面试题：Java CompletableFuture在高并发场景下异常处理的优化策略

减少异常处理对系统性能影响的策略

集中处理异常：在CompletableFuture链的末端统一处理异常，而不是在每个步骤中都处理。这样可以减少频繁的异常处理逻辑开销。例如：

CompletableFuture.supplyAsync(() -> {
    // 可能抛出异常的业务逻辑
    if (Math.random() > 0.5) {
        throw new RuntimeException("模拟异常");
    }
    return "正常结果";
})
.thenApply(result -> {
    // 正常处理逻辑
    return result.toUpperCase();
})
.exceptionally(ex -> {
    // 统一处理异常
    System.err.println("捕获到异常: " + ex.getMessage());
    return "默认结果";
});

使用非阻塞方式处理异常：避免在异常处理逻辑中执行阻塞操作，如I/O读写等。可以将异常信息放入队列，由专门的异步线程处理。例如，使用java.util.concurrent.BlockingQueue：

BlockingQueue<String> exceptionQueue = new LinkedBlockingQueue<>();
CompletableFuture.supplyAsync(() -> {
    if (Math.random() > 0.5) {
        throw new RuntimeException("模拟异常");
    }
    return "正常结果";
})
.exceptionally(ex -> {
    exceptionQueue.add("捕获到异常: " + ex.getMessage());
    return "默认结果";
});
// 专门的线程处理队列中的异常信息
new Thread(() -> {
    while (true) {
        try {
            String exceptionInfo = exceptionQueue.take();
            // 处理异常信息，如记录日志等
            System.err.println(exceptionInfo);
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
            break;
        }
    }
}).start();

高效记录和分析大量异常信息的策略

日志分级：根据异常的严重程度进行分级，如ERROR、WARN等。在生产环境中，可以只记录ERROR级别的异常，减少日志量。例如在log4j中配置：

<root level="error">
    <appender-ref ref="STDOUT"/>
</root>

使用分布式日志系统：如ELK（Elasticsearch + Logstash + Kibana）。将不同节点产生的异常日志收集到Elasticsearch中，通过Logstash进行数据清洗和格式化，最后在Kibana上进行可视化分析。可以方便地根据时间、异常类型等条件进行查询和统计。

避免因异常导致资源泄露的策略

使用try - finally或try - with - resources：在CompletableFuture的业务逻辑中，如果涉及到资源（如文件句柄、数据库连接等），要确保在异常发生时正确关闭资源。例如：

CompletableFuture.supplyAsync(() -> {
    try (FileInputStream fis = new FileInputStream("test.txt")) {
        // 读取文件的业务逻辑
        return fis.read();
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
});

资源池管理：对于数据库连接等资源，使用资源池（如HikariCP）。资源池可以自动管理资源的创建、分配和回收，在异常情况下能更好地保证资源不被泄露。例如在Spring Boot项目中配置HikariCP：

spring:
  datasource:
    driver-class-name: com.mysql.cj.jdbc.Driver
    url: jdbc:mysql://localhost:3306/test
    username: root
    password: root
    hikari:
      maximum-pool-size: 10

应用场景

电商秒杀系统：在高并发的秒杀场景中，使用CompletableFuture处理商品库存扣减、订单生成等异步任务。通过集中处理异常，可以避免在每个任务步骤中频繁处理异常带来的性能损耗。例如，在订单生成失败（如库存不足等原因）时，统一在exceptionally中记录异常信息并返回友好的提示给用户。同时，使用日志分级和分布式日志系统，只记录严重的异常（如数据库连接异常），并通过ELK进行分析，快速定位问题。对于数据库连接资源，使用HikariCP资源池管理，避免因异常导致连接泄露。
视频转码服务：在处理大量视频转码任务时，CompletableFuture可以异步处理每个视频的转码流程。如果在转码过程中出现异常（如文件损坏、格式不支持等），采用非阻塞方式处理异常，将异常信息放入队列，由专门线程处理，避免影响其他转码任务。通过高效记录和分析异常信息，可以了解常见的转码失败原因，优化转码流程。同时，对于转码过程中使用的临时文件等资源，通过try - with - resources确保在异常时正确清理，防止资源泄露。

星途面试题库

面试题：Java CompletableFuture在高并发场景下异常处理的优化策略

知识考点

面试题答案

减少异常处理对系统性能影响的策略

高效记录和分析大量异常信息的策略

避免因异常导致资源泄露的策略

应用场景