多线程搜索操作

Question

我有一种方法可以使用一系列的查询，我需要针对不同的搜索引擎Web运行它们，比如Google或Yahoo的。为了并行化这个过程，每个查询都会产生一个线程，然后在查询结束时进行join编辑，因为我的应用程序只能在得到每个查询的结果之后才能继续运行。我目前有这样的想法：

public abstract class class Query extends Thread {
    private String query;

    public abstract Result[] querySearchEngine();
    @Override
    public void run() {
        Result[] results = querySearchEngine(query);
        Querier.addResults(results);
    }

}

public class GoogleQuery extends Query {
    public Result querySearchEngine(String query) { 
        // access google rest API
    }
}

public class Querier {
    /* Every class that implements Query fills this array */
    private static ArrayList<Result> aggregatedResults;

    public static void addResults(Result[]) { // add to aggregatedResults }

    public static Result[] queryAll(Query[] queries) {
        /* for each thread, start it, to aggregate results */
        for (Query query : queries) {
            query.start();
        }
        for (Query query : queries) {
            query.join();
        }
        return aggregatedResults;
    }
}

最近，我发现Java中有一个新的API来执行并发工作。即Callable接口、FutureTask和ExecutorService。我想知道这个新的API是否应该使用，以及它们是否比传统的Runnable和Thread更有效。

在研究了这个新API之后，我提出了以下代码(简化版本)：

   public abstract class Query implements Callable<Result[]> {
        private final String query; // gets set in the constructor

        public abstract Result[] querySearchEngine();
        @Override
        public Result[] call() {
            return querySearchEngine(query);
        }
    }

public class Querier {   
        private ArrayList<Result> aggregatedResults;

        public Result[] queryAll(Query[] queries) {
            List<Future<Result[]>> futures = new ArrayList<Future<Result[]>>(queries.length);
            final ExecutorService service = Executors.newFixedThreadPool(queries.length);  
            for (Query query : queries) {
                futures.add(service.submit(query));  
            }
            for (Future<Result[]> future : futures) {  
                aggregatedResults.add(future.get());  // get() is somewhat similar to join?
            }  
            return aggregatedResults;
        }
    }

我是这个并发API的新手，我想知道在上面的代码中是否有什么可以改进的，以及它是否比第一个选项(使用Thread)更好。有些类我没有研究过，比如FutureTask，等等。我也想听听关于这方面的任何建议。

Answer 1

您的代码有几个问题。

1. 您可能应该使用ExecutorService.invokeAll()方法。创建新线程和新线程池的成本可能很高(尽管可能与调用外部搜索引擎相比)。invokeAll()可以为您管理线程。
2. 您可能不想将数组和泛型混合在一起。
3. 您正在调用aggregatedResults.add()而不是addAll()。
4. 当成员变量可能是queryAll()函数调用的本地变量时，不需要使用它们。

因此，下面这样的内容应该有效：

public abstract class Query implements Callable<List<Result>> {
    private final String query; // gets set in the constructor

    public abstract List<Result> querySearchEngine();
    @Override
    public List<Result> call() {
        return querySearchEngine(query);
    }
}

public class Querier {   
    private static final ExecutorService executor = Executors.newCachedThreadPool();

    public List<Result> queryAll(List<Query> queries) {
        List<Future<List<Result>>> futures = executor.submitAll(queries);
        List<Result> aggregatedResults = new ArrayList<Result>();
        for (Future<List<Result>> future : futures) {  
            aggregatedResults.addAll(future.get());  // get() is somewhat similar to join?
        }  
        return aggregatedResults;
    }
}

Answer 2

作为进一步的改进，您可以考虑使用CompletionService --它解耦提交和检索的顺序，而将所有未来的结果放在一个队列中，从队列中获取结果的完成顺序。

Answer 3

我可以建议你使用带有超时的Future.get()吗？

否则，只需要一个搜索引擎没有响应就能使一切停止(如果你的终端有网络问题的话，它甚至不需要成为搜索引擎问题)