supplyAsync用自定义线程池

<think>好的，用户想了解如何在Java中使用CompletableFuture的supplyAsync方法搭配自定义线程池。首先，我需要回顾一下相关知识点。 根据引用[2]，supplyAsync是Java 8引入的静态方法，用于异步执行任务。默认情况下，它使用ForkJoinPool.commonPool()，但也可以传入自定义的Executor。引用[1]和[4]提到，如果不指定线程池，可能会使用默认的，这可能导致资源竞争，所以自定义线程池很重要。 用户需要示例代码，所以应该展示如何创建自定义线程池，比如ThreadPoolExecutor或Executors.newFixedThreadPool。引用[5]中的例子用了Executors.newFixedThreadPool，但可能还需要展示更详细的配置，如核心线程数、队列等，如引用[4]中的ThreadPoolExecutor。 需要强调使用带Executor参数的supplyAsync方法，如引用[1]中的第二个方法。同时，要说明关闭线程池的必要性，避免资源泄漏。可能还需要提到异常处理和任务依赖的处理，但用户主要问的是示例，所以先专注于基本用法。 另外，引用[3]提到，CompletableFuture适用于有依赖的任务，但当前问题主要是如何结合自定义线程池，所以示例应简单明了。最后，确保代码语法正确，比如正确导入类和处理异常。 总结步骤：创建线程池、使用supplyAsync传入线程池、处理结果、关闭线程池。可能还需要提到allOf等待所有任务完成，如引用[4]中的例子。需要检查代码中的参数是否正确，比如核心线程数和队列容量。</think>### 如何使用`supplyAsync`搭配自定义线程池？ #### 1. **基本实现步骤** - **创建自定义线程池**：通过`ThreadPoolExecutor`或`Executors`工具类定义线程池参数。 - **提交异步任务**：调用`CompletableFuture.supplyAsync()`时显式传入自定义线程池。 - **关闭线程池**：任务执行完成后调用`shutdown()`释放资源[^4][^5]。 #### 2. **完整代码示例** ```java import java.util.concurrent.*; import java.util.function.Supplier; public class SupplyAsyncWithCustomPool { public static void main(String[] args) { // 1. 创建自定义线程池（核心线程数2，最大线程数5，队列容量10） ExecutorService customExecutor = new ThreadPoolExecutor( 2, 5, 60L, TimeUnit.SECONDS, new LinkedBlockingQueue<>(10) ); // 2. 使用自定义线程池提交异步任务 CompletableFuture<String> future = CompletableFuture.supplyAsync( () -> { try { Thread.sleep(1000); // 模拟耗时操作 return "任务完成，线程池: " + Thread.currentThread().getName(); } catch (InterruptedException e) { throw new IllegalStateException(e); } }, customExecutor // 显式传入线程池 ); // 3. 获取结果并关闭线程池 future.thenAccept(result -> { System.out.println(result); // 输出: 任务完成，线程池: pool-1-thread-1 customExecutor.shutdown(); // 关闭线程池 }); } } ``` #### 3. **关键点解析** - **默认线程池问题**：若不传入自定义线程池，`supplyAsync()`会使用`ForkJoinPool.commonPool()`，可能导致资源竞争（如并行流共用同一线程池）[^2][^4]。 - **线程池参数配置**： - **核心线程数**：根据CPU密集型或I/O密集型任务调整。 - **队列容量**：避免任务堆积导致内存溢出。 - **拒绝策略**：可自定义`RejectedExecutionHandler`处理满队列情况。 - **任务依赖处理**：若需多个异步任务协同，可通过`thenApplyAsync()`等方法链式调用，并继续指定同一线程池[^3]。 #### 4. **典型应用场景** - **批量数据处理**：如并行计算集合元素的平方（引用[5]中的示例）。 - **微服务异步调用**：通过线程池隔离不同服务的资源占用。 - **高性能计算**：利用多线程加速数学运算或图像处理。