Java面试之场景题

CompletableFuture之控制时间

题目

有一个消息发送接口MessageService.send(String message)，每次消息发送需要耗时2ms；

基于以上接口，实现一个批量发送接口MessageService.batchSend(List messages);

要求如下：

1）一次批量发送消息最大数量为100条

2）批量发送接口一次耗时不超过50ms。

3）要求返回消息发送是否成功的结果。

解决

思路：将list进行分割，然后遍历分割后的list，创建任务，然后等全部执行完

<dependency>
 <groupId>com.google.guava</groupId>
 <artifactId>guava</artifactId>
 <version>30.1-jre</version>
</dependency>

使用了guava进行list的分割

代码：

package com.fang.other;

import com.google.common.collect.Lists;

import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.*;

/**
 * @author fang
 * @version 1.0
 * @date 2025/3/26 14:41:15
 */
public class Test {
    public static void main(String[] args) {
        ArrayList<String> list = new ArrayList<>();
        for (int i = 0; i < 100; i++) {
            list.add(String.valueOf(i));
        }
//        Lists.partition(list, 3);
//        计算方法耗时
        long start = System.currentTimeMillis();
        batchSend(list);
        long end = System.currentTimeMillis();
        System.out.println("方法耗时：" + (end - start));
    }

//    线程池
    private static final ThreadPoolExecutor executor = new ThreadPoolExecutor(10, 10, 10, TimeUnit.SECONDS, new ArrayBlockingQueue<>(10));
    /**
     * 一次批量发送消息最大数量为100条
     * 批量发送接口一次耗时不超过50ms。
     *
     * @param messages
     * @return
     */
    public static boolean batchSend(List<String> messages) {
        List<List<String>> partition = Lists.partition(messages, 20);
        List<CompletableFuture> futures = new ArrayList<>();
        for (List<String> one : partition) {
            CompletableFuture<Boolean> future = CompletableFuture.supplyAsync(() -> {
                for (String res : one) {
                    if (!send(res)) return false;
                }
                return true;
            },executor);
            futures.add(future);

        }
        CompletableFuture<Void> allOf = CompletableFuture.allOf(futures.toArray(new CompletableFuture[0]));
        try {
            allOf.get();
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        } catch (ExecutionException e) {
            throw new RuntimeException(e);
        }
        return true;
    }

    public static boolean send(String message) {
        try {
            Thread.sleep(2);
            return true;
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        }
    }
}

一致性hash

首先定义一个节点类，实现数据节点的功能，具体代码如下：

public class ConsistentHash {
    private final TreeMap<Integer, Node> hashRing = new TreeMap<>();
	public List<Node> nodeList = new ArrayList<>();

/**
 * 增加节点
 * 每增加一个节点，就会在闭环上增加给定虚拟节点
 * 例如虚拟节点数是2，则每调用此方法一次，增加两个虚拟节点，这两个节点指向同一Node
 * @param ip
 */
public void addNode(String ip) {
    Objects.requireNonNull(ip);
    Node node = new Node(ip);
    nodeList.add(node);
    for (Integer virtualNodeHash : node.getVirtualNodeHashes()) {
        hashRing.put(virtualNodeHash, node);
        System.out.println("虚拟节点[" + node + "] hash:" + virtualNodeHash + "，被添加");
    }
}

/**
 * 移除节点
 * @param node
 */
public void removeNode(Node node){
    nodeList.remove(node);
}

/**
 * 获取缓存数据
 * 先找到对应的虚拟节点，然后映射到物理节点
 * @param key
 * @return
 */
public Object get(Object key) {
    Node node = findMatchNode(key);
    System.out.println("获取到节点:" + node.getIp());
    return node.getCacheItem(key);
}

/**
 * 添加缓存
 * 先找到hash环上的节点，然后在对应的节点上添加数据缓存
 * @param key
 * @param value
 */
public void put(Object key, Object value) {
    Node node = findMatchNode(key);

    node.addCacheItem(key, value);
}

/**
 * 删除缓存数据
 */
public void evict(Object key) {
    findMatchNode(key).removeCacheItem(key);
}

/**
 *  获得一个最近的顺时针节点
 * @param key 为给定键取Hash，取得顺时针方向上最近的一个虚拟节点对应的实际节点
 *      * @return 节点对象
 * @return
 */
private Node findMatchNode(Object key) {
    Map.Entry<Integer, Node> entry = hashRing.ceilingEntry(HashUtils.hashcode(key));
    if (entry == null) {
        entry = hashRing.firstEntry();
    }
    return entry.getValue();
}

}
如上所示，通过TreeMap的ceilingEntry() 方法，实现顺时针查找下一个的服务器节点的功能。

哈希计算方法比较常见，网上也有很多计算hash 值的函数。示例代码如下：

public class HashUtils {
/**
 * FNV1_32_HASH
 *
 * @param obj
 *         object
 * @return hashcode
 */
public static int hashcode(Object obj) {
    final int p = 16777619;
    int hash = (int) 2166136261L;
    String str = obj.toString();
    for (int i = 0; i < str.length(); i++)
    hash = (hash ^ str.charAt(i)) * p;
    hash += hash << 13;
    hash ^= hash >> 7;
    hash += hash << 3;
    hash ^= hash >> 17;
    hash += hash << 5;

    if (hash < 0)
        hash = Math.abs(hash);
    //System.out.println("hash computer:" + hash);
    return hash;
}
   }

一致性哈希算法实现后，接下来添加一个测试类，验证此算法时候正常。示例代码如下：

public class ConsistentHashTest {
    public static final int NODE_SIZE = 10;
    public static final int STRING_COUNT = 100 * 100;
    private static ConsistentHash consistentHash = new ConsistentHash();
    private static List<String> sList = new ArrayList<>();
    public static void main(String[] args) {
        // 增加节点
        for (int i = 0; i < NODE_SIZE; i++) {
            String ip = new StringBuilder("10.2.1.").append(i)
                .toString();
            consistentHash.addNode(ip);
        }

        // 生成需要缓存的数据;
        for (int i = 0; i < STRING_COUNT; i++) {
            sList.add(RandomStringUtils.randomAlphanumeric(10));
        }

        // 将数据放入到缓存中。
        for (String s : sList) {
            consistentHash.put(s, s);
        }

        for(int i = 0 ; i < 10 ; i ++) {
            int index = RandomUtils.nextInt(0, STRING_COUNT);
            String key = sList.get(index);
            String cache = (String) consistentHash.get(key);
            System.out.println("Random:"+index+",key:" + key + ",consistentHash get value:" + cache +",value is:" + key.equals(cache));
        }

        // 输出节点及数据分布情况
        for (Node node : consistentHash.nodeList){
            System.out.println(node);
        }

        // 新增一个数据节点
        consistentHash.addNode("10.2.1.110");
        for(int i = 0 ; i < 10 ; i ++) {
            int index = RandomUtils.nextInt(0, STRING_COUNT);
            String key = sList.get(index);
            String cache = (String) consistentHash.get(key);
            System.out.println("Random:"+index+",key:" + key + ",consistentHash get value:" + cache +",value is:" + key.equals(cache));
        }

        // 输出节点及数据分布情况
        for (Node node : consistentHash.nodeList){
            System.out.println(node);
        }
    }
}

运行此测试，输出结果如下所示：