一，功能背景
1，根据商家门店的历史营收，预测未来的营收
2，预测规则由用户设置，对部分或全部的数据求平均、最小值、中位数、指定不同范围数据的系数加权
3，规则地图由规则格子组成，门店-月份组成规则格子，比如superchong店，1-12月组成12个格子，当门店数量比较多的时候，如300家门店，规则地图会很大，且无分页，数据平铺。
4，规则取数范围较为复杂，可能跨店跨月份，比如superchong1门店-1月的规则，是取superchong1-100店的5-10月数据进行求平均。
二，方案设计
1，表：门店-规则关系表、规则表、门店-月份计算结果表
2，规则地图查询接口，查询门店-规则关系表关联规则表，同时获取历史营收数据，计算预估营收
3，用户点击确认方案，把数据落近门店-月份计算结果表
三，优化
规则地图查询接口
1，并行查询数据库
规则地图关联、历史营收数据一次性获取数据比较大，数据量在3.5k条数据，数据库响应时间约700ms，同步获取时间叠加，选择用completableFuture，注意指定线程池，
在使用之前，用future.get(time)来保证获取到结果，也可以同countdownLatch阻塞。
2，较少字段的查询
历史营收表中有10+个字段，规则地图使用的只有三个：门店-月份-营收值，获取全部字段要700ms，只获取三个字段，大约400ms
3，并行计算预估营收
使用list.parallelstream，每一个格子并行计算，可以使用线程池执行，如completableFuture.supplyAsync()，经测试，线程池领先幅度不超过5%，使用并行流代码更为简介，所以采用了并行流的方式
4，效率测试
80%的场景是100家门店以下，总耗时约查库数据准备80ms+并行计算30ms=110ms
300家门店，总耗时约700ms+2.4s=3.1s，比优化前16s，下降了80%