使用ThreadPoolTaskExecutor

<think>我们将使用Spring框架中的ThreadPoolTaskExecutor来实现多线程导出PDF的功能。这种实现方式更加适合在Spring应用环境中使用，因为它提供了更丰富的配置选项和更好的集成。步骤：1.配置ThreadPoolTaskExecutor（可以在配置类中配置）2.在导出方法中使用线程池提交任务3.等待所有任务完成注意：由于我们的任务是I/O密集型（生成PDF），所以线程池大小可以设置得大一些（比如CPU核心数*2~5），但具体需要根据实际情况调整。下面是一个完整的实现示例：</think> 以下是在 Spring Framework 中使用 `ThreadPoolTaskExecutor` 实现多线程批量导出 PDF 的解决方案： ```java import org.springframework.scheduling.concurrent.ThreadPoolTaskExecutor; import java.util.List; import java.util.concurrent.CompletableFuture; import java.util.concurrent.CountDownLatch; import java.util.stream.Collectors; public class PdfExporter { // 配置线程池（通常在Spring配置类中初始化） private ThreadPoolTaskExecutor taskExecutor; public PdfExporter() { taskExecutor = createTaskExecutor(); } // 创建并配置线程池 private ThreadPoolTaskExecutor createTaskExecutor() { ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor(); executor.setCorePoolSize(10); // 核心线程数 executor.setMaxPoolSize(20); // 最大线程数 executor.setQueueCapacity(100); // 队列容量 executor.setThreadNamePrefix("pdf-export-"); executor.setWaitForTasksToCompleteOnShutdown(true); executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy()); executor.initialize(); return executor; } /** * 批量导出PDF文档 * @param ckDocTableDataList 待导出的文档数据列表 */ public void export(List<CkDocTableData> ckDocTableDataList) { // 使用CountDownLatch跟踪任务完成状态 CountDownLatch latch = new CountDownLatch(ckDocTableDataList.size()); List<CompletableFuture<Void>> futures = ckDocTableDataList.stream() .map(data -> CompletableFuture.runAsync( () -> { try { generatePdf(data); } catch (Exception e) { handleExportException(data, e); } finally { latch.countDown(); // 任务完成计数器减一 } }, taskExecutor.getThreadPoolExecutor() )) .collect(Collectors.toList()); // 等待所有任务完成 try { latch.await(); // 阻塞直到所有任务完成 } catch (InterruptedException e) { Thread.currentThread().interrupt(); System.err.println("导出任务被中断: " + e.getMessage()); } // 检查是否有任务失败 long failedTasks = futures.stream().filter(f -> f.isCompletedExceptionally()).count(); if(failedTasks > 0) { System.out.println("警告: " + failedTasks + "个文档导出失败"); } } // PDF生成方法（实际实现细节） private void generatePdf(CkDocTableData data) { System.out.println("生成PDF: " + data.getId() + " Thread: " + Thread.currentThread().getName()); // PDF生成具体实现 } // 异常处理方法 private void handleExportException(CkDocTableData data, Exception e) { System.err.println("文档ID:" + data.getId() + "导出失败: " + e.getMessage()); // 可添加重试逻辑或错误记录 } } ``` ### 配置类示例（通常放在 Spring Boot 配置中）： ```java @Configuration @EnableAsync public class ThreadPoolConfig { @Bean(name = "exportTaskExecutor") public ThreadPoolTaskExecutor taskExecutor() { ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor(); executor.setCorePoolSize(10); executor.setMaxPoolSize(20); executor.setQueueCapacity(100); executor.setThreadNamePrefix("pdf-export-"); executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy()); executor.initialize(); return executor; } } ``` ### 代码解释： 1. **线程池配置详解**： - `setCorePoolSize(10)`：线程池保持的最小线程数 - `setMaxPoolSize(20)`：线程池最大线程数（任务高峰时创建） - `setQueueCapacity(100)`：任务队列容量（核心线程忙碌时存储任务） - `CallerRunsPolicy`：队列满时的处理策略（让调用者线程执行任务） - `setThreadNamePrefix`：方便调试的任务线程命名 2. **任务调度机制**： - 使用 `CompletableFuture.runAsync()` 将每个文档导出任务提交到线程池 - `CountDownLatch` 精确跟踪所有任务的完成状态（比 `allOf()` 更高效） - `finally` 块确保计数器无论任务成功与否都递减 3. **异常处理**： - 每个任务独立的异常捕获和处理 - 主线程中断处理（避免无限等待） - 任务完成后检查异常状态 4. **最佳实践**： - 线程池定义为 Spring Bean 实现复用 - 使用 `@EnableAsync` 支持 Spring 的异步处理 - 线程名前缀便于日志分析 ### 使用 Spring Boot 异步注解的替代方案： ```java @Service public class AsyncPdfExporter { @Autowired private ThreadPoolTaskExecutor exportTaskExecutor; @Async("exportTaskExecutor") public CompletableFuture<Void> exportDocument(CkDocTableData data) { // PDF生成逻辑 return CompletableFuture.completedFuture(null); } public void batchExport(List<CkDocTableData> documents) { List<CompletableFuture<Void>> futures = documents.stream() .map(this::exportDocument) .collect(Collectors.toList()); CompletableFuture.allOf(futures.toArray(new CompletableFuture[0])).join(); } } ``` ### 对比建议： - 大量简单任务使用原生 `CompletableFuture`（本文主方案）性能更高 - 复杂任务或需要 Spring 事务管理的任务使用 `@Async` 方案更合适