7.1 自定义线程池
第一步：有界线程安全的阻塞队列
/**
* 有界阻塞队列
*/
@Slf4j(topic = "c.BlockQueue")
class BlockQueue<T> {
/**
* 任务队列
*/
private final Deque<T> queue = new ArrayDeque<>();
/**
* 锁
*/
private final ReentrantLock lock = new ReentrantLock();
/**
* 生产者条件变量
*/
private final Condition fullWaitSet = lock.newCondition();
/**
* 消费者条件变量
*/
private final Condition emptyWaitSet = lock.newCondition();
/**
* 容量
*/
private final int capcity;
public BlockQueue(int capcity) {
this.capcity = capcity;
}
/**
* 线程安全的阻塞获取
*
* @return
*/
public T take() {
lock.lock();
try {
while (queue.isEmpty()) {
try {
// 消费不到时 等待生产者添加后唤醒
emptyWaitSet.await();
} catch (InterruptedException e) {
e.printStackTrace();
}
}
T t = queue.removeFirst();
// 移除一个后 不在是满的队列 需要唤醒等待的生产者线程
fullWaitSet.signal();
return t;
} finally {
lock.unlock();
}
}
/**
* 线程安全的阻塞获取 带超时时间
*
* @return
*/
public T take(long timeout, TimeUnit timeUnit) {
lock.lock();
try {
long waitTime = timeUnit.toNanos(timeout);
while (queue.isEmpty()) {
try {
if (waitTime <= 0) {
// 等过了超时时间
return null;
}
// 消费不到时 等待生产者添加后唤醒
waitTime = emptyWaitSet.awaitNanos(waitTime);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
T t = queue.removeFirst();
// 移除一个后 不在是满的队列 需要唤醒等待的生产者线程
fullWaitSet.signal();
return t;
} finally {
lock.unlock();
}
}
/**
* 线程安全的添加任务
*
* @param task
*/
public void put(T task) {
lock.lock();
try {
while (queue.size() == capcity) {
try {
log.debug("等待加入任务队列{}", task);
// 阻塞 等待消费者消费后唤醒
/**
* 注意wait是Object的方法 需要配合synchronized使用
* await为Condition方法
*/
fullWaitSet.await();
} catch (InterruptedException e) {
e.printStackTrace();
}
}
queue.addLast(task);
log.debug("成功加入任务队列,{}", task);
// 唤醒消费者等待
emptyWaitSet.signal();
} finally {
lock.unlock();
}
}
/**
* 线程安全的添加任务 带超时时间
*
* @param task
* @param timeout
* @param timeUnit
*/
public boolean put(T task, long timeout, TimeUnit timeUnit) {
lock.lock();
try {
long waitTime = timeUnit.toNanos(timeout);
while (queue.size() == capcity) {
try {
if (waitTime <= 0) {
return false;
}
log.debug("等待加入任务队列{}...", task);
// 阻塞 等待消费者消费后唤醒
waitTime = fullWaitSet.awaitNanos(waitTime);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
queue.addLast(task);
log.debug("成功加入任务队列,{}", task);
// 唤醒消费者等待
emptyWaitSet.signal();
return true;
} finally {
lock.unlock();
}
}
/**
* 获取队列大小
*
* @return
*/
public int size() {
lock.lock();
try {
return queue.size();
} finally {
lock.unlock();
}
}
/**
* 添加入队列 - 带拒绝策略的
*
* @param rejectPolicy
* @param task
*/
public void tryPut(RejectPolicy<T> rejectPolicy, T task) {
lock.lock();
try {
if (queue.size() == capcity) {
// 不再等待 直接执行拒绝策略
rejectPolicy.reject(this, task);
} else {
queue.addLast(task);
log.debug("加入任务队列{}", task);
// 唤醒消费者等待
emptyWaitSet.signal();
}
} finally {
lock.unlock();
}
}
}
第二步：队列满了之后的拒绝策略
/**
* 拒绝策略
*
* @param <T>
*/
@FunctionalInterface
interface RejectPolicy<T> {
void reject(BlockQueue<T> queue, T task);
}
第三步：自定义线程池以及工作线程
/**
* 线程池 简陋版
* 没有救急线程和相关的救急线程 超时时间等
*/
@Slf4j(topic = "c.ThreadPool")
class ThreadPool {
/**
* 任务队列
*/
private BlockQueue<Runnable> taskQueue;
/**
* 工作线程集合
*/
private final Set<Worker> workers = new HashSet<>();
/**
* 核心线程
*/
private int coreSize;
/**
* 从队列中获取任务的超时时间
*/
private long timeout;
private TimeUnit timeUnit;
/**
* 拒绝策略
*/
private RejectPolicy<Runnable> rejectPolicy;
public ThreadPool(int coreSize, long timeout, TimeUnit timeUnit, int queueCapcity, RejectPolicy<Runnable> rejectPolicy) {
this.coreSize = coreSize;
this.timeout = timeout;
this.timeUnit = timeUnit;
this.taskQueue = new BlockQueue<>(queueCapcity);
this.rejectPolicy = rejectPolicy;
}
/**
* 执行任务
*
* @param task
*/
public void execute(Runnable task) {
// 当任务没有超过核心线程数时 直接交给worker对象执行
// 当任务超过核心线程数时 加入任务队列暂存
synchronized (workers) {
if (workers.size() < coreSize) {
Worker worker = new Worker(task);
log.debug("新增worker{},任务{}", worker, task);
workers.add(worker);
worker.start();
} else {
// 存入任务队列 阻塞
//taskQueue.put(task);
// 带策略的存入任务队列
/**
* 1. 死等
* 2. 带超时的等待
* 3. 让调用者放弃任务执行
* 4. 让调用者抛出异常
* 5. 让调用者自己执行任务
*/
taskQueue.tryPut(rejectPolicy, task);
}
}
}
class Worker extends Thread {
private Runnable task;
public Worker(Runnable target) {
this.task = target;
}
@Override
public void run() {
/**
* 1. 当task不为空时 执行任务
* 2. 当task执行完毕 再接着从任务队列获取任务并执行
*/
while (Objects.nonNull(task) || Objects.nonNull(task = taskQueue.take(timeout, timeUnit))) {
try {
log.debug("正在执行{}", task);
task.run();
} catch (Exception e) {
e.printStackTrace();
} finally {
task = null;
}
}
// 没有任务且队列中也在超时时间内没有获取到任务
synchronized (workers) {
log.debug("worker被移除{}", this);
workers.remove(this);
}
}
}
}
第四步：测试
@Slf4j(topic = "c.TestMyThreadPool")
public class TestMyThreadPool {
public static void main(String[] args) {
ThreadPool threadPool = new ThreadPool(1, 1000, TimeUnit.MILLISECONDS, 1, (queue, task) -> {
//1. 死等
//queue.put(task);
//2. 带超时等待
//queue.put(task, 1500, TimeUnit.MILLISECONDS);
//3. 让调用者放弃
//log.debug("放弃任务：{}", task);
//4. 调用者抛出异常 不影响之前线程 会影响调用者后面的任务加入
//throw new RuntimeException("任务执行失败:" + task);
//5. 由调用者线程调用
task.run();
});
for (int i = 0; i < 4; i++) {
final int j = i;
threadPool.execute(() -> {
log.debug("execute线程{}", j);
Sleeper.sleep(3);
});
}
}
}
7.2 ThreadPoolExecutor
7.2.1 线程池状态
ThreadPoolExecutor 使用 int 的高 3 位来表示线程池状态，低 29 位表示线程数量
从数字上比较，TERMINATED > TIDYING > STOP > SHUTDOWN > RUNNING
这些信息存储在一个原子变量 ctl 中，目的是将线程池状态与线程个数合二为一，这样就可以用一次 cas 原子操作
进行赋值
// c 为旧值， ctlOf 返回结果为新值
ctl.compareAndSet(c, ctlOf(targetState, workerCountOf(c))));
// rs 为高 3 位代表线程池状态， wc 为低 29 位代表线程个数，ctl 是合并它们
private static int ctlOf(int rs, int wc) { return rs | wc; }
7.2.2 构造方法
public ThreadPoolExecutor(int corePoolSize,
int maximumPoolSize,
long keepAliveTime,
TimeUnit unit,
BlockingQueue<Runnable> workQueue,
ThreadFactory threadFactory,
RejectedExecutionHandler handler)
- corePoolSize 核心线程数目 (最多保留的线程数)
- maximumPoolSize 最大线程数目
- maximumPoolSize - corePoolSize 救急线程数
- keepAliveTime 生存时间 - 针对救急线程
- unit 时间单位 - 针对救急线程
- workQueue 阻塞队列
- threadFactory 线程工厂 - 可以为线程创建时起个好名字
- handler 拒绝策略
工作方式：
- 线程池中刚开始没有线程，当一个任务提交给线程池后，线程池会创建一个新线程来执行任务。
- 当线程数达到 corePoolSize 并没有线程空闲，这时再加入任务，新加的任务会被加入workQueue 队列排队，直到有空闲的线程。
- 如果队列选择了有界队列，那么任务超过了队列大小时，会创建 maximumPoolSize - corePoolSize 数目的线程来救急。
- 如果线程到达 maximumPoolSize 仍然有新任务这时会执行拒绝策略。拒绝策略 jdk 提供了 4 种实现，其它著名框架也提供了实现
- AbortPolicy 让调用者抛出 RejectedExecutionException 异常，这是默认策略
- CallerRunsPolicy 让调用者运行任务
- DiscardPolicy 放弃本次任务
- DiscardOldestPolicy 放弃队列中最早的任务，本任务取而代之
- Dubbo 的实现，在抛出 RejectedExecutionException 异常之前会记录日志，并 dump 线程栈信息，方便定位问题
- Netty 的实现，是创建一个新线程来执行任务
- ActiveMQ 的实现，带超时等待（60s）尝试放入队列，类似我们之前自定义的拒绝策略
- PinPoint 的实现，它使用了一个拒绝策略链，会逐一尝试策略链中每种拒绝策略
- 当高峰过去后，超过corePoolSize 的救急线程如果一段时间没有任务做，需要结束节省资源，这个时间由 keepAliveTime 和 unit 来控制。
根据这个构造方法，JDK Executors 类中提供了众多工厂方法来创建各种用途的线程池
7.2.3 newFixedThreadPool
public static ExecutorService newFixedThreadPool(int nThreads) {
return new ThreadPoolExecutor(nThreads, nThreads,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue<Runnable>());
}
特点
- 核心线程数 == 最大线程数（没有救急线程被创建），因此也无需超时时间
- 阻塞队列是无界的，可以放任意数量的任务
- 适用于任务量已知，相对耗时的任务
7.2.4 newCachedThreadPool
public static ExecutorService newCachedThreadPool() {
return new ThreadPoolExecutor(0, Integer.MAX_VALUE,
60L, TimeUnit.SECONDS,
new SynchronousQueue<Runnable>());
}
特点
- 核心线程数是 0， 最大线程数是 Integer.MAX_VALUE，救急线程的空闲生存时间是 60s，意味着全部都是救急线程（60s 后可以回收）
- 救急线程可以无限创建
- 队列采用了 SynchronousQueue 实现特点是，它没有容量，没有线程来取是放不进去的（一手交钱、一手交货）
- 整个线程池表现为线程数会根据任务量不断增长，没有上限，当任务执行完毕，空闲 1分钟后释放线程。 适合任务数比较密集，但每个任务执行时间较短的情况
@Slf4j(topic = "c.TestSynchronousQueue")
public class TestSynchronousQueue {
public static void main(String[] args) {
SynchronousQueue<Integer> intQueue = new SynchronousQueue<>();
new Thread(() -> {
try {
log.debug("put 1 into queue");
// SynchronousQueue队列put必须要有其他线程取才能put成功
// 这里会阻塞住 等到有线程来取
intQueue.put(1);
log.debug("put 1 success");
log.debug("put 2 into queue");
intQueue.put(2);
log.debug("put 2 success");
} catch (InterruptedException e) {
e.printStackTrace();
}
}, "t1").start();
//停止2秒 t1线程put等待
Sleeper.sleep(2);
new Thread(() -> {
try {
log.debug("taking");
Integer result = intQueue.take();
log.debug("taked result:{}", result);
} catch (InterruptedException e) {
e.printStackTrace();
}
}, "t2").start();
Sleeper.sleep(2);
new Thread(() -> {
try {
log.debug("taking");
Integer result = intQueue.take();
log.debug("taked result:{}", result);
} catch (InterruptedException e) {
e.printStackTrace();
}
}, "t3").start();
}
}
22:03:45.183 c.TestSynchronousQueue [t1] - put 1 into queue
22:03:47.184 c.TestSynchronousQueue [t2] - taking
22:03:47.184 c.TestSynchronousQueue [t1] - put 1 success
22:03:47.184 c.TestSynchronousQueue [t1] - put 2 into queue
22:03:47.184 c.TestSynchronousQueue [t2] - taked result:1
22:03:49.185 c.TestSynchronousQueue [t3] - taking
22:03:49.185 c.TestSynchronousQueue [t3] - taked result:2
22:03:49.185 c.TestSynchronousQueue [t1] - put 2 success
7.2.5 newSingleThreadExecutor
public static ExecutorService newSingleThreadExecutor() {
return new FinalizableDelegatedExecutorService
(new ThreadPoolExecutor(1, 1,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue<Runnable>()));
}
使用场景：
希望多个任务排队执行。线程数固定为 1，任务数多于 1 时，会放入无界队列排队。任务执行完毕，这唯一的线程也不会被释放。
区别：
- 自己创建一个单线程串行执行任务，如果任务执行失败而终止那么没有任何补救措施，而线程池还会新建一个线程，保证池的正常工作
- Executors.newSingleThreadExecutor() 线程个数始终为1，不能修改
- FinalizableDelegatedExecutorService 应用的是装饰器模式，只对外暴露了 ExecutorService 接口，因此不能调用 ThreadPoolExecutor 中特有的方法
- Executors.newFixedThreadPool(1) 初始时为1，以后还可以修改
- 对外暴露的是 ThreadPoolExecutor 对象，可以强转后调用 setCorePoolSize 等方法进行修改
- 对外暴露的是 ThreadPoolExecutor 对象，可以强转后调用 setCorePoolSize 等方法进行修改
7.2.6 提交任务
// 执行任务
void execute(Runnable command);
// 提交任务 task，用返回值 Future 获得任务执行结果
<T> Future<T> submit(Callable<T> task);
// 提交 tasks 中所有任务
<T> List<Future<T>> invokeAll(Collection<? extends Callable<T>> tasks) throws InterruptedException;
// 提交 tasks 中所有任务，带超时时间
<T> List<Future<T>> invokeAll(Collection<? extends Callable<T>> tasks, long timeout, TimeUnit unit) throws InterruptedException;
// 提交 tasks 中所有任务，哪个任务先成功执行完毕，返回此任务执行结果，其它任务取消
<T> T invokeAny(Collection<? extends Callable<T>> tasks) throws InterruptedException, ExecutionException;
// 提交 tasks 中所有任务，哪个任务先成功执行完毕，返回此任务执行结果，其它任务取消，带超时时间
<T> T invokeAny(Collection<? extends Callable<T>> tasks, long timeout, TimeUnit unit)
throws InterruptedException, ExecutionException, TimeoutException;
7.2.7 关闭线程池
shutdown
/*
线程池状态变为 SHUTDOWN
- 不会接收新任务
- 但已提交任务会执行完
- 此方法不会阻塞调用线程的执行
*/
void shutdown();
public void shutdown() {
final ReentrantLock mainLock = this.mainLock;
mainLock.lock();
try {
checkShutdownAccess();
// 修改线程池状态
advanceRunState(SHUTDOWN);
// 仅会打断空闲线程
interruptIdleWorkers();
onShutdown(); // 扩展点 ScheduledThreadPoolExecutor
} finally {
mainLock.unlock();
}
// 尝试终结(没有运行的线程可以立刻终结，如果还有运行的线程也不会等)
tryTerminate();
}
shutdownNow
/*
线程池状态变为 STOP
- 不会接收新任务
- 会将队列中的任务返回
- 并用 interrupt 的方式中断正在执行的任务
*/
List<Runnable> shutdownNow();
public List<Runnable> shutdownNow() {
List<Runnable> tasks;
final ReentrantLock mainLock = this.mainLock;
mainLock.lock();
try {
checkShutdownAccess();
// 修改线程池状态
advanceRunState(STOP);
// 打断所有线程
interruptWorkers();
// 获取队列中剩余任务
tasks = drainQueue();
} finally {
mainLock.unlock();
}
// 尝试终结
tryTerminate();
return tasks;
}
其他方法
// 不再 RUNNING 状态的线程池，此方法就返回 true
boolean isShutdown();
// 线程池状态是否是 TERMINATED
boolean isTerminated();
// 调用 shutdown 后，由于调用线程并不会等待所有任务运行结束，因此如果它想在线程池 TERMINATED 后做些事情，可以利用此方法等待
boolean awaitTermination(long timeout, TimeUnit unit) throws InterruptedException;
7.2.8 任务调度线程池
在『任务调度线程池』功能加入之前，可以使用 java.util.Timer 来实现定时功能，Timer 的优点在于简单易用，但由于所有任务都是由同一个线程来调度，因此所有任务都是串行执行的，同一时间只能有一个任务在执行，前一个任务的延迟或异常都将会影响到之后的任务。
@Slf4j(topic = "c.TestTimer")
public class TestTimer {
public static void main(String[] args) {
Timer timer = new Timer();
TimerTask task1 = new TimerTask() {
@Override
public void run() {
log.debug("task1");
Sleeper.sleep(2);
}
};
TimerTask task2 = new TimerTask() {
@Override
public void run() {
log.debug("task2");
}
};
log.debug("start...");
// 使用 timer 添加两个任务，希望它们都在 1s 后执行
// 但由于 timer 内只有一个线程来顺序执行队列中的任务，因此『任务1』的延时，影响了『任务2』的执行
timer.schedule(task1, 1000);
timer.schedule(task2, 1000);
}
}
输出:
20:58:10.925 c.TestTimer [main] - start...
20:58:11.936 c.TestTimer [Timer-0] - task1
20:58:13.947 c.TestTimer [Timer-0] - task2
使用 ScheduledExecutorService 改写
@Slf4j(topic = "c.TestTimer")
public class TestTimer {
public static void main(String[] args) {
ScheduledExecutorService scheduledThreadPool = Executors.newScheduledThreadPool(2);
// 添加两个任务 让它们都在1s后执行
scheduledThreadPool.schedule(()->{
log.debug("task1");
Sleeper.sleep(2);
}, 1000, TimeUnit.MILLISECONDS);
scheduledThreadPool.schedule(()->{
log.debug("task2");
}, 1000, TimeUnit.MILLISECONDS);
}
}
输出
21:03:49.248 c.TestTimer [pool-1-thread-2] - task2
21:03:49.248 c.TestTimer [pool-1-thread-1] - task1
scheduleAtFixedRate 例子：
@Slf4j(topic = "c.TestTimer")
public class TestTimer {
public static void main(String[] args) {
log.debug("start...");
ScheduledExecutorService scheduledThreadPool = Executors.newScheduledThreadPool(1);
scheduledThreadPool.scheduleAtFixedRate(()->{
log.debug("running...");
}, 1, 1, TimeUnit.SECONDS);
}
}
输出(延时1s后每个1秒执行一次)
21:07:52.298 c.TestTimer [main] - start...
21:07:53.348 c.TestTimer [pool-1-thread-1] - running...
21:07:54.346 c.TestTimer [pool-1-thread-1] - running...
21:07:55.359 c.TestTimer [pool-1-thread-1] - running...
21:07:56.355 c.TestTimer [pool-1-thread-1] - running...
21:07:57.354 c.TestTimer [pool-1-thread-1] - running...
scheduleAtFixedRate 例子（任务执行时间超过了间隔时间）：
@Slf4j(topic = "c.TestTimer")
public class TestTimer {
public static void main(String[] args) {
log.debug("start...");
ScheduledExecutorService scheduledThreadPool = Executors.newScheduledThreadPool(1);
scheduledThreadPool.scheduleAtFixedRate(()->{
log.debug("running...");
Sleeper.sleep(2);
}, 1, 1, TimeUnit.SECONDS);
}
}
输出(一开始，延时 1s，接下来，由于任务执行时间 > 间隔时间，间隔被『撑』到了 2s)
21:10:12.973 c.TestTimer [main] - start...
21:10:14.021 c.TestTimer [pool-1-thread-1] - running...
21:10:16.024 c.TestTimer [pool-1-thread-1] - running...
21:10:18.037 c.TestTimer [pool-1-thread-1] - running...
21:10:20.046 c.TestTimer [pool-1-thread-1] - running...
21:10:22.054 c.TestTimer [pool-1-thread-1] - running...
scheduleWithFixedDelay 例子：
@Slf4j(topic = "c.TestTimer")
public class TestTimer {
public static void main(String[] args) {
//testTimer();
//testSchedulePool();
//testScheduleFixRate1();
//testScheduleFixRate2();
log.debug("start...");
ScheduledExecutorService scheduledThreadPool = Executors.newScheduledThreadPool(1);
scheduledThreadPool.scheduleWithFixedDelay(()->{
log.debug("running...");
Sleeper.sleep(2);
}, 1, 1, TimeUnit.SECONDS);
}
}
输出(一开始，延时 1s，scheduleWithFixedDelay 的间隔是 上一个任务结束 <-> 延时 <-> 下一个任务开始 所以间隔都是 3s)
21:12:56.787 c.TestTimer [main] - start...
21:12:57.845 c.TestTimer [pool-1-thread-1] - running...
21:13:00.859 c.TestTimer [pool-1-thread-1] - running...
21:13:03.870 c.TestTimer [pool-1-thread-1] - running...
21:13:06.891 c.TestTimer [pool-1-thread-1] - running...
:::info
整个线程池表现为：线程数固定，任务数多于线程数时，会放入无界队列排队。任务执行完毕，这些线
程也不会被释放。用来执行延迟或反复执行的任务。
:::
7.2.9 正确处理执行任务异常
方法1：主动捉异常
@Slf4j(topic = "c.TestThreadPoolException")
public class TestThreadPoolException {
public static void main(String[] args) {
ExecutorService pool = Executors.newFixedThreadPool(1);
pool.submit(() -> {
try {
log.debug("task1");
int i = 1 / 0;
} catch (Exception e) {
log.error("error:", e);
}
});
}
}
方法2：使用 Future
@Slf4j(topic = "c.TestThreadPoolException")
public class TestThreadPoolException {
public static void main(String[] args) throws ExecutionException, InterruptedException {
ExecutorService pool = Executors.newFixedThreadPool(1);
Future<Boolean> f = pool.submit(() -> {
log.debug("task1");
int i = 1 / 0;
return true;
});
log.debug("result:{}", f.get());
}
}
7.2.10 Tomcat线程池
Tomcat 在哪里用到了线程池呢
- LimitLatch 用来限流，可以控制最大连接个数，类似 J.U.C 中的 Semaphore 后面再讲
- Acceptor 只负责【接收新的 socket 连接】
- Poller 只负责监听 socket channel 是否有【可读的 I/O 事件】
- 一旦可读，封装一个任务对象（socketProcessor），提交给 Executor 线程池处理
- Executor 线程池中的工作线程最终负责【处理请求】
Tomcat 线程池扩展了 ThreadPoolExecutor，行为稍有不同
- 如果总线程数达到 maximumPoolSize
- 这时不会立刻抛 RejectedExecutionException 异常
- 而是再次尝试将任务放入队列，如果还失败，才抛出 RejectedExecutionException 异常
public void execute(Runnable command, long timeout, TimeUnit unit) {
submittedCount.incrementAndGet();
try {
super.execute(command);
} catch (RejectedExecutionException rx) {
if (super.getQueue() instanceof TaskQueue) {
final TaskQueue queue = (TaskQueue)super.getQueue();
try {
if (!queue.force(command, timeout, unit)) {
submittedCount.decrementAndGet();
throw new RejectedExecutionException("Queue capacity is full.");
}
} catch (InterruptedException x) {
submittedCount.decrementAndGet();
Thread.interrupted();
throw new RejectedExecutionException(x);
}
} else {
submittedCount.decrementAndGet();
throw rx;
}
}
}
public boolean force(Runnable o, long timeout, TimeUnit unit) throws InterruptedException {
if ( parent.isShutdown() )
throw new RejectedExecutionException(
"Executor not running, can't force a command into the queue"
);
return super.offer(o,timeout,unit); //forces the item onto the queue, to be used if the task is rejected
}
Connector 配置
Executor 线程配置
7.3 异步模式之工作线程
7.3.1 定义
让有限的工作线程（Worker Thread）来轮流异步处理无限多的任务。也可以将其归类为分工模式，它的典型实现就是线程池，也体现了经典设计模式中的享元模式。
例如，海底捞的服务员（线程），轮流处理每位客人的点餐（任务），如果为每位客人都配一名专属的服务员，那
么成本就太高了（对比另一种多线程设计模式：Thread-Per-Message）
注意，不同任务类型应该使用不同的线程池，这样能够避免饥饿，并能提升效率
例如，如果一个餐馆的工人既要招呼客人（任务类型A），又要到后厨做菜（任务类型B）显然效率不咋地，分成
服务员（线程池A）与厨师（线程池B）更为合理，当然你能想到更细致的分工
7.3.2 饥饿
固定大小线程池会有饥饿现象
- 两个工人是同一个线程池中的两个线程
- 他们要做的事情是：为客人点餐和到后厨做菜，这是两个阶段的工作
- 客人点餐：必须先点完餐，等菜做好，上菜，在此期间处理点餐的工人必须等待
- 后厨做菜：没啥说的，做就是了
- 比如工人A 处理了点餐任务，接下来它要等着 工人B 把菜做好，然后上菜，他俩也配合的蛮好
- 但现在同时来了两个客人，这个时候工人A 和工人B 都去处理点餐了，这时没人做饭了，饥饿
@Slf4j(topic = "c.TestStarvation")
public class TestStarvation {
private static final List<String> MENU = Arrays.asList("地三鲜", "宫保鸡丁", "辣子鸡丁", "烤鸡翅");
private static final Random RANDOM = new Random();
private static String cooking() {
return MENU.get(RANDOM.nextInt(MENU.size()));
}
public static void main(String[] args) {
ExecutorService executorService = Executors.newFixedThreadPool(2);
/*点餐之后上菜 */
executorService.execute(() -> {
log.debug("处理点餐...");
Future<String> future = executorService.submit(() -> {
log.debug("做菜");
return cooking();
});
try {
log.debug("上菜：{}", future.get());
} catch (InterruptedException | ExecutionException e) {
e.printStackTrace();
}
});
/*executorService.execute(() -> {
log.debug("处理点餐...");
Future<String> future = executorService.submit(() -> {
log.debug("做菜");
return cooking();
});
try {
log.debug("上菜：{}", future.get());
} catch (InterruptedException | ExecutionException e) {
e.printStackTrace();
}
});*/
/*线程池处理两个点餐任务 导致做菜任务阻塞等待。。*/
}
}
输出
19:14:01.974 c.TestStarvation [pool-1-thread-1] - 处理点餐...
19:14:01.990 c.TestStarvation [pool-1-thread-2] - 做菜
19:14:01.990 c.TestStarvation [pool-1-thread-1] - 上菜：宫保鸡丁
当注释取消后，可能的输出
19:12:36.077 c.TestStarvation [pool-1-thread-1] - 处理点餐...
19:12:36.077 c.TestStarvation [pool-1-thread-2] - 处理点餐...
解决方法可以增加线程池的大小，不过不是根本解决方案，还是前面提到的，不同的任务类型，采用不同的线程池，例如：
@Slf4j(topic = "c.TestStarvation")
public class TestStarvation {
private static final List<String> MENU = Arrays.asList("地三鲜", "宫保鸡丁", "辣子鸡丁", "烤鸡翅");
private static final Random RANDOM = new Random();
private static String cooking() {
return MENU.get(RANDOM.nextInt(MENU.size()));
}
public static void main(String[] args) {
ExecutorService waiterService = Executors.newFixedThreadPool(2);
ExecutorService cookerService = Executors.newFixedThreadPool(2);
/*点餐之后上菜 */
waiterService.execute(() -> {
log.debug("处理点餐...");
Future<String> future = cookerService.submit(() -> {
log.debug("做菜");
return cooking();
});
try {
log.debug("上菜：{}", future.get());
} catch (InterruptedException | ExecutionException e) {
e.printStackTrace();
}
});
waiterService.execute(() -> {
log.debug("处理点餐...");
Future<String> future = cookerService.submit(() -> {
log.debug("做菜");
return cooking();
});
try {
log.debug("上菜：{}", future.get());
} catch (InterruptedException | ExecutionException e) {
e.printStackTrace();
}
});
}
}
输出
19:15:50.354 c.TestStarvation [pool-1-thread-1] - 处理点餐...
19:15:50.354 c.TestStarvation [pool-1-thread-2] - 处理点餐...
19:15:50.370 c.TestStarvation [pool-2-thread-1] - 做菜
19:15:50.370 c.TestStarvation [pool-2-thread-2] - 做菜
19:15:50.370 c.TestStarvation [pool-1-thread-1] - 上菜：地三鲜
19:15:50.370 c.TestStarvation [pool-1-thread-2] - 上菜：宫保鸡丁
7.3.3 创建多少线程池合适
- 过小会导致程序不能充分地利用系统资源、容易导致饥饿
- 过大会导致更多的线程上下文切换，占用更多内存
CPU 密集型运算
通常采用** cpu 核数 + 1 **能够实现最优的 CPU 利用率，+1 是保证当线程由于页缺失故障（操作系统）或其它原因导致暂停时，额外的这个线程就能顶上去，保证 CPU 时钟周期不被浪费
I/O 密集型运算
CPU 不总是处于繁忙状态，例如，当你执行业务计算时，这时候会使用 CPU 资源，但当你执行 I/O 操作时、远程RPC 调用时，包括进行数据库操作时，这时候 CPU 就闲下来了，你可以利用多线程提高它的利用率。
经验公式如下
线程数 = 核数 * 期望 CPU 利用率 * 总时间(CPU计算时间+等待时间) / CPU 计算时间
例如 4 核 CPU 计算时间是 50% ，其它等待时间是 50%，期望 cpu 被 100% 利用，套用公式
4 * 100% * 100% / 50% = 8
例如 4 核 CPU 计算时间是 10% ，其它等待时间是 90%，期望 cpu 被 100% 利用，套用公式
4 * 100% * 100% / 10% = 40
7.4 应用之定时任务
如何让每周四 18:00:00 定时执行任务？
@Slf4j(topic = "c.TestScheduleTask")
public class TestScheduleTask {
public static void main(String[] args) {
// 1. 获取当前时间
LocalDateTime now = LocalDateTime.now();
// 2. 获取周六时间 本周六或者下周六。。。
LocalDateTime targetTime = now.withHour(21).withMinute(38).withSecond(0).withNano(0).with(DayOfWeek.SATURDAY);
if (now.compareTo(targetTime) > 0) {
//如果当前时间>本周周六 必须找到下周周六
targetTime = targetTime.plusWeeks(1);
}
// 3. 获取延迟时间
long initialDelay = Duration.between(now, targetTime).toMillis();
// 4. 周期为每周
long period = 7 * 24 * 60 * 60 * 1000;
ScheduledExecutorService scheduledThreadPool = Executors.newScheduledThreadPool(1);
scheduledThreadPool.scheduleAtFixedRate(() -> {
log.debug("running");
}, initialDelay, period, TimeUnit.MILLISECONDS);
}
}
7.5 Fork/Join
7.5.1 概念
Fork/Join 是 JDK 1.7 加入的新的线程池实现，它体现的是一种分治思想，适用于能够进行任务拆分的 cpu 密集型运算。
所谓的任务拆分，是将一个大任务拆分为算法上相同的小任务，直至不能拆分可以直接求解。跟递归相关的一些计算，如归并排序、斐波那契数列、都可以用分治思想进行求解。
Fork/Join 在分治的基础上加入了多线程，可以把每个任务的分解和合并交给不同的线程来完成，进一步提升了运算效率。
Fork/Join 默认会创建与 cpu 核心数大小相同的线程池。
7.5.2 使用
提交给 Fork/Join 线程池的任务需要继承 RecursiveTask（有返回值）或 RecursiveAction（没有返回值），例如下面定义了一个对 1~n 之间的整数求和的任务。
@Slf4j(topic = "c.TestForkJoin")
public class TestForkJoin {
public static void main(String[] args) {
ForkJoinPool forkJoinPool = new ForkJoinPool(4);
log.debug(forkJoinPool.invoke(new AddTask1(5)) + "");
}
}
@Slf4j(topic = "c.AddTask1")
class AddTask1 extends RecursiveTask<Integer> {
int n;
public AddTask1(int n) {
this.n = n;
}
@Override
public String toString() {
return "{" + n + '}';
}
@Override
protected Integer compute() {
if (n == 1) {
// 如果 n 已经为 1，可以求得结果了
log.debug("join() -> {}", 1);
return n;
}
// 将任务进行拆分(fork)
AddTask1 task1 = new AddTask1(n - 1);
task1.fork();
log.debug("fork() -> {}+{}", n, task1);
// 合并(join)结果
int result = n + task1.join();
log.debug("join() -> {}+{}={}", n, task1, result);
return result;
}
}
结果：
21:52:44.393 c.AddTask1 [ForkJoinPool-1-worker-1] - fork() -> 5+{4}
21:52:44.393 c.AddTask1 [ForkJoinPool-1-worker-3] - fork() -> 3+{2}
21:52:44.393 c.AddTask1 [ForkJoinPool-1-worker-2] - fork() -> 4+{3}
21:52:44.393 c.AddTask1 [ForkJoinPool-1-worker-0] - fork() -> 2+{1}
21:52:44.396 c.AddTask1 [ForkJoinPool-1-worker-3] - join() -> 1
21:52:44.397 c.AddTask1 [ForkJoinPool-1-worker-0] - join() -> 2+{1}=3
21:52:44.397 c.AddTask1 [ForkJoinPool-1-worker-3] - join() -> 3+{2}=6
21:52:44.397 c.AddTask1 [ForkJoinPool-1-worker-2] - join() -> 4+{3}=10
21:52:44.397 c.AddTask1 [ForkJoinPool-1-worker-1] - join() -> 5+{4}=15
21:52:44.397 c.TestForkJoin [main] - 15
用图来表示
改进：
@Slf4j(topic = "c.TestForkJoin")
public class TestForkJoin {
public static void main(String[] args) {
ForkJoinPool forkJoinPool = new ForkJoinPool(4);
//log.debug(forkJoinPool.invoke(new AddTask1(5)) + "");
log.debug(forkJoinPool.invoke(new AddTask3(1,10)) + "");
}
}
@Slf4j(topic = "c.AddTask3")
class AddTask3 extends RecursiveTask<Integer> {
int begin;
int end;
public AddTask3(int begin, int end) {
this.begin = begin;
this.end = end;
}
@Override
public String toString() {
return "{" + begin + "," + end + "}";
}
@Override
protected Integer compute() {
if (begin == end) {
log.debug("join() -> {}", begin);
return begin;
}
if (end - begin == 1) {
log.debug("join() -> {}+{}={}", begin, end, end + begin);
return end + begin;
}
int mid = (end + begin) / 2;
// 将任务进行拆分(fork)
AddTask3 task1 = new AddTask3(begin, mid);
task1.fork();
AddTask3 task2 = new AddTask3(mid + 1, end);
task2.fork();
log.debug("fork() -> {}+{}", task1, task2);
// 合并(join)结果
int result = task1.join() + task2.join();
log.debug("join() -> {}+{}={}", task1, task2, result);
return result;
}
}
结果：
22:04:27.616 c.AddTask3 [ForkJoinPool-1-worker-0] - join() -> 1+2=3
22:04:27.616 c.AddTask3 [ForkJoinPool-1-worker-1] - fork() -> {1,3}+{4,5}
22:04:27.616 c.AddTask3 [ForkJoinPool-1-worker-3] - join() -> 4+5=9
22:04:27.616 c.AddTask3 [ForkJoinPool-1-worker-2] - fork() -> {1,2}+{3,3}
22:04:27.619 c.AddTask3 [ForkJoinPool-1-worker-0] - join() -> 3
22:04:27.619 c.AddTask3 [ForkJoinPool-1-worker-2] - join() -> {1,2}+{3,3}=6
22:04:27.619 c.AddTask3 [ForkJoinPool-1-worker-1] - join() -> {1,3}+{4,5}=15
22:04:27.619 c.TestForkJoin [main] - 15
用图来表示
846
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
