1. 响应式编程
1.1. 使用基于事件的范式处理异步数据流
1.2. 和异步编程提供了相同的性能优势
1.3. 能够扩展程序（特别是扩展I/O）以处理很多连接和数据源
2. 非阻塞I/O
2.1. 有效扩展服务器的基础
2.2. 允许服务器用相对较少的线程处理相对较多的连接
2.2.1. 传统的服务器利用这一点来处理基本的客户端连接
2.2.2. 新的服务器可以将非阻塞特性扩展到其他应用程序
3. 优化服务器线程池
3.1. 选择器线程
- 3.1.1. 在I/O可用时通知系统调用的线程
3.2. 选择器通知有客户端I/O待处理之后，另一个包含工作线程的线程池会处理实际的请求和响应
3.3. 要足够多的工作线程来处理服务器所能处理的并发请求数（而非并发连接数）
3.4. 像所有受限于CPU的情况一样，线程的数量没有必要比运行服务器的机器或容器的虚拟CPU数量多，因为永远没有办法运行那么多的线程
3.5. 将长请求推迟到另一个线程池中，这为主线程池提供了更强大的请求处理能力
3.6. 异步REST服务器
-
3.6.1. 使用异步响应有3个原因
3.6.1.1. 为了在业务逻辑中引入更多的并行性
3.6.1.2. 为了限制活跃线程的数量
3.6.1.3. 为了适当地对服务器限流
3.6.2. 添加了@Suspended注解的AsyncResponse正在等待逻辑完成，一旦完成，它就会继续将响应发回给用户
3.6.3. 在排队等待响应之前，看看异步线程池的状态，如果系统太忙，就拒绝请求
-
3.6.4. 如果线程数量等于池大小，响应会被立即取消
- 3.6.4.1. 调用者会立即收到错误提示“HTTP 503服务不可用”，表示此时不能处理该请求
-
3.6.5. 立即返回该错误能减少过载服务器的负载，这最终会使整体性能大幅提高
- 3.6.5.1. 这是REST处理过载服务器的首选方式
4. 异步出站调用
4.1. HTTP客户端
4.1.1. 处理发向服务器的HTTP请求类
4.1.2. 可以通过在多个线程之间分配工作来提高性能，从而增加并发量
-
4.1.3. java.net.HttpURLConnection类
- 4.1.3.1. Java 8
-
4.1.4. java.net.HttpsURLConnection
- 4.1.4.1. Java 8
-
4.1.5. java.net.http. HttpClient类
4.1.5.1. 也处理HTTPS
4.1.5.2. Java 11
-
4.1.6. org.apache.http.client.HttpClient
- 4.1.6.1. Apache软件基金会
-
4.1.7. org.asynchttpclient.AsyncHttpClient
- 4.1.7.1. Netty项目
-
4.1.8. org.eclipse.jetty.client.HttpClient
- 4.1.8.1. Eclipse基金
4.2. JAX-RS
4.2.1. JAX-RS连接器提供了一个Client对象用于REST调用
4.2.2. HTTP客户端可以正确地池化连接并使用keepalive来保持连接开放
4.3. -Dhttp.maxConnections=N
4.3.1. 改变池的大小
4.3.2. 默认值是5
4.3.3. 适用于HTTPS连接
4.3.4. 不能起到限流的作用
4.4. HttpClient类
4.4.1. JDK 11
4.4.2. 默认的池大小是无限制的
-
4.4.3. -Djdk.httpclient.connectionPoolSize=N
4.4.3.1. 不能起到限流的作用
4.4.3.2. 请求的连接超过了配置的数量，它们会在需要的时候被创建，在完成任务后被销毁
4.5. 与使用传统I/O构建的客户端相比，使用NIO构建的异步HTTP客户端需要的线程更少
4.6. 但REST服务器仍然需要相当多的线程来处理异步请求
5. 异步数据库调用
5.1. 使用最广泛的是Spring项目的Spring Data R2DBC
- 5.1.1. 对于关系数据库的非阻塞访问来说，这是最好的选择
5.2. 针对响应式NoSQL数据库的Spring项目可以用于真正的异步访问
6. 格式
6.1. Apache Avro
6.2. Google的Protocol Buffers
6.3. XML
6.4. JSON
7. JSON处理
7.1. 解码（unmarshaling）
- 7.1.1. 输出的是一个Java对象
7.2. 解析（parsing）
- 7.2.1. 数据在读取时被处理，这个过程就叫作解析
7.3. 给定一系列JSON字符串，程序必须将这些字符串转换为适合Java处理的数据
7.4. 编码（marshaling）
- 7.4.1. 从其他数据生成JSON字符串的过程
7.5. 通用技术
-
7.5.1. 拉解析器（pull parser）
- 7.5.1.1. 输入的数据与解析器相关联，程序从解析器请求（或拉取）一系列标记（token）
-
7.5.2. 文档模型（document model）
- 7.5.2.1. 输入的数据被转换为一个文档风格的对象，应用程序可以在寻找数据片段时遍历这个对象
-
7.5.3. 对象表示（object representation）
7.5.3.1. 通过使用一组反映数据结构的预定义类，将输入的数据转换成一个或多个Java对象
7.5.3.2. POJO（plain old Java object）
7.6. JSON数据表示形式
-
7.6.1. 简单JSON对象
7.6.1.1. 通用接口进行操作，如JsonObject和JsonArray
7.6.1.2. 不需要具体表示数据的类
7.6.1.3. 生成简单JSON对象比生成自定义Java类要快得多
-
7.6.2. JSON对象表示形式
7.6.2.1. 从编程的角度来看，这些Java类更容易使用
7.6.2.2. 使用可以产生POJO的JSON-B（JSON Binding），将JSON数据绑定到一个完整的Java类
7.7. Jackson
- 7.7.1. Jackson解析器通常是最快的解析器，应该优先选择它，而不是选择默认的实现
7.8. 所有的JSON解析器都是拉解析器
7.8.1. 从流中按需检索数据
7.8.2. 实际的解析器不能被重复使用，它们也不是线程安全的。因此，解析器通常是按需创建的
7.9. 处理JSON有两种方式：创建POJO对象和直接解析
7.9.1. 直接解析提供了过滤的能力和通用的性能提升机会
7.9.2. 当对象很大时，创建JSON对象往往会导致GC问题
