当前位置:首页 > 文章列表 > 文章 > java教程 > CompletableFuture.allOf使用全解析

CompletableFuture.allOf使用全解析

2025-11-04 13:41:24 0浏览 收藏

今日不肯埋头,明日何以抬头!每日一句努力自己的话哈哈~哈喽,今天我将给大家带来一篇《Java中CompletableFuture.allOf用法详解》,主要内容是讲解等等,感兴趣的朋友可以收藏或者有更好的建议在评论提出,我都会认真看的!大家一起进步,一起学习!

CompletableFuture.allOf用于并行执行多个异步任务并等待全部完成,返回CompletableFuture表示完成状态,不包含结果,需单独获取各任务结果,适用于批量调用接口等场景。

在Java中如何使用CompletableFuture.allOf组合任务

在Java中,当你需要并行执行多个异步任务,并等待它们全部完成时,可以使用 CompletableFuture.allOf。它接收多个 CompletableFuture 实例,返回一个新的 CompletableFuture,该实例会在所有传入的任务都完成后才完成。

基本用法

CompletableFuture.allOf 接收可变数量的 CompletableFuture 参数,返回一个 CompletableFuture。这个返回的 future 只表示“全部完成”,不包含组合结果。

示例代码:

import java.util.concurrent.CompletableFuture;

public class AllOfExample {
    public static void main(String[] args) {
        // 创建三个异步任务
        CompletableFuture task1 = CompletableFuture.runAsync(() -> {
            System.out.println("任务1开始");
            sleep(1000);
            System.out.println("任务1完成");
        });

        CompletableFuture task2 = CompletableFuture.runAsync(() -> {
            System.out.println("任务2开始");
            sleep(2000);
            System.out.println("任务2完成");
        });

        CompletableFuture task3 = CompletableFuture.runAsync(() -> {
            System.out.println("任务3开始");
            sleep(1500);
            System.out.println("任务3完成");
        });

        // 使用 allOf 等待所有任务完成
        CompletableFuture allDone = CompletableFuture.allOf(task1, task2, task3);

        // 在所有任务完成后执行操作
        allDone.thenRun(() -> {
            System.out.println("所有任务已完成!");
        });

        // 主线程等待足够时间,让异步任务完成
        sleep(3000);
    }

    private static void sleep(long millis) {
        try {
            Thread.sleep(millis);
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
        }
    }
}

处理有返回值的任务

如果任务是 supplyAsync 类型(有返回值),allOf 依然适用,但你需要手动获取每个 future 的结果。

示例:获取多个任务的结果

CompletableFuture future1 = CompletableFuture.supplyAsync(() -> "结果1");
CompletableFuture future2 = CompletableFuture.supplyAsync(() -> 100);
CompletableFuture future3 = CompletableFuture.supplyAsync(() -> 3.14);

CompletableFuture allDone = CompletableFuture.allOf(future1, future2, future3);

// 获取结果(注意:get() 是阻塞的)
allDone.thenRun(() -> {
    try {
        String r1 = future1.get(); // 得到 "结果1"
        Integer r2 = future2.get(); // 得到 100
        Double r3 = future3.get(); // 得到 3.14
        System.out.println("汇总结果: " + r1 + ", " + r2 + ", " + r3);
    } catch (Exception e) {
        e.printStackTrace();
    }
});

注意事项

使用 allOf 时需要注意以下几点:

  • allOf 返回的 future 不携带结果,只是通知“全部完成”
  • 如果其中一个任务失败,allOf 返回的 future 也会失败
  • 调用 get() 获取结果时会阻塞,建议使用 thenApply、thenAccept 等非阻塞方式处理结果
  • 任务是并行执行的,依赖于使用的 Executor(默认 ForkJoinPool)

基本上就这些。CompletableFuture.allOf 是并行协调多个异步任务的简洁方式,特别适合“等待所有请求结束”的场景,比如批量调用外部接口、预加载资源等。只要记得结果需要单独获取就行。

本篇关于《CompletableFuture.allOf使用全解析》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

PHP文件备份压缩教程详解PHP文件备份压缩教程详解
上一篇
PHP文件备份压缩教程详解
菜鸟生鲜损坏如何处理?破损寄件教程
下一篇
菜鸟生鲜损坏如何处理?破损寄件教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    376次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    448次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    457次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    400次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    227次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码