【Java 多线程处理 PDF 转PNG】基于 Spring @Async + CompletableFuture

关注

原创 2025-09-02 11:58:00 480 阅读 AI 写同款· GEO 优化 ›

Java OCR技术实战：Tess4J实现图片转文字 OCR（光学字符识别）技术通过算法将图像中的文字转换为可编辑文本，其核心在于模式识别和机器学习。Java生态中通过Tess4J封装Tesseract引擎实现OCR功能，结合JNI技术调用本地库，适合构建高稳定性的企业级应用。在文档数字化、票据识别等场景中，通过图像预处理、多线程优化等手段可显著提升识别准确率。本文以Tess4J为例，详解从环境配置到Docker化部署的全流程实践，特别针对中文识别和性能优化提供解决方案。阅读详情

1️⃣ 背景

假设我们有一个 PDF 文件，需要：

将每页渲染成图片
编码为 PNG
上传到服务器
获取访问 URL

如果 PDF 很大，顺序处理每页很慢。
解决办法：多线程并行处理每页。

2️⃣ 核心技术点

@Async
- Spring 提供的异步执行注解
- 方法加上 @Async 后，会被线程池异步调用
- 必须在 Spring 管理的 Bean 中调用

线程池（ThreadPoolTaskExecutor）

控制并发数量，防止内存/CPU 过载
示例：

@Bean("doSomethingExecutor")
public Executor doSomethingExecutor() {
    ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
    executor.setCorePoolSize(4);
    executor.setMaxPoolSize(8);
    executor.setQueueCapacity(100);
    executor.setThreadNamePrefix("pdf-async-");
    executor.initialize();
    return executor;
}

CompletableFuture
- 用于收集异步任务的返回结果
- 可以统一等待所有任务完成或处理异常

3️⃣ 核心步骤

步骤1：定义异步方法

@Async("doSomethingExecutor")
public CompletableFuture<String> processPage(String filePath, int pageIndex) {
    try (PDDocument document = PDDocument.load(new File(filePath))) {
        PDFRenderer renderer = new PDFRenderer(document);
        BufferedImage image = renderer.renderImageWithDPI(pageIndex, 96, ImageType.RGB);

        // 转 PNG
        ByteArrayOutputStream baos = new ByteArrayOutputStream();
        ImageIO.write(image, "PNG", baos);
        image.flush();

        // 上传
        String objectName = UUID.randomUUID() + ".png";
        try (InputStream inputStream = new ByteArrayInputStream(baos.toByteArray())) {
            fileClient.putObject("application-file", objectName, inputStream);
        }

        String fileUrl = fileClient.getObjectIPUrl("application-file", objectName);
        return CompletableFuture.completedFuture(fileUrl);
    } catch (Exception e) {
        CompletableFuture<String> failedFuture = new CompletableFuture<>();
        failedFuture.completeExceptionally(e);
        return failedFuture;
    }
}

重点：

每页任务独立，避免 PDDocument 多线程安全问题
异常通过 completeExceptionally 返回

步骤2：触发异步任务（for 循环）

List<CompletableFuture<String>> futures = new ArrayList<>();

for (int i = 0; i < pageCount; i++) {
    futures.add(pdfPageProcessor.processPage(filePath, i));
}

// 等待所有任务完成
CompletableFuture.allOf(futures.toArray(new CompletableFuture[0])).join();

// 获取结果
List<String> urls = futures.stream()
        .map(CompletableFuture::join)
        .collect(Collectors.toList());

解释：

循环只是触发任务，真正并行是线程池执行
allOf.join() 等待所有任务完成
join() 可以获取每页的 URL 或抛出异常

步骤3：控制并发

PDF 渲染是内存密集型操作
建议线程池核心数 4~8，根据服务器配置调整

executor.setCorePoolSize(4); executor.setMaxPoolSize(8);

避免一次性开太多线程导致 OOM

4️⃣ 流程示意

主线程
 │
 │  for i = 0..N-1
 │
 ├─> 调用 @Async 方法
 │       │
 │       └─> 提交任务到线程池
 │               │
 │               ├─> 线程1 执行第1页
 │               ├─> 线程2 执行第2页
 │               └─> ...
 │
 └─> CompletableFuture.allOf 等待完成
         │
         └─> 收集每页 URL