线程池的选择

---

前言

提示：我们需要根据不同的场景选择使构造不同的线程池。

---

一、参数选择

1、 构造方法

 public ThreadPoolExecutor(int corePoolSize,
                              int maximumPoolSize,
                              long keepAliveTime,
                              TimeUnit unit,
                              BlockingQueue<Runnable> workQueue,
                              ThreadFactory threadFactory,
                              RejectedExecutionHandler handler) {
                              ...
                              }

这就是创建线程池的主要的构造方法。

2、corePoolSize

3、maximumPoolSize

4、keepAliveTime

5、BlockingQueue workQueue

6、ThreadFactory threadFactory

7、RejectedExecutionHandler handler

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、Executors 中五种常见的线程池

1. newCachedThreadPool

构造方法：

public static ExecutorService newCachedThreadPool() {
        return new ThreadPoolExecutor(0, Integer.MAX_VALUE,
                                      60L, TimeUnit.SECONDS,
                                      new SynchronousQueue<Runnable>());
    }

最大线程数是Integer.MAX_VALUE，
60L, TimeUnit.SECONDS 说明了超过核心线程数的空闲线程在60秒后就会被销毁。
工作现象：
当多个线程进来时，会创建多个工作线程，处理各自任务，然后60秒后就会被销毁。

2、newFixedThreadPool

构造方法：

 public static ExecutorService newFixedThreadPool(int nThreads) {
        return new ThreadPoolExecutor(nThreads, nThreads,
                                      0L, TimeUnit.MILLISECONDS,
                                      new LinkedBlockingQueue<Runnable>());
    }

核心线程等于最大线程，
通过源码我们知道当worker在getTask为null时，这个工作线程也就不会再执行新的任务了。
想要getTask为null，则需要工作线程数大于核心线程数，且上次拉取任务超时。
因为核心线程等于最大线程，因此，也就不会出现worker停止运行，它会一直阻塞take任务。
也就是说核心线程不会被回收，一直在重复使用。

3、newSingleThreadPool

构造方法：

public static ExecutorService newSingleThreadExecutor() {
        return new FinalizableDelegatedExecutorService
            (new ThreadPoolExecutor(1, 1,
                                    0L, TimeUnit.MILLISECONDS,
                                    new LinkedBlockingQueue<Runnable>()));
    }

核心线程和最大线程都是一个，有任务进来时，放入队列，顺序执行。

4、newScheduledThreadPool

5、newWorkStealingPool

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。