因此，为了有效缩短接口方法的执行时间，便考虑使用多线程并发编程方法，利用多核处理器并行执行的能力，通过异步处理数据的方式，便可以大大缩短执行时间，提高执行效率。
这里使用可重用固定线程数的线程池 fixedthreadpool，并使用 countdownlatch 并发工具类提供的并发流程控制工具作为配合使用，保证多线程并发编程过程中的正常运行：
首先，通过 runtime.getruntime().availableprocessors() 方法获取运行机器的 cpu 线程数，用于后续设置固定线程池的线程数量。
其次，判断任务的特性，如果为计算密集型任务则设置线程数为 cpu 线程数+1，如果为 io 密集型任务则设置线程数为 2 * cpu 线程数，由于在方法中需要与数据库进行频繁的交互，因此属于 io 密集型任务。
之后，对数据进行分组切割，每个线程处理一个分组的数据，分组的组数与线程数保持一致，并且还要创建计数器对象 countdownlatch，调用构造函数，初始化参数值为线程数个数，保证主线程等待所有子线程运行结束后，再进行后续的操作。
然后，调用 executorservice.execute() 方法，重写 run 方法编写业务逻辑与数据处理代码，执行完当前线程后记得将计数器减1操作。最后，当所有子线程执行完成后，关闭线程池。
在省略工作场景中的业务逻辑代码后，通用的处理方法示例如下所示：
public responsedata updatehostdept() { // ... list<map> hostmaplist = mongotemplate.find(query, map.class, "host"); // split the hostmaplist for the following multi-threads task // return the number of logical cpus int processorsnum = runtime.getruntime().availableprocessors(); // set the threadnum as 2*(the number of logical cpus) for handling io tasks, // if computing tasks set the threadnum as (the number of logical cpus) + 1 int threadnum = processorsnum * 2; // the number of each group data int eachgroupnum = hostmaplist.size() / threadnum; list<list<map>> grouplist = new arraylist<>(); for (int i = 0; i < threadnum; i++) { int start = i * eachgroupnum; if (i == threadnum - 1) { int end = maplist.size(); grouplist.add(hostmaplist.sublist(start, end)); } else { int end = (i+1) * eachgroupnum; grouplist.add(hostmaplist.sublist(start, end)); } } // update data by using multi-threads asynchronously executorservice executorservice = executors.newfixedthreadpool(threadnum/2); countdownlatch countdownlatch = new countdownlatch(threadnum); for (list<map> group : grouplist) { executorservice.execute(()->{ try { for (map map : group) { // update the data in mongodb } } catch (exception e) { e.printstacktrace(); } finally { // let counter minus one countdownlatch.countdown(); } }); } try { // main thread donnot execute until all child threads finish countdownlatch.await(); } catch (exception e) { e.printstacktrace(); } // remember to shutdown the threadpool executorservice.shutdown(); return responsedata.success();}
那么在使用多线程异步更新的策略后，从当初调用接口所需的大概时间为 30-40 min 下降到了 8-10 min，大大提高了执行效率。
需要注意的是，这里使用的 newfixedthreadpool 创建线程池，它有一个缺陷就是，它的阻塞队列默认是一个无界队列，默认值为 integer.max_value 极有可能会造成 oom 问题。因此，一般可以使用 threadpoolexecutor 来创建线程池，自己可以指定等待队列中的线程个数，避免产生 oom 问题。
public responsedata updatehostdept() { // ... list<map> hostmaplist = mongotemplate.find(query, map.class, "host"); // split the hostmaplist for the following multi-threads task // return the number of logical cpus int processorsnum = runtime.getruntime().availableprocessors(); // set the threadnum as 2*(the number of logical cpus) for handling io tasks, // if computing tasks set the threadnum as (the number of logical cpus) + 1 int threadnum = processorsnum * 2; // the number of each group data int eachgroupnum = hostmaplist.size() / threadnum; list<list<map>> grouplist = new arraylist<>(); for (int i = 0; i < threadnum; i++) { int start = i * eachgroupnum; if (i == threadnum - 1) { int end = maplist.size(); grouplist.add(hostmaplist.sublist(start, end)); } else { int end = (i+1) * eachgroupnum; grouplist.add(hostmaplist.sublist(start, end)); } } // update data by using multi-threads asynchronously threadpoolexecutor executor = new threadpoolexecutor(5, 8, 30l, timeunit.seconds, new arrayblockingqueue<>(100)); countdownlatch countdownlatch = new countdownlatch(threadnum); for (list<map> group : grouplist) { executor.execute(()->{ try { for (map map : group) { // update the data in mongodb } } catch (exception e) { e.printstacktrace(); } finally { // let counter minus one countdownlatch.countdown(); } }); } try { // main thread donnot execute until all child threads finish countdownlatch.await(); } catch (exception e) { e.printstacktrace(); } // remember to shutdown the threadpool executor.shutdown(); return responsedata.success();}
在上述的代码中，核心线程数和最大线程数分别为 5 和 8，并没有设置的很大的值，因为如果如果设置的很大，线程间频繁的上下文切换也会增加时间消耗，反而不能最大程度上发挥多线程的优势。至于如何选择合适的参数，需要根据机器的参数以及任务的类型综合考虑决定。
最后补充一点，如果想要通过非编码的方式获取机器的 cpu 线程个数也很简单，windows 系统通过任务管理器，选择 “性能”，便可以查看 cpu 线程个数的情况，如下图所示：
从上图可以看到，我的机器中内核是八个 cpu，但是通过超线程技术一个物理的 cpu 核心可以模拟成两个逻辑 cpu 线程，因此我的机器是支持8核16线程的。
以上就是java多线程并发编程提高数据处理效率是多少的详细内容。