面试题：Java CompletableFuture runAsync异常处理及优化

异常捕获与处理

使用whenComplete方法：

CompletableFuture.runAsync(() -> {
    // 模拟抛出异常
    throw new RuntimeException("任务执行出错");
}).whenComplete((v, ex) -> {
    if (ex != null) {
        System.err.println("捕获到异常: " + ex.getMessage());
    }
});

使用exceptionally方法：

CompletableFuture.runAsync(() -> {
    // 模拟抛出异常
    throw new RuntimeException("任务执行出错");
}).exceptionally(ex -> {
    System.err.println("捕获到异常: " + ex.getMessage());
    return null;
});

使用handle方法：

CompletableFuture.runAsync(() -> {
    // 模拟抛出异常
    throw new RuntimeException("任务执行出错");
}).handle((v, ex) -> {
    if (ex != null) {
        System.err.println("捕获到异常: " + ex.getMessage());
    }
    return null;
});

高并发场景下的优化策略

线程池优化：
- 自定义线程池：在实际项目中，避免使用默认的ForkJoinPool.commonPool()，因为它是所有CompletableFuture共享的，可能会导致线程竞争。例如，在一个电商系统中，商品库存更新、订单处理等异步任务并发量高，可自定义线程池。

ExecutorService executor = Executors.newFixedThreadPool(10);
CompletableFuture.runAsync(() -> {
    // 异步任务逻辑
}, executor);

- **合理配置线程池参数**：根据任务类型（CPU密集型、I/O密集型）和系统资源（CPU核心数、内存等）来调整线程池大小。对于I/O密集型任务，如网络请求获取商品详情，可适当增大线程池大小，因为线程在等待I/O时CPU空闲，能利用更多线程处理其他任务。

2. 减少任务粒度：将大的异步任务拆分成多个小任务并行执行。比如在数据分析项目中，对大量数据进行清洗和统计，可按数据块划分任务并行处理，每个小任务使用CompletableFuture.runAsync执行，最后合并结果。这样能充分利用多核CPU资源，提高整体性能。 3. 结果缓存：如果异步任务的结果是重复使用的，可使用缓存。例如，在一个内容管理系统中，获取文章分类信息的异步任务，可将结果缓存起来，下次请求时直接从缓存获取，减少重复计算和异步执行开销。可以使用Guava Cache或Caffeine等缓存框架。 4. 异常处理优化：在高并发场景下，异常处理开销较大。对于可能频繁出现且不影响核心业务的异常，可进行适当忽略或简单记录。例如在一个高并发的日志收集系统中，偶尔的网络波动导致日志发送失败，可简单记录重试次数，达到一定次数后放弃，避免过多的异常处理开销影响整体性能。

星途面试题库

面试题：Java CompletableFuture runAsync异常处理及优化

知识考点

面试题答案

异常捕获与处理

高并发场景下的优化策略