最近在弄一个基于 Spring Boot 的大学生就业推荐系统,里面最有意思也最让人头疼的模块,就是那堆异步任务。学生上传简历后要异步解析、异步抽取技能标签,推荐引擎要在一个请求里并行召回多路岗位再打分排序,邮件通知、站内信发送也全是异步。一开始我天真地认为“异步就是另起线程执行,反正主流程不用等”,结果线上被折磨了几次:一次简历批量导入,几百个解析任务同时涌进线程池,队列直接打满;一次推荐算法里某个远程接口卡了 30 秒,整条链路的线程全被占住,新的异步任务集体排队,接口一个接一个超时。后来我才意识到:异步任务如果不管超时,就等于把故障往后面延迟,它不会消失,只是换了个时间点爆发。
这篇文章把我在 Spring Boot 异步任务超时控制这件事上的完整思考、方案选型、代码实现和踩坑记录整理出来。无论你是在做推荐系统、简历解析,还是任何依赖 @Async 和线程池的业务,这套思路应该都能直接用上。
1. 为什么异步任务比同步任务更怕超时
1.1 就业推荐系统里的典型异步场景
我做的大学生就业推荐系统里,异步任务大概分三类。第一类是简历解析,用户上传 PDF 或 Word 简历后,系统要提取姓名、院校、技能标签、项目经历,这类任务耗时差异极大,小简历几百毫秒,带图表的复杂简历可能要十几秒,高峰期一次性录入几百份简历非常常见。第二类是推荐引擎,一个推荐请求要同时查用户画像、岗位库、历史行为、热门岗位缓存,多路召回后还要统一打分排序,单机 QPS 一旦上来,任何一路耗时抖动都会影响整体响应时间。第三类是通知发送,邮件、短信、站内信,这类依赖第三方渠道,网络抖动和渠道限流是常态,慢起来能拖到几十秒。
这些任务的共同点是:都不适合放在 HTTP 请求线程里同步执行。同步执行的结果就是用户请求被无限拉长,数据库连接、Tomcat 线程、前端连接全被一个慢操作占住。异步确实能把主线程释放出来,但很多同学忽略了另一面——异步线程也是资源,而且比 Tomcat 线程更隐蔽。它不会直接导致 HTTP 超时,而是让线程池慢慢堆满,任务排进队列,队列再慢慢堆满,直到内存被撑爆或者新任务全部被拒绝。这就是异步任务必须做超时控制的原因:同步任务超时只会影响一个请求,异步任务超时会毒化整个线程池,进而拖垮所有依赖这个线程池的业务。
1.2 超时控制的方案选型对比:不要一上来就用 CompletableFuture
我在调研阶段列过一张方案对比表,先说结论:超时控制没有银弹,关键是匹配场景。Spring 的 @Async 本身不提供任何超时参数,你只能靠任务执行器(Executor)和调用方包装来限制。最初我想到的是用 Future.get(timeout),它是 JDK 最基础的手段,在拿到 Future 后调用 get(5, TimeUnit.SECONDS),超时就抛 TimeoutException。这种方案适合“批量提交一批任务,统一等结果”的场景,缺点是很难精细化处理单个任务的不同超时。
后来我试了 CompletableFuture.orTimeout(),这是 JDK 9 引入的 API,可以在任务管道上设置超时时间,超时后直接用 TimeoutException 完成那个 Future,配合 exceptionally 做降级非常顺手。但它同样有个隐藏问题:orTimeout 只是“让 Future 提前完成”,底层任务线程如果卡在阻塞 IO 上,并不会被真正打断。也就是说,这个线程依然被占用,只是你已经不关心它的结果而已。
再后来我看了线程池的拒绝策略。CallerRunsPolicy 能在线程池满的时候让调用线程自己执行任务,相当于“用调用方的 CPU 换任务的可靠执行”,但设置不当会产生完全相反的效果——调用线程一旦开始执行异步任务,原本该快速返回的请求就变慢了。最后我的选择是组合拳:资源维度用自定义 ThreadPoolTaskExecutor 控制线程数和队列长度,任务维度用 invokeAll(timeout) 做批量整体超时,用 CompletableFuture.orTimeout() 做多路并行单路超时。不同场景用不同方案,不要试图用一个工具解决所有问题。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 先把线程池管好:超时控制的前提
2.1 不要用默认的 SimpleAsyncTaskExecutor
很多人用了 @Async 之后发现系统响应确实快了,但线程数疯狂飙升,查了一下原来是 Spring Boot 默认注册的 SimpleAsyncTaskExecutor 在起作用。这个执行器的行为是“每次提交任务都 new 一个线程”,执行完就丢,既不复用,也不限制并发数。它只适合本地快速验证,放到生产环境就是资源黑洞。我亲眼见过一个用了默认执行器的服务,异步任务并发量稍大一点,操作系统线程数直接破千,CPU 全耗在线程切换上。
所以在项目里第一件事就是自定义一个 ThreadPoolTaskExecutor,再注入到 Spring 容器里。下面这段配置是我在就业推荐系统里的基础版本,后续又根据场景做了拆分。
java复制@Bean("jobTaskExecutor")
public ThreadPoolTaskExecutor jobTaskExecutor() {
ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
// 核心线程数:推荐和简历解析混合场景,建议保守一点
executor.setCorePoolSize(8);
executor.setMaxPoolSize(16);
executor.setQueueCapacity(200);
executor.setThreadNamePrefix("async-job-");
executor.setKeepAliveSeconds(60);
executor.setWaitForTasksToCompleteOnShutdown(true);
executor.setAwaitTerminationSeconds(30);
executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
executor.
