【面试实战】# 并发编程之线程池配置实战

1.先了解线程池的几个参数含义

corePoolSize (核心线程池大小):

• 作用: 指定了线程池维护的核心线程数量，即使这些线程处于空闲状态，它们也不会被回收。
• 用途: 核心线程用于处理长期的任务，保持最低的线程数量，以减少线程的创建和销毁的开销。

maximumPoolSize (最大线程池大小):

• 作用: 指定了线程池中允许的最大线程数。超过这个数量的线程将不会被创建。
• 用途: 限制了线程池的大小，以防止资源耗尽。

keepAliveTime (线程空闲时间):

• 作用: 当线程数超过 corePoolSize 时，多余的线程在空闲时间超过指定时间后将会被终止和回收。
• 用途: 用于回收不再需要的线程，降低资源消耗。只对超过 corePoolSize 的线程起作用。

unit (时间单位):

• 作用: 与 keepAliveTime 一起使用，指定线程空闲时间的时间单位（如秒、毫秒）。
• 用途: 定义 keepAliveTime 的时间单位。

workQueue (任务队列):

• 作用: 用于保存等待执行的任务的队列。

• 用途

  : 管理任务的排队和处理方式，不同的队列类型可以影响线程池的行为。

  • 常见的队列类型有：
    • SynchronousQueue: 不存储任务，任务直接交给线程执行。如果没有空闲线程，则创建新线程。
    • LinkedBlockingQueue: 无界队列，可以存储任意多的任务。只有在任务队列为空时，才会创建新线程。
    • ArrayBlockingQueue: 有界队列，存储固定数量的任务，当队列满时，任务将被拒绝。

threadFactory (线程工厂):

• 作用: 用于创建线程的工厂，可以定制线程的创建，比如设置线程名、优先级等。
• 用途: 统一管理线程的创建细节，有助于调试和监控。

handler (饱和策略/拒绝策略):

• 作用: 当任务无法提交给线程池（例如线程池已满且任务队列已满）时，如何处理新任务。

• 用途

  : 定义任务无法被执行时的处理方式。

  • 常见策略有：
    • AbortPolicy: 抛出 RejectedExecutionException 异常。
    • CallerRunsPolicy: 由调用者线程执行该任务。
    • DiscardPolicy: 丢弃新提交的任务。
    • DiscardOldestPolicy: 丢弃队列中最旧的任务。

2.调整线程池配置应对高并发（常规操作）

为了应对高并发的需求，可以考虑以下调整：

1. 增大 corePoolSize 和 maximumPoolSize:
   • 增加核心线程和最大线程数可以提高线程池的并发处理能力，减少任务的等待时间。
2. 调整 keepAliveTime 和 unit:
   • 减少 keepAliveTime 可以更快地回收闲置线程，释放资源。相反，增加 keepAliveTime 适用于任务间隔较长的场景，以避免频繁创建和销毁线程。
3. 选择合适的 workQueue:
   • 使用 SynchronousQueue 可以在任务很多但线程数不足时迅速增加线程数。
   • 使用 LinkedBlockingQueue 可以应对任务队列过长的问题，但可能导致线程数不会增加到最大。
   • 使用 ArrayBlockingQueue 适合在任务数有限的场景，防止资源耗尽。
4. 合理配置 handler:
   • 根据系统需求选择适合的拒绝策略。比如，在希望任务尽量被处理时使用 CallerRunsPolicy，在任务不能丢失时选择 AbortPolicy。
5. 优化 threadFactory:
   • 使用自定义的线程工厂设置线程名、优先级、守护线程等，提高线程管理的清晰度和系统稳定性。
6. 监控和调整:
   • 定期监控线程池的性能指标，如任务队列长度、线程使用率等，并根据实际情况动态调整参数配置。

// 创建线程池
ThreadPoolExecutor executor = new ThreadPoolExecutor(
    10,                   // corePoolSize
    50,                   // maximumPoolSize
    60,                   // keepAliveTime
    TimeUnit.SECONDS,     // keepAliveTime's unit
    new LinkedBlockingQueue<>(100), // workQueue
    Executors.defaultThreadFactory(), // threadFactory
    new ThreadPoolExecutor.AbortPolicy() // handler
);

// 提交任务
executor.submit(() -> {
    // Task implementation
});

// 关闭线程池
executor.shutdown();

3.IO密集型、CPU密集型任务的合理配置（生产常用）

3.1 IO密集型任务

IO密集型任务:（例如网络操作、文件读写）通常不需要大量的CPU时间，但可能会等待IO操作的完成。为了有效利用系统资源，可以配置更多的线程来掩盖IO操作的等待时间。

配置建议:

• corePoolSize 和 maximumPoolSize:
  • 建议的线程数通常远超过 CPU 核心数，因为线程在等待IO操作时不会占用CPU。可以使用 (CPU 核心数 * 2) 或更多，甚至是 (CPU 核心数 * 2) + 1 这种经验值。
  • 如果线程数太少，CPU资源可能未能充分利用。太多的线程可能会导致线程上下文切换的开销。
• keepAliveTime 和 unit:
  • 适当地增加 keepAliveTime，让线程在空闲时保留一段时间，以便在短时间内有任务到达时无需重新创建线程。
• workQueue:
  • LinkedBlockingQueue 是常见选择，因为它可以有效处理大量任务，而不需要频繁地创建和销毁线程。
  • SynchronousQueue 也可以用于高并发IO场景，确保任务直接交给线程执行，迅速响应。

示例:

int numCores = Runtime.getRuntime().availableProcessors();
ThreadPoolExecutor ioBoundExecutor = new ThreadPoolExecutor(
    numCores * 2,                // corePoolSize
    numCores * 2 + 1,            // maximumPoolSize
    60L,                         // keepAliveTime
    TimeUnit.SECONDS,            // keepAliveTime's unit
    new LinkedBlockingQueue<>(), // workQueue
    Executors.defaultThreadFactory(), // threadFactory
    new ThreadPoolExecutor.CallerRunsPolicy() // handler
);

3.2 CPU密集型任务

CPU密集型任务:（例如计算密集的操作、数据处理）主要消耗CPU 资源，因此线程数应该与 CPU 核心数相匹配，以避免过度的线程上下文切换和资源竞争。

配置建议:

• corePoolSize 和 maximumPoolSize:
  • 通常设置为 CPU 核心数 或 CPU 核心数 + 1。
  • 过多的线程可能导致频繁的上下文切换，降低性能。
• keepAliveTime 和 unit:
  • keepAliveTime 通常设置较短，适合及时回收空闲线程。
• workQueue:
  • SynchronousQueue 或 ArrayBlockingQueue 是不错的选择，可以避免任务堆积，确保线程数控制在合理范围内。

示例:

int numCores = Runtime.getRuntime().availableProcessors();
ThreadPoolExecutor cpuBoundExecutor = new ThreadPoolExecutor(
    numCores,                    // corePoolSize
    numCores + 1,                // maximumPoolSize
    30L,                         // keepAliveTime
    TimeUnit.SECONDS,            // keepAliveTime's unit
    new SynchronousQueue<>(),    // workQueue
    Executors.defaultThreadFactory(), // threadFactory
    new ThreadPoolExecutor.AbortPolicy() // handler
);

3.3 关键考虑因素

1. 系统资源和负载:
   • 监控系统的实际负载和资源使用情况，定期调整配置。
2. 任务特性:
   • 根据任务的性质（长任务、短任务、IO 密集型、CPU 密集型）选择合适的线程池配置。
3. 阻塞时间:
   • 对于 IO 密集型任务，理解和分析任务的阻塞时间，并根据其阻塞时间设置合适的线程池大小。
4. 拒绝策略:
   • 合理选择拒绝策略（如 AbortPolicy, CallerRunsPolicy），确保系统在负载过高时能平稳处理任务。

4.专业级线程池配置（大厂规范）

4.1 线程池大小的计算公式

IO 密集型任务

对于IO密集型任务，可以使用以下公式计算适合的线程池大小：

• N_threads: 推荐的线程池大小
• N_cores: CPU核心数
• W: 任务的等待时间（包括IO操作的等待时间）
• C: 任务的计算时间
• U: 期望的CPU使用率，通常设为0.8~0.9，避免CPU负载过高（0 < U < 1）

解释: 公式中的 W/C反映了IO操作占用的时间比，1 - U 是为了预留一定的CPU资源。

示例：

假设有一个任务，CPU核心数为8，IO等待时间为200ms，计算时间为100ms，期望的CPU使用率为80%，则推荐的线程池大小为：

这意味着你可能需要配置大约120个线程来处理IO密集型任务。

CPU 密集型任务

对于CPU密集型任务，线程池的大小通常可以通过以下公式估算：

在CPU密集型场景下，由于 W 很小或接近于零，因此公式通常简化为：

示例:

假设有一个任务，CPU核心数为8，计算时间大部分占用时间，等待时间可以忽略不计，则推荐的线程池大小为：

5.根据TPS和QPS进行线程池计算（生产常用）

其实和4的公式差不多

5.1 基础概念：

• TPS (Transactions Per Second): 每秒系统处理的事务数量。这通常用于描述系统处理更复杂的业务逻辑的能力。
• QPS (Queries Per Second): 每秒系统处理的查询数量，通常用于衡量服务端API或数据库的查询处理能力。
• 响应时间: 单个请求或事务的平均处理时间。

5.2 公式：

• N_threads: 推荐的线程池大小
• Q: 每秒的请求数（TPS 或 QPS）
• R: 平均响应时间（秒）
• U: 系统期望的CPU利用率（< 1, 通常为80%~90%）

解释: 公式描述了在满足特定吞吐量和响应时间的情况下，需要的线程数，预留了一部分CPU资源以防过载。

5.3 IO密集型、CPU密集型任务选择

这里我们主要举例说明IO密集型任务

因为：CPU密集型任务主要消耗CPU资源，线程数接近CPU核心数就足够，可以加一个额外的线程来处理。Nthreads=Ncores+1

IO密集型：

公式：

说明: 由于IO密集型任务在等待IO时不会占用CPU，因此线程数可以较高，适用于处理高并发的IO操作。

示例:

假设系统需要处理每秒500个请求（Q = 500），每个请求的平均响应时间为0.2秒，系统期望的CPU利用率为80%（U = 0.8）：

这意味着你可能需要大约500个线程来处理这些IO密集型请求。

示例代码：

int qps = 500;
double responseTime = 0.2;
double targetUtilization = 0.8;

int nThreads = (int) (qps * responseTime / (1 - targetUtilization));

ThreadPoolExecutor ioBoundExecutor = new ThreadPoolExecutor(
    nThreads,                // corePoolSize
    nThreads,                // maximumPoolSize
    60L,                     // keepAliveTime
    TimeUnit.SECONDS,        // keepAliveTime's unit
    new LinkedBlockingQueue<>(), // workQueue
    Executors.defaultThreadFactory(), // threadFactory
    new ThreadPoolExecutor.CallerRunsPolicy() // handler
);

6.总结

• IO密集型任务: 使用公式 计算线程池大小。
• CPU密集型任务: 使用公式 计算线程池大小。
• 混合型任务: 综合IO和CPU的公式进行计算和调整。
• 
  • W: 平均等待时间
  • C: 平均计算时间
• 实际应用: 根据QPS或TPS、响应时间、期望的CPU利用率等参数进行计算，并定期监控系统负载进行调整。

合理的线程池配置可以显著提升系统的处理能力和资源利用率，因此根据具体需求和系统指标进行精细配置是至关重要的。