线程池ThreadPoolExecutor

ThreadPoolExecutor

java.uitl.concurrent.ThreadPoolExecutor

参考文章

Java线程池面试必备
细数 Java 线程池的原理
Java线程池面试必备：核心参数、工作流、监控、调优手段

四个构造方法中重要参数

volatile 变量用来保证线程之间的可见性

• corePoolSize
  线程池的基本大小

• maximumPoolSize
  线程池中允许的最大线程数，先放队列 (队列长度+核心线程+临时线程(并发小时优先销毁))

• keepAliveTime
  表示线程没有任务执行时最多保持多久时间会终止

• unit
  keepAliveTime 的时间单位

• workQueue(排队策略)

  • ArrayBlockingQueue(有界队列 数组)
    创建时必须指定大小
  • LinkedBlockingQueue(无界队列 链表)
    将导致当所有 corePoolSize 线程都忙时新任务在队列中等待。这样，创建的线程就不会超过corePoolSize
    当每个任务执行互不影响时，适合于使用无界队列(maximumPoolSize 失效)
  • SynchronousQueue(直接提交)
    线程池不对任务进行缓存。新进任务直接提交给线程池，当线程池中没有空闲线程时，创建一个新的线程处理此任务
  • PriorityBlockingQueue(优先级队列)
  • DelayedWorkQueue(并发队列-无界阻塞延迟队列)

• threadFactory
  线程工厂，主要用来创建线程

• RejectedExecutionHandler
  任务数超过maximumPoolSize+workqueue 会使用拒绝策略
  *1.ThreadPoolExecutor.AbortPolicy:丢弃任务并抛出RejectedExecutionException异常(jdk默认策略)。
  *2.ThreadPoolExecutor.DiscardPolicy：也是丢弃任务，但是不抛出异常。
  *3.ThreadPoolExecutor.DiscardOldestPolicy：丢弃队列最前面的任务(工作队列头部)，然后重新尝试执行该任务(会重复此过程)
  *4.ThreadPoolExecutor.CallerRunsPolicy：线程调用运行该任务的 execute 本身(不进入线程池执行)

运行原理

• 1.如果此时线程池中的数量小于corePoolSize，创建新的线程来处理被添加的任务。
• 2.如果此时线程池中的数量等于 corePoolSize，则新任务被添加到workQueue队列中，直到workQueue队列满，但不超过maximumPoolSize。
• 3.如果此时线程池中的数量大于corePoolSize，缓冲队列workQueue满，并且线程池中的数量小于maximumPoolSize，建新的线程来处理被添加的任务。
• 4.如果此时线程池中的数量大于corePoolSize，缓冲队列workQueue满，并且线程池中的数量等于maximumPoolSize，那么通过 handler所指定的策略来处理此任务。处理任务的优先级为：核心线程corePoolSize、任务队列workQueue、最大线程maximumPoolSize，如果三者都满了，使用handler处理被拒绝的任务。

几个重要method

• 1.execute()
• 2.submit()
  还是调用的execute() 方法,不同之处是它能够返回任务执行的结果
• 3.shutdown()
  不会立即终止线程池，而是要等所有任务缓存队列中的任务都执行完后才终止，但再也不会接受新的任务
• 4.shutdownNow()
  立即终止线程池，并尝试打断正在执行的任务，并且清空任务缓存队列，返回尚未执行的任务
• 5.setCorePoolSize()
  设置核心池大小
• 6.setMaximumPoolSize()
  设置线程池最大能创建的线程数目大小

Executors和ThreadPoolExecutorExecutors

• 1.Executors调用的ThreadPoolExecutor只是一些参数封装死了例如请求队列最大长度Integer.MAX_VALUE(无界队列)
• 2.高并发情况无界队列会有Out Of Memory的风险，所以推荐做法是使用ThreadPoolExecutor

如何合理配置线程池的大小

一般需要根据任务的类型来配置线程池大小：

• 1.如果是 CPU 密集型任务©，就需要尽量压榨 CPU，参考值可以设为 NCPU+1
• 2.如果是 IO 密集型任务(Python代码量少)，参考值可以设置为2*NCPU