紧接上文，我给大家来个续文，之前没有这个想法，突然感觉有料了，就赶紧来篇续文。看不懂，没有关系。时间会解决一切问题的。
在群里有个小伙伴提出一个问题，关于Kafka的，他使用的是python语言发送Kafka消息。问题是这样的：
在使用pykafka的生产者的时候，尝试捕获异常，然后有异常的话，就重新实例化KafkaClient，然后再尝试继续生产，然后自测的时候，让生产者不停的发东西，同时关掉kafka的服务，这个时候就会捕获到异常，然后再启动kafka，程序尝试重新连接，但是连上以后，这个生产者的进程的线程数增加了一个。因为之前的代码是别人写的 之前每次有异常就会开一个线程去处理，现在改成比较简单的单线程的操作，但是没想到线程数还是会增加，所以觉得可能是pykafka用的不对。
代码是这样写的：

socket1.jpg

socket2.jpg

我看到这个问题之后很感兴趣，这是一个线程问题。我感觉，人人都知道鸡蛋有营养，人人都在吃鸡蛋，但是能把鸡蛋做到出神入化的人很少，反正我是没有见过的。同样道理，人人都知道线程的好处，人人也都会写多线程，但是真正吃透线程的人也是凤毛麟角的。上面这个问题的根源在于在socket的连接上（注：kafkaclient的底层实现）。每次连接kafka服务端都是随机找个端口生成socket的，因为是非堵塞的，自然就新起动一个线程。虽然运行过程中抛出了异常，但是并没有杀死线程，所以每次抛出异常，线程还在，然后新建socket，都会启动一个新线程，这样自然线程数量就不断的增加。解决方法是：出现异常，不要重新生成socket。
线程可以生成，可以启动，人人都会怎么办。但是线程怎么杀死怎么结束呢？一般我们用不到，即是用到可以上网查一下，但是要明白，抛出异常并捕获，线程仍然还是活着呢？抛出异常不捕获，那么线程就over了。

最近翻看了一下Guava Cache，说个例子：

public static void main(String[] args) throws ExecutionException {
        LoadingCache<String, String> cache = CacheBuilder.newBuilder()
                .maximumSize(100)
                //写之后30ms过期
                .expireAfterWrite(30L, TimeUnit.MILLISECONDS)
                //访问之后30ms过期
                .expireAfterAccess(30L, TimeUnit.MILLISECONDS)
                //20ms之后刷新
                .refreshAfterWrite(20L, TimeUnit.MILLISECONDS)
                //开启weakKey key 当启动垃圾回收时，该缓存也被回收
                .weakKeys()
                .build(createCacheLoader());
        System.out.println(cache.get("hello"));
        cache.put("hello", "hello");
        System.out.println(cache.get("hello"));
        cache.put("hello", "world");
        System.out.println(cache.get("hello"));
    }
    public static com.google.common.cache.CacheLoader<String, String> createCacheLoader() {
        return new com.google.common.cache.CacheLoader<String, String>() {
            @Override
            public String load(String key) throws Exception {
                return key;
            }
        };
    }

LoadingCache类里面启动到一个线程，这个线程实时监控缓存的情况，这种设计的初衷很值得玩味。遇到一个计算复杂的问题，为了不卡顿，很多人自然会想到多线程，这不算什么。能主动的想到并发，然后将线程运用的很自然，这种功底很值得反思和学习。这种境界是如何炼成的呢？暂时先不分析了，后期有时间再分析吧。

标签: none

添加新评论