多線程到底該設置多少個線程？
我們在使用線程池的時候，會有兩個疑問點：
- 線程池的線程數(shù)量設置過多會導致線程競爭激烈
- 如果線程數(shù)量設置過少的話，還會導致系統(tǒng)無法充分利用計算機資源
那么如何設置才不會影響系統(tǒng)性能呢？
其實線程池的設置是有方法的，不是憑借簡單的估算來決定的。今天我們就來看看究竟有哪些計算方法可以復用，線程池中各個參數(shù)之間又存在怎樣的關系呢？ 本文咱們來慢慢聊。
線程池原理
開始優(yōu)化之前，我們先來看看線程池的實現(xiàn)原理，有助于你更好地理解后面的內容。
在 HotSpot VM 的線程模型中，Java 線程被一對一映射為內核線程。Java 在使用線程執(zhí)行程序時，需要創(chuàng)建一個內核線程；當該 Java 線程被終止時，這個內核線程也會被回收。因此 Java 線程的創(chuàng)建與銷毀將會消耗一定的計算機資源，從而增加系統(tǒng)的性能開銷。
除此之外，大量創(chuàng)建線程同樣會給系統(tǒng)帶來性能問題，因為內存和 CPU 資源都將被線程搶占，如果處理不當，就會發(fā)生內存溢出、CPU 使用率超負荷等問題。
為了解決上述兩類問題，Java 提供了線程池概念，對于頻繁創(chuàng)建線程的業(yè)務場景，線程池可以創(chuàng)建固定的線程數(shù)量，并且在操作系統(tǒng)底層，輕量級進程將會把這些線程映射到內核。
線程池可以提高線程復用，又可以固定最大線程使用量，防止無限制地創(chuàng)建線程。
當程序提交一個任務需要一個線程時，會去線程池中查找是否有空閑的線程，若有，則直接使用線程池中的線程工作，若沒有，會去判斷當前已創(chuàng)建的線程數(shù)量是否超過最大線程數(shù)量，如未超過，則創(chuàng)建新線程，如已超過，則進行排隊等待或者直接拋出異常。
線程池框架 Executor
Java 最開始提供了 ThreadPool 實現(xiàn)了線程池，為了更好地實現(xiàn)用戶級的線程調度，更有效地幫助開發(fā)人員進行多線程開發(fā)，Java 提供了一套 Executor 框架。
這個框架中包括了 ScheduledThreadPoolExecutor 和 ThreadPoolExecutor 兩個核心線程池。前者是用來定時執(zhí)行任務，后者是用來執(zhí)行被提交的任務。
鑒于這兩個線程池的核心原理是一樣的，下面我們就重點看看 ThreadPoolExecutor 類是如何實現(xiàn)線程池的。
Executors 實現(xiàn)了以下四種類型的 ThreadPoolExecutor：
Executors 利用工廠模式實現(xiàn)的四種線程池，我們在使用的時候需要結合生產環(huán)境下的實際場景。
不過我不太推薦使用它們，因為選擇使用 Executors 提供的工廠類，將會忽略很多線程池的參數(shù)設置，工廠類一旦選擇設置默認參數(shù)，就很容易導致無法調優(yōu)參數(shù)設置，從而產生性能問題或者資源浪費。
我建議你使用 ThreadPoolExecutor 自我定制一套線程池（阿里規(guī)范中也是建議不要使用Executors 創(chuàng)建線程池，建議使用ThreadPoolExecutor 來創(chuàng)建線程池）。
進入四種工廠類后，我們可以發(fā)現(xiàn)除了 newScheduledThreadPool 類，其它類均使用了 ThreadPoolExecutor 類進行實現(xiàn)，
你可以通過以下代碼簡單看下該方法
corePoolSize：線程池的核心線程數(shù)量
maximumPoolSize：線程池的最大線程數(shù)
keepAliveTime：當線程數(shù)大于核心線程數(shù)時，多余的空閑線程存活的最長時間
unit：時間單位
workQueue：任務隊列，用來儲存等待執(zhí)行任務的隊列
threadFactory：線程工廠，用來創(chuàng)建線程，一般默認即可
handler：拒絕策略，當提交的任務過多而不能及時處理時，我們可以定制策略來處理任務
我們還可以通過下面這張圖來了解下線程池中各個參數(shù)的相互關系：
通過上圖，我們發(fā)現(xiàn)線程池有兩個線程數(shù)的設置，一個為核心線程數(shù)，一個為最大線程數(shù)。在創(chuàng)建完線程池之后，默認情況下，線程池中并沒有任何線程，等到有任務來才創(chuàng)建線程去執(zhí)行任務。
但有一種情況排除在外，就是調用 prestartAllCoreThreads() 或者 prestartCoreThread() 方法的話，可以提前創(chuàng)建等于核心線程數(shù)的線程數(shù)量，這種方式被稱為預熱，在搶購系統(tǒng)中就經常被用到。
當創(chuàng)建的線程數(shù)等于 corePoolSize 時，提交的任務會被加入到設置的阻塞隊列中。當隊列滿了，會創(chuàng)建線程執(zhí)行任務，直到線程池中的數(shù)量等于 maximumPoolSize。
當線程數(shù)量已經等于 maximumPoolSize 時， 新提交的任務無法加入到等待隊列，也無法創(chuàng)建非核心線程直接執(zhí)行，我們又沒有為線程池設置拒絕策略，這時線程池就會拋出 RejectedExecutionException 異常，即線程池拒絕接受這個任務。
當線程池中創(chuàng)建的線程數(shù)量超過設置的 corePoolSize，在某些線程處理完任務后，如果等待 keepAliveTime 時間后仍然沒有新的任務分配給它，那么這個線程將會被回收。線程池回收線程時，會對所謂的“核心線程”和“非核心線程”一視同仁，直到線程池中線程的數(shù)量等于設置的 corePoolSize 參數(shù)，回收過程才會停止。
即使是 corePoolSize 線程，在一些非核心業(yè)務的線程池中，如果長時間地占用線程數(shù)量，也可能會影響到核心業(yè)務的線程池，這個時候就需要把沒有分配任務的線程回收掉。
我們可以通過 allowCoreThreadTimeOut 設置項要求線程池：將包括“核心線程”在內的，沒有任務分配的所有線程，在等待 keepAliveTime 時間后全部回收掉。
我們可以通過下面這張圖來了解下線程池的線程分配流程：
計算線程數(shù)量
了解完線程池的實現(xiàn)原理和框架，我們就可以動手實踐優(yōu)化線程池的設置了。
我們知道，環(huán)境具有多變性，設置一個絕對精準的線程數(shù)其實是不大可能的，但我們可以通過一些實際操作因素來計算出一個合理的線程數(shù)，避免由于線程池設置不合理而導致的性能問題。下面我們就來看看具體的計算方法。
一般多線程執(zhí)行的任務類型可以分為 CPU 密集型和 I/O 密集型，根據不同的任務類型，我們計算線程數(shù)的方法也不一樣。
CPU 密集型任務
這種任務消耗的主要是 CPU 資源，可以將線程數(shù)設置為 N（CPU 核心數(shù)）+1，比 CPU 核心數(shù)多出來的一個線程是為了防止線程偶發(fā)的缺頁中斷，或者其它原因導致的任務暫停而帶來的影響。
一旦任務暫停，CPU 就會處于空閑狀態(tài)，而在這種情況下多出來的一個線程就可以充分利用 CPU 的空閑時間。
下面我們用一個例子來驗證下這個方法的可行性，通過觀察 CPU 密集型任務在不同線程數(shù)下的性能情況就可以得出結果，你可以點擊Github下載到本地運行測試：
- public class CPUTypeTest implements Runnable {
- // 整體執(zhí)行時間，包括在隊列中等待的時間
- List<Long> wholeTimeList;
- // 真正執(zhí)行時間
- List<Long> runTimeList;
- private long initStartTime = 0;
- /**
- * 構造函數(shù)
- * @param runTimeList
- * @param wholeTimeList
- */
- public CPUTypeTest(List<Long> runTimeList, List<Long> wholeTimeList) {
- initStartTime = System.currentTimeMillis();
- this.runTimeList = runTimeList;
- this.wholeTimeList = wholeTimeList;
- }
- /**
- * 判斷素數(shù)
- * @param number
- * @return
- */
- public boolean isPrime(final int number) {
- if (number <= 1)
- return false;
- for (int i = 2; i <= Math.sqrt(number); i++) {
- if (number % i == 0)
- return false;
- }
- return true;
- }
- /**
- * 計算素數(shù)
- * @param number
- * @return
- */
- public int countPrimes(final int lower, final int upper) {
- int total = 0;
- for (int i = lower; i <= upper; i++) {
- if (isPrime(i))
- total++;
- }
- return total;
- }
- public void run() {
- long start = System.currentTimeMillis();
- countPrimes(1, 1000000);
- long end = System.currentTimeMillis();
- long wholeTime = end - initStartTime;
- long runTime = end - start;
- wholeTimeList.add(wholeTime);
- runTimeList.add(runTime);
- System.out.println(" 單個線程花費時間：" + (end - start));
- }
- }
測試代碼在 4 核 intel i5 CPU 機器上的運行時間變化如下：
綜上可知：當線程數(shù)量太小，同一時間大量請求將被阻塞在線程隊列中排隊等待執(zhí)行線程，此時 CPU 沒有得到充分利用；當線程數(shù)量太大，被創(chuàng)建的執(zhí)行線程同時在爭取 CPU 資源，又會導致大量的上下文切換，從而增加線程的執(zhí)行時間，影響了整體執(zhí)行效率。通過測試可知，4~6 個線程數(shù)是最合適的。
I/O 密集型任務
這種任務應用起來，系統(tǒng)會用大部分的時間來處理 I/O 交互，而線程在處理 I/O 的時間段內不會占用 CPU 來處理，這時就可以將 CPU 交出給其它線程使用。因此在 I/O 密集型任務的應用中，我們可以多配置一些線程，具體的計算方法是 2N。
這里我們還是通過一個例子來驗證下這個公式是否可以標準化：
- public class IOTypeTest implements Runnable {
- // 整體執(zhí)行時間，包括在隊列中等待的時間
- Vector<Long> wholeTimeList;
- // 真正執(zhí)行時間
- Vector<Long> runTimeList;
- private long initStartTime = 0;
- /**
- * 構造函數(shù)
- * @param runTimeList
- * @param wholeTimeList
- */
- public IOTypeTest(Vector<Long> runTimeList, Vector<Long> wholeTimeList) {
- initStartTime = System.currentTimeMillis();
- this.runTimeList = runTimeList;
- this.wholeTimeList = wholeTimeList;
- }
- /**
- *IO 操作
- * @param number
- * @return
- * @throws IOException
- */
- public void readAndWrite() throws IOException {
- File sourceFile = new File("D:/test.txt");
- // 創(chuàng)建輸入流
- BufferedReader input = new BufferedReader(new FileReader(sourceFile));
- // 讀取源文件, 寫入到新的文件
- String line = null;
- while((line = input.readLine()) != null){
- //System.out.println(line);
- }
- // 關閉輸入輸出流
- input.close();
- }
- public void run() {
- long start = System.currentTimeMillis();
- try {
- readAndWrite();
- } catch (IOException e) {
- // TODO Auto-generated catch block
- e.printStackTrace();
- }
- long end = System.currentTimeMillis();
- long wholeTime = end - initStartTime;
- long runTime = end - start;
- wholeTimeList.add(wholeTime);
- runTimeList.add(runTime);
- System.out.println(" 單個線程花費時間：" + (end - start));
- }
- }
備注：由于測試代碼讀取 2MB 大小的文件，涉及到大內存，所以在運行之前，我們需要調整 JVM 的堆內存空間：-Xms4g -Xmx4g，避免發(fā)生頻繁的 FullGC，影響測試結果。
通過測試結果，我們可以看到每個線程所花費的時間。當線程數(shù)量在 8 時，線程平均執(zhí)行時間是最佳的，這個線程數(shù)量和我們的計算公式所得的結果就差不多。
看完以上兩種情況下的線程計算方法，你可能還想說，在平常的應用場景中，我們常常遇不到這兩種極端情況，那么碰上一些常規(guī)的業(yè)務操作，比如，通過一個線程池實現(xiàn)向用戶定時推送消息的業(yè)務，我們又該如何設置線程池的數(shù)量呢？
此時我們可以參考以下公式來計算線程數(shù)：
WT：線程等待時間
ST：線程時間運行時間
我們可以通過 JDK 自帶的工具 VisualVM 來查看 WT/ST 比例，以下例子是基于運行純 CPU 運算的例子，我們可以看到：
- WT（線程等待時間）= 36788ms [線程運行總時間] - 36788ms[ST（線程時間運行時間）]= 0
- 線程數(shù) =N（CPU 核數(shù)）*（1+ 0 [WT（線程等待時間）]/36788ms[ST（線程時間運行時間）]）= N（CPU 核數(shù)）
這跟我們之前通過 CPU 密集型的計算公式 N+1 所得出的結果差不多。
綜合來看，我們可以根據自己的業(yè)務場景，從“N+1”和“2N”兩個公式中選出一個適合的，計算出一個大概的線程數(shù)量，之后通過實際壓測，逐漸往“增大線程數(shù)量”和“減小線程數(shù)量”這兩個方向調整，然后觀察整體的處理時間變化，最終確定一個具體的線程數(shù)量。
總結
本文我們主要學習了線程池的實現(xiàn)原理，Java 線程的創(chuàng)建和消耗會給系統(tǒng)帶來性能開銷，因此 Java 提供了線程池來復用線程，提高程序的并發(fā)效率。
Java 通過用戶線程與內核線程結合的 1:1 線程模型來實現(xiàn)，Java 將線程的調度和管理設置在了用戶態(tài)，提供了一套 Executor 框架來幫助開發(fā)人員提高效率。Executor 框架不僅包括了線程池的管理，還提供了線程工廠、隊列以及拒絕策略等，可以說 Executor 框架為并發(fā)編程提供了一個完善的架構體系。
在不同的業(yè)務場景以及不同配置的部署機器中，線程池的線程數(shù)量設置是不一樣的。
其設置不宜過大，也不宜過小，要根據具體情況，計算出一個大概的數(shù)值，再通過實際的性能測試，計算出一個合理的線程數(shù)量。
我們要提高線程池的處理能力，一定要先保證一個合理的線程數(shù)量，也就是保證 CPU 處理線程的最大化。在此前提下，我們再增大線程池隊列，通過隊列將來不及處理的線程緩存起來。在設置緩存隊列時，我們要盡量使用一個有界隊列，以防因隊列過大而導致的內存溢出問題
