核心是用recursivetask按维度树结构切分任务并归并：dimaggtask以currentdims和pendingdims递归分叉，叶节点执行查询，归并时按维度深度上卷聚合，同时设阈值控并发。
在自定义报表组件中，用 RecursiveTask 实现动态多维度汇总数据的并行提取与归并，核心在于将“维度组合空间”合理切分为可独立计算的子任务，并确保归并逻辑能正确合并不同维度层级的结果。这不是简单套用 ForkJoin 框架，而是要结合维度树结构、分片策略和聚合语义来设计任务拆分与结果融合机制。
明确维度组合的递归结构
动态多维汇总的本质是处理维度笛卡尔积（如 [地区, 产品线, 时间周期] 的所有合法组合）。若直接枚举全部组合再并行查询，容易内存溢出或数据库压力过大。应建模为维度树：
- 根节点代表“全量无过滤”
- 每个非叶节点按某一维度值分叉（如“地区=华东”、“地区=华北”）
- 叶节点对应一个具体维度元组，触发实际数据提取（如 SQL 查询或 API 调用）
这样，RecursiveTask 的 fork 点就自然落在维度分支处，而非原始数据行上。
设计可拆分的 RecursiveTask 子类
定义一个继承 RecursiveTask<map>, AggValue>></map> 的任务类（DimAggTask），关键字段包括：
- currentDims：当前已固定维度值列表（如 ["华东", "笔记本"]）
- pendingDims：待展开的维度名列表（如 ["时间周期", "客户等级"]）
- filterContext：当前路径对应的过滤条件（用于生成 SQL WHERE 或 API 参数）
当 pendingDims 非空，取第一个维度，获取其所有有效取值（如时间周期=["2024Q1", "2024Q2"]），为每个值创建新子任务并 fork；为空时，执行真实聚合查询，返回 Map<list>, AggValue></list>（键为完整维度元组，值为该组合的 sum/count 等）。
归并逻辑必须支持维度层级聚合
子任务返回的是“叶子层”明细汇总（如按 [地区, 产品, 季度] 计算的销售额），但报表常需上卷（roll-up），例如只看“地区+产品”合计，或仅“地区”总计。因此 compute() 中的 join() 后归并不只是 Map 合并，而要：
- 识别当前任务所处的维度深度（由
currentDims.size()决定） - 对每个子任务结果，按目标上卷粒度（如只保留前 N 个维度）做 group-by + 聚合（sum/avg/max）
- 将多个子结果按相同上卷键合并，避免重复累加
例如：两个子任务分别返回 {["华东","笔记本","2024Q1"]:100, ["华东","笔记本","2024Q2"]:120} 和 {["华东","手机","2024Q1"]:80, ["华东","手机","2024Q2"]:90}，归并为上卷到 [地区, 产品] 层时，应得 {["华东","笔记本"]:220, ["华东","手机"]:170}。
控制并发与资源边界
避免过度分叉导致线程饥饿或连接池耗尽：
- 设置最小分片阈值：当
pendingDims剩余维度数 ≤ 1 且该维度取值数 - 数据库查询类子任务，应在子任务内复用连接或走连接池，禁止每个子任务新建连接
- 对外部 API 调用，添加限流装饰（如 Semaphore）防止 QPS 超限
- 重写
getSurrogateKey()或使用ForkJoinPool.ManagedBlocker包装阻塞操作，避免工作线程被卡死
最终，报表组件调用方只需传入维度配置列表和聚合指标，整个并行提取-上卷归并过程对上层透明，输出即为按需粒度组织的汇总 Map。
