FutureTask本身不推导树形结构层级，仅异步执行封装的遍历与更新逻辑：加载子树、构内存树、BFS/DFS计算depth/level、批量持久化。
在文件目录树的持久化层点击保存时，FutureTask 并不直接参与树形结构的深度与层级推导——它只是一个用于异步执行和结果获取的并发工具，本身不具备解析树结构或计算层级的能力。真正起作用的是你封装在 FutureTask 中的逻辑：即对目录树节点进行遍历、分析并更新深度/层级字段的业务代码。
为什么用 FutureTask？
在保存操作中引入 FutureTask，通常是为了：
- 避免阻塞主线程（如 Web 请求线程或 UI 线程），提升响应性
- 将耗时的树遍历、层级重算、数据库批量更新等操作异步化
- 统一管理异步任务的生命周期（取消、超时、结果获取）
如何设计推导逻辑（核心步骤）
你需要在 Callable 实现中完成树形结构的层级推导。假设节点实体为 DirNode，含 id、parentId、depth、level（或 path）等字段：
- 加载全量待保存子树：根据根节点 ID 查询所有后代节点（可借助闭包表、路径字段或递归 CTE，避免 N+1）
-
构建成内存树结构：用
Map<Long, DirNode>存储，并建立父子引用关系（或仅靠 parentId 关系做拓扑排序） -
自顶向下 BFS 或 DFS 计算 depth/level：
- 根节点
depth = 0或1（按需定义） - 子节点
depth = parent.depth + 1 - 可同时生成规范路径（如
/1/5/23）用于排序或查询优化
- 根节点
-
批量更新数据库：使用
JdbcTemplate.batchUpdate或 MyBatis<foreach>批量设置depth和level
FutureTask 的典型用法示例
以下为轻量级示意（省略异常处理与事务）：
Callable<Integer> computeAndPersist = () -> {
List<DirNode> allNodes = dirNodeMapper.selectDescendants(rootId);
Map<Long, DirNode> nodeMap = allNodes.stream()
.collect(Collectors.toMap(DirNode::getId, Function.identity()));
Queue<DirNode> queue = new LinkedList<>();
DirNode root = nodeMap.get(rootId);
root.setDepth(0); // 或 1
queue.offer(root);
while (!queue.isEmpty()) {
DirNode parent = queue.poll();
for (DirNode child : allNodes) {
if (Objects.equals(child.getParentId(), parent.getId())) {
child.setDepth(parent.getDepth() + 1);
queue.offer(child);
}
}
}
dirNodeMapper.batchUpdateDepthAndLevel(allNodes);
return allNodes.size();
};
FutureTask<Integer> task = new FutureTask<>(computeAndPersist);
executor.submit(task); // 提交到线程池
// …… 可在需要时 task.get() 获取结果或判断是否完成
注意事项与替代建议
实际落地中需注意：
-
事务边界：异步任务无法自动继承调用方事务，
batchUpdate应在独立事务中执行（如@Transactional(propagation = REQUIRES_NEW)） - 数据一致性：若保存前有并发修改，应加锁（如 select for update）或采用乐观锁（version 字段）
-
更优替代方案：对高频读写场景，可考虑：
- 使用闭包表（Closure Table）预存所有祖先-后代关系，免去运行时遍历
- 用 Materialized Path（如
path = "/1/5/23"）直接通过字符串分割计算深度 - 数据库端用递归 CTE（PostgreSQL/Oracle/SQL Server）一次性计算并更新
