当数据量较大的时候，都会通过分库分表来拆分，分担读写的压力。分库分表后比较麻烦的就是查询的问题，如果不是直接根据分片键去查询的话，需要对多个表进行查询。
在一些复杂的业务场景下，比如订单搜索，除了订单号，用户，商家 这些常用的搜索条件，可能还有时间，商品等等。
目前常见的做法将数据同步到ES这类搜索框架中进行查询，然后通过搜出来的结果，一般是主键ID, 再去具体的数据表中查询完整的数据，组装返回给调用方。
比如下面这段代码，首先查询出文章信息，然后根据文章中的用户ID去查询用户的昵称。
List<ArticleBO> articleBos = articleDoPage.getRecords().stream().map(r -> { String nickname = userManager.getNickname(r.getUserId()); return articleBoConvert.convertPlus(r, nickname); }).collect(Collectors.toList());如果文章有10条数据，那么就需要调用10次用户服务提供的接口，而且是同步调用操作。
当然我们也可以用并行流来实现并发调用，代码如下：
List<ArticleBO> articleBos = articleDoPage.getRecords().parallelStream().map(r -> { String nickname = userManager.getNickname(r.getUserId()); return articleBoConvert.convertPlus(r, nickname); }).collect(Collectors.toList());并行流的优点很明显，代码不用做特别大的改动。需要注意如果用并行流，最好单独定义一个ForkJoinPool。
除了用并行流，还可以使用批量查询的方式来提高性能，降低RPC的调用次数，代码如下：
List<Long> userIds = articleDoPage.getRecords().stream().map(article -> article.getUserId()).collect(Collectors.toList()); Map<Long, String> nickNameMap = userManager.queryByIds(userIds).stream().collect(Collectors.toMap(UserResponse::getId, UserResponse::getNickname)); List<ArticleBO> articleBos = articleDoPage.getRecords().stream().map(r -> { String nickname = nickNameMap.containsKey(r.getUserId()) ? nickNameMap.get(r.getUserId()) : CommonConstant.DEFAULT_EMPTY_STR; return articleBoConvert.convertPlus(r, nickname); }).collect(Collectors.toList());但批量查询还是同步模式，下面介绍如果使用CompletableFuture来实现异步并发调用，直接用原生的CompletableFuture也可以，但是编排能力没有那么强，这里我们选择一款基于CompletableFuture封装的并行编排框来实现，详细介绍查看我之前的这篇文章：https://mp.weixin.qq.com/s/3EE8ccydK16gC1oY4AWnoA
稍微做了下封装，提供了更方便使用的工具类来实现并发调用多个接口的逻辑。
第一种方式，适用于比如从ES查出了一批ID, 然后根据ID去数据库中或者调用RPC查询真实数据，最后得到一个Map，可以根据Key获取对应的数据。
内部是多线程并发调用，会等到结果全部返回。
public Object aggregationApi() { long s = System.currentTimeMillis(); List<String> ids = new ArrayList<>(); ids.add("1"); ids.add("2"); ids.add("3"); Map<String, UserResponse> callResult = AsyncTemplate.call(ids, id -> { return userService.getUser(id); }, u -> u.getId(), COMMON_POOL); long e = System.currentTimeMillis(); System.out.println("耗时：" + (e-s) + "ms"); return ""; }另一个场景就是API聚合的场景，需要并行调用多个接口，将结果进行组装。
List<AsyncCall> params = new ArrayList<>(); AsyncCall<Integer, Integer> goodsQuery = new AsyncCall("goodsQuery", 1); params.add(goodsQuery); AsyncCall<String, OrderResponse> orderQuery = new AsyncCall("orderQuery", "100"); params.add(orderQuery); UserQuery q = new UserQuery(); q.setAge(18); q.setName("yinjihuan"); AsyncCall<UserQuery, UserResponse> userQuery = new AsyncCall("userQuery", q); params.add(userQuery); AsyncTemplate.call(params, p -> { if (p.getTaskId().equals("goodsQuery")) { AsyncCall<Integer, Integer> query = p; return goodsService.getGoodsName(query.getParam()); } if (p.getTaskId().equals("orderQuery")) { AsyncCall<String, OrderResponse> query = p; return orderService.getOrder(query.getParam()); } if (p.getTaskId().equals("userQuery")) { AsyncCall<UserQuery, UserResponse> query = p; return userService.getUser(query.getParam()); } return null; });AsyncCall中定义参数和响应的类型，响应结果会在执行完后会自动设置到AsyncCall中。在call方法中需要根据taskId去做对应的处理逻辑，不同的taskId调用的接口不一样。
源码参考：https://github.com/yinjihuan/kitty
关于作者：尹吉欢，简单的技术爱好者，《Spring Cloud微服务-全栈技术与案例解析》, 《Spring Cloud微服务 入门 实战与进阶》作者, 公众号猿天地发起人。