1. 为什么需要异步RFC并行处理在SAP系统中处理海量数据时很多开发者都遇到过这样的困境明明已经优化了SQL查询、建立了合适的索引甚至调整了内存参数但程序运行时间依然长达数小时。我曾经负责过一个财务月结报表项目最初串行处理80万条数据需要6小时业务部门每天凌晨都要等待结果。传统优化手段之所以会达到瓶颈是因为它们都在单线程执行模型下工作。就像只有一个收银台的超市无论怎么优化扫码速度顾客排队时间也不会缩短。而异步RFCaRFC相当于同时开放多个收银台通过并行处理真正突破性能天花板。实测表明在以下三类场景使用aRFC效果最显著大数据量报表生成如百万级销售数据分析多系统接口调用需要同时调用多个外部系统的场景复杂计算任务如物料需求计划中的批量运算2. 异步RFC核心技术原理2.1 任务分发机制aRFC的核心在于STARTING NEW TASK语法。当执行这段代码时CALL FUNCTION Z_CALCULATE_TAX STARTING NEW TASK TAX01 DESTINATION IN GROUP PARALLEL_GENERATORS PERFORMING callback ON END OF TASK EXPORTING iv_amount 1000.系统会在后台创建一个新的dialog进程这个进程会从指定的服务器组(PARALLEL_GENERATORS)获取空闲工作进程独立执行函数模块通过回调函数(callback)返回结果2.2 服务器组选择技巧通过事务码RZ12可以看到系统所有服务器组。根据我的经验parallel_generators是最佳选择如果存在次选名称包含PARALLEL的组生产环境建议创建专用服务器组关键检查点DATA(lv_group) parallel_generators. SELECT SINGLE classname FROM rzllitab INTO DATA(lv_valid) WHERE classname lv_group. IF sy-subrc 0. 备用方案自动选择第一个可用组 SELECT SINGLE classname FROM rzllitab INTO lv_group WHERE grouptype S. S表示服务器组 ENDIF.3. 实战构建并行处理框架3.1 线程管理类设计我推荐封装一个线程管理器这是我在多个项目中验证过的稳定方案CLASS zcl_parallel_controller DEFINITION. PUBLIC SECTION. METHODS: constructor IMPORTING iv_threads TYPE i, get_next_task RETURNING VALUE(rv_task) TYPE string, release_task IMPORTING iv_task TYPE string, wait_all_complete. PRIVATE SECTION. DATA: mt_tasks TYPE TABLE OF string, mv_max_threads TYPE i, mv_used_threads TYPE i. ENDCLASS. METHOD get_next_task. WAIT UNTIL mv_used_threads mv_max_threads. rv_task |TASK_{ sy-timlo }|. ADD 1 TO mv_used_threads. ENDMETHOD. METHOD release_task. DELETE TABLE mt_tasks WITH TABLE KEY table_line iv_task. SUBTRACT 1 FROM mv_used_threads. ENDMETHOD.3.2 完整处理流程初始化阶段DATA(lo_controller) NEW zcl_parallel_controller( iv_threads 20 ).任务分发LOOP AT lt_big_data ASSIGNING FIELD-SYMBOL(ls_data). DATA(lv_task) lo_controller-get_next_task( ). CALL FUNCTION Z_PROCESS_DATA STARTING NEW TASK lv_task PERFORMING callback ON END OF TASK EXPORTING is_input ls_data. ENDLOOP.结果收集FORM callback USING p_task. RECEIVE RESULTS FROM FUNCTION Z_PROCESS_DATA IMPORTING es_output ls_result. lo_controller-release_task( p_task ). APPEND ls_result TO lt_results. ENDFORM.4. 性能优化关键参数通过SM50监控发现这些参数直接影响并行效率参数名建议值监控方式rdisp/wp_no_dia30-50%SM51 → 实例参数rdisp/max_wprun_time300RZ11rdisp/btctime60后台作业参数实际测试数据对比数据量串行处理并行(10线程)提升幅度10万58分钟7分钟88%50万4.8小时31分钟89%5. 常见问题解决方案5.1 资源不足错误当遇到RESOURCE_FAILURE时我的处理策略是动态减少线程数指数退避重试METHOD handle_error. IF mv_max_threads 1. mv_max_threads mv_max_threads / 2. WAIT UP TO 2 SECONDS. ENDIF. ENDMETHOD.5.2 结果顺序错乱并行处理天然是无序的如果需要保持原顺序TYPES: BEGIN OF ty_result, seqno TYPE i, data TYPE string, END OF ty_result. 在回调中记录原始序号 FORM callback USING p_task. RECEIVE RESULTS FROM FUNCTION Z_PROCESS_DATA IMPORTING ev_seqno lv_seqno ev_data lv_data. INSERT VALUE #( seqno lv_seqno data lv_data ) INTO TABLE lt_results. ENDFORM. 最后排序输出 SORT lt_results BY seqno.6. 高级应用场景6.1 跨系统并行结合RFC目标配置可以实现跨服务器并行CALL FUNCTION Z_REMOTE_QUERY STARTING NEW TASK CROSS_SYS DESTINATION TARGET_SYS PERFORMING callback ON END OF TASK.6.2 与后台作业结合对于超长耗时任务可以组合使用CALL FUNCTION JOB_OPEN EXPORTING jobname PARALLEL_BATCH. LOOP AT lt_tasks ASSIGNING FIELD-SYMBOL(ls_task). CALL FUNCTION Z_SUBMIT_SUBTASK IN BACKGROUND TASK AS SEPARATE UNIT EXPORTING iv_data ls_task-data. ENDLOOP. CALL FUNCTION JOB_CLOSE.在最近的一个物料主数据迁移项目中通过这种方案将处理时间从18小时压缩到2小时。关键是要做好错误日志收集我通常会建立一个日志表存储每个子任务的执行状态便于后续排查。
