可能很多人都看到過一個線程數設置的理論：

•  CPU 密集型的程序 - 核心數 + 1
•  I/O 密集型的程序 - 核心數 * 2

不會吧，不會吧，真的有人按照這個理論規劃線程數？

線程數和CPU利用率的小測試

拋開一些操作系統，計算機原理不談，說一個基本的理論（不用糾結是否嚴謹，只為好理解）：一個CPU核心，單位時間內只能執行一個線程的指令 那么理論上，我一個線程只需要不停的執行指令，就可以跑滿一個核心的利用率。

來寫個死循環空跑的例子驗證一下：

測試環境：AMD Ryzen 5 3600, 6 - Core, 12 - Threads 

public class CPUUtilizationTest {  
 public static void main(String[] args) {  
  //死循環，什么都不做  
  while (true){  
  }  
 }  
}  
復制代碼 

運行這個例子后，來看看現在CPU的利用率：

從圖上可以看到，我的3號核心利用率已經被跑滿了

那基于上面的理論，我多開幾個線程試試呢？ 

public class CPUUtilizationTest {  
 public static void main(String[] args) {  
  for (int j = 0; j < 6; j++) {  
   new Thread(new Runnable() {  
    @Override  
    public void run() {  
     while (true){  
     }  
    }  
   }).start();  
  }  
 }  
}  
復制代碼 

此時再看CPU利用率，1/2/5/7/9/11 幾個核心的利用率已經被跑滿：

那如果開12個線程呢，是不是會把所有核心的利用率都跑滿？答案一定是會的：

如果此時我把上面例子的線程數繼續增加到24個線程，會出現什么結果呢？

從上圖可以看到，CPU利用率和上一步一樣，還是所有核心100%，不過此時負載已經從11.x增加到了22.x（load average解釋參考scoutapm.com/blog/unders…)，說明此時CPU更繁忙，線程的任務無法及時執行。

現代CPU基本都是多核心的，比如我這里測試用的AMD 3600，6核心12線程（超線程），我們可以簡單的認為它就是12核心CPU。那么我這個CPU就可以同時做12件事，互不打擾。

如果要執行的線程大于核心數，那么就需要通過操作系統的調度了。操作系統給每個線程分配CPU時間片資源，然后不停的切換，從而實現“并行”執行的效果。

但是這樣真的更快嗎？從上面的例子可以看出，一個線程就可以把一個核心的利用率跑滿。如果每個線程都很“霸道”，不停的執行指令，不給CPU空閑的時間，并且同時執行的線程數大于CPU的核心數，就會導致操作系統更頻繁的執行切換線程執行，以確保每個線程都可以得到執行。

不過切換是有代價的，每次切換會伴隨著寄存器數據更新，內存頁表更新等操作。雖然一次切換的代價和I/O操作比起來微不足道，但如果線程過多，線程切換的過于頻繁，甚至在單位時間內切換的耗時已經大于程序執行的時間，就會導致CPU資源過多的浪費在上下文切換上，而不是在執行程序，得不償失。

上面死循環空跑的例子，有點過于極端了，正常情況下不太可能有這種程序。

大多程序在運行時都會有一些 I/O操作，可能是讀寫文件，網絡收發報文等，這些 I/O 操作在進行時時需要等待反饋的。比如網絡讀寫時，需要等待報文發送或者接收到，在這個等待過程中，線程是等待狀態，CPU沒有工作。此時操作系統就會調度CPU去執行其他線程的指令，這樣就完美利用了CPU這段空閑期，提高了CPU的利用率。

上面的例子中，程序不停的循環什么都不做，CPU要不停的執行指令，幾乎沒有啥空閑的時間。如果插入一段I/O操作呢，I/O 操作期間 CPU是空閑狀態，CPU的利用率會怎么樣呢？先看看單線程下的結果： 

public class CPUUtilizationTest {  
 public static void main(String[] args) throws InterruptedException {  
  for (int n = 0; n < 1; n++) {  
   new Thread(new Runnable() {  
    @Override  
    public void run() {  
     while (true){  
                        //每次空循環 1億 次后，sleep 50ms，模擬 I/O等待、切換  
      for (int i = 0; i < 100_000_000l; i++) {   
      }  
      try {  
       Thread.sleep(50);  
      }  
      catch (InterruptedException e) {  
       e.printStackTrace();  
      }  
     }  
    }  
   }).start();  
  }  
 }  
}  
復制代碼 

哇，唯一有利用率的9號核心，利用率也才50%，和前面沒有sleep的100%相比，已經低了一半了?，F在把線程數調整到12個看看：

單個核心的利用率60左右，和剛才的單線程結果差距不大，還沒有把CPU利用率跑滿，現在將線程數增加到18：

此時單核心利用率，已經接近100%了。由此可見，當線程中有 I/O 等操作不占用CPU資源時，操作系統可以調度CPU可以同時執行更多的線程。

現在將I/O事件的頻率調高看看呢，把循環次數減到一半，50_000_000，同樣是18個線程：

此時每個核心的利用率，大概只有70%左右了。

線程數和CPU利用率的小總結

上面的例子，只是輔助，為了更好的理解線程數/程序行為/CPU狀態的關系，來簡單總結一下：

•  一個極端的線程（不停執行“計算”型操作時），就可以把單個核心的利用率跑滿，多核心CPU最多只能同時執行等于核心數的“極端”線程數
•  如果每個線程都這么“極端”，且同時執行的線程數超過核心數，會導致不必要的切換，造成負載過高，只會讓執行更慢
•  I/O 等暫停類操作時，CPU處于空閑狀態，操作系統調度CPU執行其他線程，可以提高CPU利用率，同時執行更多的線程
•  I/O 事件的頻率頻率越高，或者等待/暫停時間越長，CPU的空閑時間也就更長，利用率越低，操作系統可以調度CPU執行更多的線程

線程數規劃的公式

前面的鋪墊，都是為了幫助理解，現在來看看書本上的定義。《Java 并發編程實戰》介紹了一個線程數計算的公式：

公式很清晰，現在來帶入上面的例子試試看：

如果我期望目標利用率為90%（多核90），那么需要的線程數為：

核心數12 * 利用率0.9 * (1 + 50(sleep時間)/50(循環50_000_000耗時)) ≈ 22

現在把線程數調到22，看看結果：

現在CPU利用率大概80+，和預期比較接近了，由于線程數過多，還有些上下文切換的開銷，再加上測試用例不夠嚴謹，所以實際利用率低一些也正常。

把公式變個形，還可以通過線程數來計算CPU利用率：

Ucpu=

線程數22 / (核心數12 * (1 + 50(sleep時間)/50(循環50_000_000耗時))) ≈ 0.9

雖然公式很好，但在真實的程序中，一般很難獲得準確的等待時間和計算時間，因為程序很復雜，不只是“計算”。一段代碼中會有很多的內存讀寫，計算，I/O 等復合操作，精確的獲取這兩個指標很難，所以光靠公式計算線程數過于理想化。

真實程序中的線程數

那么在實際的程序中，或者說一些Java的業務系統中，線程數（線程池大小）規劃多少合適呢？

先說結論：沒有固定答案，先設定預期，比如我期望的CPU利用率在多少，負載在多少，GC頻率多少之類的指標后，再通過測試不斷的調整到一個合理的線程數

比如一個普通的，SpringBoot 為基礎的業務系統，默認Tomcat容器+HikariCP連接池+G1回收器，如果此時項目中也需要一個業務場景的多線程（或者線程池）來異步/并行執行業務流程。

此時我按照上面的公式來規劃線程數的話，誤差一定會很大。因為此時這臺主機上，已經有很多運行中的線程了，Tomcat有自己的線程池，HikariCP也有自己的后臺線程，JVM也有一些編譯的線程，連G1都有自己的后臺線程。這些線程也是運行在當前進程、當前主機上的，也會占用CPU的資源。

所以受環境干擾下，單靠公式很難準確的規劃線程數，一定要通過測試來驗證。

流程一般是這樣：

    1. 分析當前主機上，有沒有其他進程干擾

    2. 分析當前JVM進程上，有沒有其他運行中或可能運行的線程

    3. 設定目標

        a. 目標CPU利用率 - 我最高能容忍我的CPU飆到多少？

        b. 目標GC頻率/暫停時間 - 多線程執行后，GC頻率會增高，最大能容忍到什么頻率，每次暫停時間多少？

        c. 執行效率 - 比如批處理時，我單位時間內要開多少線程才能及時處理完畢

        d. ……

    4. 梳理鏈路關鍵點，是否有卡脖子的點，因為如果線程數過多，鏈路上某些節點資源有限可能會導致大量的線程在等待資源（比如三方接口限流，連接池數量有限，中間件壓力過大無法支撐等）

    5. 不斷的增加/減少線程數來測試，按最高的要求去測試，最終獲得一個“滿足要求”的線程數**

而且而且而且！不同場景下的線程數理念也有所不同：

1.  Tomcat中的maxThreads，在Blocking I/O和No-Blocking I/O下就不一樣
2.  Dubbo 默認還是單連接呢，也有I/O線程（池）和業務線程（池）的區分，I/O線程一般不是瓶頸，所以不必太多，但業務線程很容易稱為瓶頸
3.  Redis 6.0以后也是多線程了，不過它只是I/O 多線程，“業務”處理還是單線程

所以，不要糾結設置多少線程了。沒有標準答案，一定要結合場景，帶著目標，通過測試去找到一個最合適的線程數。

可能還有同學可能會有疑問：“我們系統也沒啥壓力，不需要那么合適的線程數，只是一個簡單的異步場景，不影響系統其他功能就可以”

很正常，很多的內部業務系統，并不需要啥性能，穩定好用符合需求就可以了。那么我的推薦的線程數是：CPU核心數

附錄

Java 獲取CPU核心數 

Runtime.getRuntime().availableProcessors()//獲取邏輯核心數，如6核心12線程，那么返回的是12  
復制代碼 

Linux 獲取CPU核心數 

# 總核數 = 物理CPU個數 X 每顆物理CPU的核數   
# 總邏輯CPU數 = 物理CPU個數 X 每顆物理CPU的核數 X 超線程數  
# 查看物理CPU個數  
cat /proc/cpuinfo| grep "physical id"| sort| uniq| wc -l  
# 查看每個物理CPU中core的個數(即核數)  
cat /proc/cpuinfo| grep "cpu cores"| uniq  
# 查看邏輯CPU的個數  
cat /proc/cpuinfo| grep "processor"| wc -l  
復制代碼