业务场景：
       批量消费Kafka数据，一个批次针对同一条数据做新增和修改操作，当前一条数据还未更新完成，后一条数据也同步修改，数据就存在异常；

单机模式：
       （一）、直接拼接唯一的条件作为字符串，判断两条数据是一条数据的条件，把它放入常量池（intern方法），之后对常量池字符串加锁，保证同一条数据只会一个一个修改；

单机/集群模式
       （一）、使用Redis中间件加锁，同一条数据先阻塞，但这种方式的Redis锁也需要加在判断两条数据属于同一条数据的查询条件上；

       （二）、发送消息到同一个topic，使用线程池数组队列阻塞同一条修改的数据

/*** 新增Lindorm阻塞任务线程池** @return*/@Beanpublic ExecutorService[] lindormExecutorService() {Logger logger = LoggerFactory.getLogger(GpsServiceApiController.class);ExecutorService[] executorServices = new ExecutorService[8];for (int i = 0; i < 8; i++) {executorServices[i] = createExecutorService(logger, 1, 10, i, "deleteLindorm");}return executorServices;}private ExecutorService createExecutorService(Logger logger, int threadMaxPoolSize, int threadQueueCapacitySize, int i, String name) {return new ThreadPoolExecutor(threadMaxPoolSize, threadMaxPoolSize,0L, TimeUnit.MILLISECONDS,//如果使用优先级队列（PriorityBlockingQueue），需要实现Compare比较方法new LinkedBlockingQueue<>(threadQueueCapacitySize),new ThreadFactoryBuilder().setNameFormat("pool-" + i + "-" + name + "-thread-%d").build(),(r, executor) -> {try {long startTime = System.currentTimeMillis();executor.getQueue().put(r);logger.info("too many task to handle,blocking the task {} ms", System.currentTimeMillis() - startTime);} catch (InterruptedException e) {e.printStackTrace();}});}

lindormExecutorService[Hashing.consistentHash(查询条件字符串.hashCode(), lindormExecutorService.length)].execute(() -> {try {} catch (Exception e) {log.warn("xxxxx：{}", param, e);}});

这样也能保证同一条数据被阻塞；