推荐一下，比Spring-Retry还快的百万级任务重试框架Fast-Retry

最新推荐文章于 2025-05-14 08:30:45 发布

Java之路行者

最新推荐文章于 2025-05-14 08:30:45 发布

阅读量763

点赞数 23

分类专栏： JAVA后端 SpringBoot 系统文章标签： spring java android 分布式 spring boot

本文链接：https://blog.youkuaiyun.com/abcafdsgr123456789/article/details/142378842

版权

JAVA后端同时被 3 个专栏收录

110 篇文章

订阅专栏

系统

63 篇文章

订阅专栏

SpringBoot

61 篇文章

订阅专栏

一、前言

❝假设你的系统里有100万个用户，然后你要轮询重试的获取每个用户的身份信息, 如果你还在使用SpringRetry和GuavaRetry 之类的这种单任务的同步重试框架，那你可能到猴年马月也处理不完，即使加再多的机器和线程也是杯水车薪，而Fast-Retry正是为这种场景而生

二、Fast-Retry

一个高性能的多任务重试框架，支持百万级任务的异步重试、以及支持编程式和注解声明式等多种使用方式、也支持自定义结果重试逻辑。

三、What is this?

与主流的Spring-Retry, Guava-Retry等单任务同步重试框架不同，Fast-Retry是一个支持异步重试框架，支持异步任务的重试、超时等待、回调。Spring-Retry, Guava-Retry均无法支持大批量任务的重试，即使加入线程池也无法解决，因为实际每个重试任务都是单独的同步逻辑，然后会会占用过多线程资源导致大量任务在等待处理，随着任务数的增加，系统吞吐量大大降低，性能指数级降低，而Fast-Retry在异步重试下的性能是前者的指数倍。

四、下图是三者的性能对比

测试线程池: 8个固定线程
单个任务逻辑: 轮询5次，隔2秒重试一次，总耗时10秒
未测预计公式：当我们使用线程池的时候，一般线程池中总任务处理耗时 = 任务数/并发度 x 单个任务重试耗时
在这里插入图片描述

可以看到即使是处理100万个任务，Fast-Retry的性能也比Spring-Retry和Guava-Retry处理在50个任务时的性能还要快的多的多属实降维打击，这么快的秘密在于除了是异步，重要的是当别人在重试间隔里休息的时候，Fast-Retry还在不停忙命的工作着。
即使抛开性能不谈， SpringRetry使用繁琐，不支持根据结果的进行重试，GuavaRetry虽然支持，但是又没有提供注解声明式的使用。

五、快速开始

引入依赖

<dependency>
    <groupId>io.github.burukeyou</groupId>
    <artifactId>fast-retry-all</artifactId>
    <version>0.2.0</version>
</dependency>

六、三种方式去构建我们的重试任务

1、使用重试队列
RetryTask就是可以配置我们重试任务的一些逻辑，比如怎么重试，怎么获取重试结果，隔多久后重试，在什么情况下重试。它可以帮助我们更加自由的去构建重试任务的逻辑。但如果只是简单使用，强烈建议使用FastRetryBuilder 或者 @FastRetry注解RetryQueue就是一个执行和调度我们重试任务的核心角色，其在使用上与线程池的API方法基本一致

ExecutorService executorService = Executors.newFixedThreadPool(8);
RetryQueue queue = new FastRetryQueue(executorService);
RetryTask<String> task = new RetryTask<String>() {
    int result = 0 ;

    // 下一次重试的间隔
    @Override
    public long waitRetryTime() {
        return 2000;
    }

    // 执行重试，每次重试回调此方法
    @Override
    public boolean retry() {
        return ++result < 5;
    }

     // 获取重试结果
    @Override
    public String getResult() {
        return  result + "";
    }
};
CompletableFuture<String> future = queue.submit(task);
log.info("任务结束 结果:{}",future.get());

2、使用FastRetryBuilder
底层还是使用的RetryQueue去处理，只是帮我们简化了构建RetryTask的逻辑

RetryResultPolicy<String> resultPolicy = result -> result.equals("444");
FastRetryer<String> retryer = FastRetryBuilder.<String>builder()
        .attemptMaxTimes(3)
        .waitRetryTime(3, TimeUnit.SECONDS)
        .retryIfException(true)
        .retryIfExceptionOfType(TimeoutException.class)
        .exceptionRecover(true)
        .resultPolicy(resultPolicy)
        .build();

CompletableFuture<String> future = retryer.submit(() -> {
    log.info("重试");
    //throw new Exception("test");
    //int i = 1/0;
    if (0 < 10){
        throw new TimeoutException("test");
    }
    return "444";
});

String o = future.get();
log.info("结果{}", o);

使用@FastRetry注解
底层还是使用的RetryQueue去处理，只是帮我们简化了构建RetryTask的逻辑，并且与Spring进行整合能对Spring的bean标记了FastRetry注解的方法进行代理，提供了重试任务注解声明式的使用方式

依赖Spring环境，所以需要在Spring配置类加上@EnableFastRetry注解启用配置，
这个@FastRetry注解的使用才会生效
如果将结果类型使用CompletableFuture包装，自动进行异步轮询返回，否则同步阻塞等待重试结果。

(推荐)下面定义等价于 RetryQueue.execute方法// 如果发生异常，每隔两秒重试一次

@FastRetry(retryWait = @RetryWait(delay = 2))
public String retryTask(){
    return "success";
}
下面定义等价于 RetryQueue.submit方法,支持异步轮询@FastRetry(retryWait = @RetryWait(delay = 2))
public CompletableFuture<String> retryTask(){
    return CompletableFuture.completedFuture("success");
}

七、自定义重试注解

如果不喜欢或者需要更加通用化的贴近业务的重试注解，提供一些默认的参数和处理逻辑，可以自行定义一个重试注解并标记上@FastRetry并指定factory，然后实现AnnotationRetryTaskFactory接口实现自己的构建重试任务的逻辑即可。@FastRetry默认实现就是：FastRetryAnnotationRetryTaskFactory

八、使用建议

无论是使用以上哪种方式去构建你的重试任务，都建议使用异步重试的方法，即返回结果是CompletableFuture的方法，然后使用CompletableFuture的whenComplete方法去等待异步重试任务的执行结果。

九、对比案例

有一个天气服务的重试任务，需要重试N次才可能获取到某城市的天气情况。分别使用Fast-Retry注解和Spring-Retry注解去并发获取1000个城市的天气情况，看下系统耗时。同样的逻辑，Spring-Retry需要1256秒左右，Fast-Retry只需要10秒.左右// 天气服务

@Component
public class WeatherService {
    
    // Fast-Retry  重试获取天气城市天气情况
    @FastRetry(
            maxAttempts = 100,
            retryWait = @RetryWait(delay = 2,timeUnit = TimeUnit.SECONDS))
    public CompletableFuture<WeatherResult> getFutureWeatherForCompare(String cityName){
        log.info("WeatherService进行重试  次数:{} 城市: {}",++index,cityName);
        WeatherResult weather = WeatherServer.getWeather(cityName);
        if (weather == null){
            //继续重试
            throw new RuntimeException("模拟异常进行重试");
        }

        return FastRetryBuilder.of(weather);
    }

   // Spring-Retry  重试获取天气城市天气情况
    @Retryable(maxAttempts = 100,backoff = @Backoff(delay = 2000))
    public WeatherResult getSpringWeatherForCompare(String cityName){
        log.info("WeatherService进行重试  次数:{} 城市: {}",++index,cityName);
        WeatherResult weather = WeatherServer.getWeather(cityName);
        if (weather == null){
            //继续重试
            throw new RuntimeException("模拟异常进行重试");
        }
        return weather;
    }

}

使用Spring-Retry去执行1000个重试任务

/**
 * spring-retry注解-测试
 * @throws Exception
 */
@Test
public void testFastRetryManyTaskForSpring() throws Exception {
    List<CompletableFuture<WeatherResult>> futures = new ArrayList<>();
    ExecutorService pool = Executors.newFixedThreadPool(8);

    StopWatch stopWatch = new StopWatch();
    stopWatch.start();
    int taskSize = 1000;
    for (int i = 0; i < taskSize; i++) {
        WeatherService taskWeatherService = context.getBean(WeatherService.class);
        CompletableFuture<WeatherResult> testFuture = new CompletableFuture<>();
        futures.add(testFuture);

        String cityName = "北京" + i;
        pool.execute(() -> {
            WeatherResult weather = taskWeatherService.getSpringWeatherForCompare(cityName);
            testFuture.complete(weather);
        });
    }

    CompletableFuture.allOf(futures.toArray(new CompletableFuture[0])).join();

    System.out.println("所有任务完成");
    for (CompletableFuture<WeatherResult> future : futures) {
        WeatherResult weatherResult = future.get();
        log.info("城市轮询结束  result:{}",weatherResult.data);
    }

    stopWatch.stop();
    log.info("Spring-Retry测试总耗时  任务数:{} 耗时:{}",taskSize,stopWatch.getTotalTimeSeconds());
}

使用Fast-Retry去执行1000个重试任务

/**
 * 测试FastRetry注解测试
 * @throws Exception
 */
@Test
public  void testFastRetryManyTask() throws Exception {

    StopWatch stopWatch = new StopWatch();
    stopWatch.start();
    int taskSize = 1000;

    List<CompletableFuture<WeatherResult>> futures = new ArrayList<>();
    for (int i = 0; i < taskSize; i++) {
        WeatherService taskWeatherService = context.getBean(WeatherService.class);
        String cityName = "北京" + i;
        CompletableFuture<WeatherResult> weather = taskWeatherService.getFutureWeatherForCompare(cityName);
        futures.add(weather);
    }

    CompletableFuture.allOf(futures.toArray(new CompletableFuture[0])).join();

    System.out.println("所有任务完成");
    for (CompletableFuture<WeatherResult> future : futures) {
        WeatherResult weatherResult = future.get();
        log.info("城市轮询结束  result:{}",weatherResult.data);
    }

    stopWatch.stop();
    log.info("FastRetry测试总耗时  任务数:{} 耗时:{}",taskSize,stopWatch.getTotalTimeSeconds());
}

那么，fast-retry相比其它重试框架快在哪里呢？
与其说快在哪，不如说同步型重试框架慢在哪。因为同步重试是阻塞的同步的，比如有 100 个重试任务，每个重试任务要重试 1 分钟，线程池有 10 个线程池，最多只能同时处理10 个重试任务。也就是说起码要 10 分钟后才去执行剩下的 90 个任务。最后 100 个任务轮询完都要 100 分钟了。实际没必要等它轮询完一个任务才去执行下一个任务，它开始轮询一个任务后就可以开始去执行下一个任务了。
具体来说，Fast-Retry 的“快”主要体现在以下几个方面：
1、异步执行：Fast-Retry 通常采用异步方式执行重试逻辑，这意味着它可以在等待重试间隔时不阻塞主线程，从而提高应用程序的整体响应性和吞吐量。
2、非阻塞 I/O：在处理需要 I/O 操作（如网络请求、文件读写等）的重试时，Fast-Retry 可以利用非阻塞 I/O 机制，这样在等待 I/O 操作完成时不会占用宝贵的线程资源。
3、优化的重试策略：Fast-Retry 允许用户自定义重试策略，包括重试次数、重试间隔、退避算法等。通过智能的退避算法（如指数退避），它可以在保持高效率的同时减少对资源的不必要消耗。
4、资源利用：Fast-Retry 框架可能会优化资源的使用，例如通过复用连接或线程来减少创建和销毁资源的开销。
5、错误处理：Fast-Retry 能够快速识别和处理重试中的错误，减少错误处理的时间开销。
6、集成和扩展性：Fast-Retry 框架往往设计得易于集成和扩展，这意味着它可以快速地被添加到现有的系统中，并且可以根据需要进行定制。
7、避免不必要的重试：Fast-Retry 能够根据错误类型或其他条件判断是否需要重试，避免在明显无望的情况下进行无效的重试尝试。
8、性能监控：Fast-Retry 可能包含性能监控功能，这有助于及时发现性能瓶颈并进行优化。注意，Fast-Retry 的具体实现可能会根据不同的编程语言和框架有所不同。