(0, Integer::sum)) // 设置任务处理方法.taskMerger(Integer::sum) // 设置结果处理方法（可选）.threshold(10) // 设置任务处理阈值（可选）.taskName("mmcTaskExample") // 设置任务名称.rateLimiter(10, 20)  // 设置速率限制，容量为10，每秒产生令牌为20，休眠时间为10ms.forkJoinPoolConcurrency(4) // 设置ForkJoinPool的并发度为4.build();// 同步执行并打印结果        
System.out.println("result: " + mmcTaskExecutor.execute());// 任务执行过程监控
[mmcTaskExample] Tasks submitted. Total tasks: 100
[mmcTaskExample] Task started. Completed tasks: 14, remaining tasks: 86
[mmcTaskExample] Task started. Completed tasks: 14, remaining tasks: 86
[mmcTaskExample] Task started. Completed tasks: 20, remaining tasks: 80
[mmcTaskExample] Task started. Completed tasks: 26, remaining tasks: 74
[mmcTaskExample] Task started. Completed tasks: 33, remaining tasks: 67
[mmcTaskExample] Task started. Completed tasks: 40, remaining tasks: 60
[mmcTaskExample] Task started. Completed tasks: 46, remaining tasks: 54
[mmcTaskExample] Task started. Completed tasks: 52, remaining tasks: 48
[mmcTaskExample] Task started. Completed tasks: 58, remaining tasks: 42
[mmcTaskExample] Task started. Completed tasks: 64, remaining tasks: 36
[mmcTaskExample] Task started. Completed tasks: 70, remaining tasks: 30
[mmcTaskExample] Task started. Completed tasks: 76, remaining tasks: 24
[mmcTaskExample] Task started. Completed tasks: 82, remaining tasks: 18
[mmcTaskExample] Task started. Completed tasks: 88, remaining tasks: 12
[mmcTaskExample] Task started. Completed tasks: 94, remaining tasks: 6
[mmcTaskExample] Task started. Completed tasks: 100, remaining tasks: 0
[mmcTaskExample] Tasks completed. Elapsed time: 1107 ms 
result: 5050

二、第十三轮对话-优化传参

1、上文提到，可以多次往MmcTaskExecutor提交任务，但明显每次构建MmcTask显得比较笨重，我们需要优化一下。

2、以下是AI的回复。

• 【为了满足您的要求，我们将修改MmcTaskExecutor类的submitTask方法，以在提交任务时检查MmcTask的构造参数。如果MmcTask自身具有相应的参数，则使用它们，否则将MmcTaskExecutor的参数赋值给MmcTask。如果两者都为空，则抛出异常。在计算出最终的taskSource后，我们将实例化TaskRuntime。】

    // 检查并设置MmcTask的参数private void checkAndSet(MmcTask<T, R> mmcTask) {// 检查MmcTask的构造参数，如果为空，则使用MmcTaskExecutor的参数List<T> taskSource = mmcTask.getTaskSource() != null ? mmcTask.getTaskSource() : this.taskSource;MmcTaskProcessor<T, R> taskProcessor = mmcTask.getTaskProcessor() != null ? mmcTask.getTaskProcessor() : this.taskProcessor;MmcTaskMerger<R> taskMerger = mmcTask.getTaskMerger() != null ? mmcTask.getTaskMerger() : this.taskMerger;RateLimiter rateLimiter = mmcTask.getRateLimiter() != null ? mmcTask.getRateLimiter() : this.rateLimiter;MmcTaskListener taskListener = mmcTask.getTaskListener() != null ? mmcTask.getTaskListener() : this.taskListener;String taskName = mmcTask.getTaskName() != null ? mmcTask.getTaskName() : this.taskName;int threshold = mmcTask.getThreshold() > 0 ? mmcTask.getThreshold() : this.threshold;// 如果参数为空，则抛出异常Objects.requireNonNull(taskSource, "TaskSource cannot be null.");Objects.requireNonNull(taskProcessor, "TaskProcessor cannot be null.");Objects.requireNonNull(taskMerger, "TaskMerger cannot be null.");Objects.requireNonNull(rateLimiter, "RateLimiter cannot be null.");Objects.requireNonNull(taskListener, "TaskListener cannot be null.");Objects.requireNonNull(taskName, "TaskName cannot be null.");// 将最终参数赋值给MmcTaskTaskRuntime taskRuntime = new TaskRuntime(mmcTask.getTaskName(), mmcTask.getTaskSource().size());mmcTask.setTaskSource(taskSource);mmcTask.setTaskProcessor(taskProcessor);mmcTask.setTaskMerger(taskMerger);mmcTask.setRateLimiter(rateLimiter);mmcTask.setTaskListener(taskListener);mmcTask.setTaskName(taskName);mmcTask.setStart(0);mmcTask.setEnd(taskSource.size());mmcTask.setTaskRuntime(taskRuntime);mmcTask.setThreshold(threshold);}

• 【接下来，我们需要修改MmcTaskExecutor类去初始化MmcTask。】

import java.util.List;
import java.util.concurrent.ForkJoinPool;public class MmcTaskExecutor<T, R> {// ...省略其他成员变量和方法// 同步执行并返回结果@Overridepublic R execute() {MmcTask<T, R> mmcTask = new MmcTask.Builder<T, R>().taskSource(taskSource).taskProcessor(taskProcessor).taskMerger(taskMerger).threshold(threshold).rateLimiter(rateLimiter).taskListener(taskListener).taskName(taskName).build();return execute(mmcTask);}// 同步执行并返回结果@Overridepublic R execute(MmcTask<T, R> mmcTask) {// 检查MmcTask的构造参数，如果为空，则使用MmcTaskExecutor的参数checkAndSet(mmcTask);long startTime = System.currentTimeMillis();mmcTask.setTaskRuntime(mmcTask.getTaskRuntime());// 调用onTasksSubmitted方法taskListener.onTasksSubmitted(mmcTask.getTaskRuntime());R result = forkJoinPool.invoke(mmcTask);// 调用onTasksCompleted方法long elapsedTime = System.currentTimeMillis() - startTime;taskListener.onTasksCompleted(mmcTask.getTaskRuntime(), elapsedTime);return result;}// 异步执行@Overridepublic void commit() {commit((result -> {}));}// 异步执行并获取结果@Overridepublic void commit(MmcTaskCallback<R> callback) {MmcTask<T, R> mmcTask = new MmcTask.Builder<T, R>().taskSource(taskSource).taskProcessor(taskProcessor).taskMerger(taskMerger).threshold(threshold).rateLimiter(rateLimiter).taskListener(taskListener).taskName(taskName).build();commit(mmcTask, callback);}// 异步执行并获取结果@Overridepublic void commit(MmcTask<T, R> mmcTask, MmcTaskCallback<R> callback) {// 检查MmcTask的构造参数，如果为空，则使用MmcTaskExecutor的参数checkAndSet(mmcTask);long startTime = System.currentTimeMillis();// 调用onTasksSubmitted方法taskListener.onTasksSubmitted(mmcTask.getTaskRuntime());forkJoinPool.submit(() -> {R result = mmcTask.invoke();// 调用onTasksCompleted方法long elapsedTime = System.currentTimeMillis() - startTime;taskListener.onTasksCompleted(mmcTask.getTaskRuntime(), elapsedTime);if (callback != null) {callback.onComplete(result);}});}
}

三、第十四轮对话-释放资源

1、增加关闭方法，释放所有资源。

2、以下是AI的回复。

• 【为了满足您的要求，我们将为MmcTaskExecutor类添加一个名为shutdown的方法。该方法将关闭ForkJoinPool，以便不再接收新任务，并释放所有资源。】

import java.util.List;
import java.util.concurrent.ForkJoinPool;public class MmcTaskExecutor<T, R> {private ForkJoinPool forkJoinPool;// ...省略其他成员变量和方法// 关闭任务容器，不再接收任务，释放所有资源public void shutdown() {forkJoinPool.shutdown();}
}

• 【现在，您可以通过调用MmcTaskExecutor的shutdown方法来关闭任务容器。这将导致不再接收新任务，并释放所有资源。注意，在调用shutdown方法后，您将无法再提交新任务。如果您需要再次提交任务，请重新创建一个新的MmcTaskExecutor实例。】

四、完善所有单元测试

1、完善所有异步和同步提交任务的单元测试。

package com.mmc.juc;import static org.junit.Assert.assertEquals;import java.util.List;
import java.util.concurrent.TimeUnit;
import java.util.stream.Collectors;
import java.util.stream.IntStream;
import org.junit.Test;public class MmcTaskExecutorTest {@Testpublic void testMmcTaskExecutor() {// 创建一个任务源，包含从1到100的整数List<Integer> taskSource = IntStream.rangeClosed(1, 100).boxed().collect(Collectors.toList());// 创建一个任务处理器，将每个整数相加MmcTaskProcessor<Integer, Integer> taskProcessor = (integer) -> integer.stream().mapToInt(Integer::intValue).sum();// 创建一个任务合并器，将所有整数的和合并MmcTaskMerger<Integer> taskMerger = Integer::sum;// 创建一个任务监听器，打印任务执行过程中的相关信息MmcTaskListener taskListener = new DefaultMmcTaskListener();// 创建一个MmcTaskExecutor实例MmcTaskExecutor<Integer, Integer> mmcTaskExecutor = MmcTaskExecutor.<Integer, Integer>builder().taskSource(taskSource).taskProcessor(taskProcessor).taskMerger(taskMerger).taskListener(taskListener).rateLimiter(10, 10) // 每秒处理10个任务.taskName("testMmcTaskExecutor").build();// 执行任务并获取结果Integer result = mmcTaskExecutor.execute();// 验证结果是否正确（1到100的和等于5050）assertEquals(5050, result.intValue());}@Testpublic void testMmcTaskExecutorWithTask() {// 创建一个任务源，包含从1到100的整数List<Integer> taskSource = IntStream.rangeClosed(1, 100).boxed().collect(Collectors.toList());// 创建一个MmcTaskExecutor实例MmcTaskExecutor<Integer, Integer> mmcTaskExecutor = MmcTaskExecutor.<Integer, Integer>builder().taskProcessor(x -> x.stream().reduce(0, Integer::sum)).taskMerger(Integer::sum).rateLimiter(new TokenBucket(10, 20)).taskListener(new DefaultMmcTaskListener()).build();Integer r = mmcTaskExecutor.execute(MmcTask.<Integer, Integer>builder().taskSource(taskSource).taskName("testMmcTaskExecutorWithTask").build());System.out.println("result: " + r);}@Testpublic void testCommit() throws InterruptedException {// 创建一个任务源，包含从1到100的整数List<Integer> taskSource = IntStream.rangeClosed(1, 100).boxed().collect(Collectors.toList());// 创建一个任务处理器，将每个整数相加MmcTaskProcessor<Integer, Integer> taskProcessor = (integer) -> integer.stream().mapToInt(Integer::intValue).sum();// 创建一个任务合并器，将所有整数的和合并MmcTaskMerger<Integer> taskMerger = Integer::sum;// 创建一个任务监听器，打印任务执行过程中的相关信息MmcTaskListener taskListener = new DefaultMmcTaskListener();// 创建一个MmcTaskExecutor实例MmcTaskExecutor<Integer, Integer> mmcTaskExecutor = MmcTaskExecutor.<Integer, Integer>builder().taskSource(taskSource).taskProcessor(taskProcessor).taskMerger(taskMerger).taskListener(taskListener).rateLimiter(10, 10) // 每秒处理10个任务.taskName("testCommit").build();mmcTaskExecutor.commit();TimeUnit.SECONDS.sleep(3); // 等待异步任务完成}@Testpublic void testCommitWithCallback() throws InterruptedException {// 创建一个任务源，包含从1到100的整数List<Integer> taskSource = IntStream.rangeClosed(1, 100).boxed().collect(Collectors.toList());// 创建一个任务处理器，将每个整数相加MmcTaskProcessor<Integer, Integer> taskProcessor = (integer) -> integer.stream().mapToInt(Integer::intValue).sum();// 创建一个任务合并器，将所有整数的和合并MmcTaskMerger<Integer> taskMerger = Integer::sum;// 创建一个任务监听器，打印任务执行过程中的相关信息MmcTaskListener taskListener = new DefaultMmcTaskListener();// 创建一个MmcTaskExecutor实例MmcTaskExecutor<Integer, Integer> mmcTaskExecutor = MmcTaskExecutor.<Integer, Integer>builder().taskSource(taskSource).taskProcessor(taskProcessor).taskMerger(taskMerger).taskListener(taskListener).rateLimiter(10, 10) // 每秒处理10个任务.taskName("testCommitWithCallback").build();mmcTaskExecutor.commit(result -> {assertEquals(5050, result.intValue());});}@Testpublic void testCommitWithCustomMmcTaskAndCallback() throws InterruptedException {// 创建一个任务源，包含从1到100的整数List<Integer> taskSource = IntStream.rangeClosed(1, 100).boxed().collect(Collectors.toList());// 创建一个MmcTaskExecutor实例MmcTaskExecutor<Integer, Integer> mmcTaskExecutor = MmcTaskExecutor.<Integer, Integer>builder().taskProcessor(x -> x.stream().reduce(0, Integer::sum)).taskMerger(Integer::sum).taskListener(new DefaultMmcTaskListener()).build();mmcTaskExecutor.commit(MmcTask.<Integer, Integer>builder().taskName("testCommitWithCustomMmcTaskAndCallback").rateLimiter(new TokenBucket(20, 20)).taskSource(taskSource).build(), result -> {assertEquals(5050, result.intValue());System.out.println("result: " + result);});}
}

五、验证通过

1、我们运行一下单元测试，看看效果。

很完美！整个框架运行正常！

六、发布

参考搭建大型分布式服务（四十三）SpringBoot 无代码侵入实现多Kafka数据源发布到Maven中央仓库：让世界看到你的作品！ 这篇文章，将这个多线程并发框架发布到中央仓库。

<dependency><groupId>io.github.vipjoey</groupId><artifactId>mmc-juc</artifactId><version>1.1</version>
</dependency>

可能，有小伙伴有疑问，这个多线程框架不会只能用来计算1到100这些简单的任务吧？当然不是，下一篇，我们将整合到kafka框架，让它的执行速度飞起来！

七、参考文章

• 《AI大模型编写多线程并发框架（六十一）：从零开始搭建框架》
• 《AI大模型编写多线程并发框架（六十二）：限流和并发度优化》
• 《AI大模型编写多线程并发框架（六十三）：监听器优化·上》
• 《AI大模型编写多线程并发框架（六十四）：监听器优化·下》
• 《AI大模型编写多线程并发框架（六十五）：发布和应用》

加我加群（备注csdn）一起交流学习！更多干货下载、项目源码和大厂内推等着你