ThreadPoolExecutor线程池源码分析

开始沉下心来好好分析jdk的类:
1.ThreadPoolExecutor中的主要变量:

runState:线程池的状态 有三种:RUNNING:0;SHUTDOWN:1;STOP:2;TERMINATED:3,默认是0;
BlockingQueue<Runnable> workQueue:所有要执行的任务;
HashSet<Worker> workers:池中所有的线程,它的数量和poolSize保持一致;
long keepAliveTime:当workers中的线程数量超过corePoolSize时,空闲时间超过这个字段的值的空闲线程就会被回收掉;
boolean allowCoreThreadTimeOut:是否允许核心线程数(corePoolSize)超时,如果值为true,当核心线程数超过keepAliveTime时,就会被回收,默认为falseint corePoolSize:核心线程数,workers中的元素小于这个值时,有任务就新建线程;
int maximumPoolSize:线程池中的最大线程数,如果线程数超过此值,并且workQueue队列已满,则拒绝接受任务;
int poolSize:当前线程池中的线程数量,和workers中的元素数量一致;

2.创建ThreadPoolExecutor,建议使用Executors工厂类进行创建,也可以自己new,自己创建时需要设置合适的参数来保证线程池运行最优。
我们执行下面的初始化方法:

ThreadPoolExecutor executor = new ThreadPoolExecutor(3,8,60,TimeUnit.SECONDS, new LinkedBlockingQueue<Runnable>(500), new ThreadPoolExecutor.CallerRunsPolicy()));

此方法执行之后,池中各主要变量的变化为:
runState:0; workQueue容量为500;workers为0;keepAliveTime:60秒;corePoolSize:3;maximumPoolSize:8 pooleSize:0

3.执行一次threadPoolExecutor.execute(Runnable)之后,各变量的变化:
workers中多了一个线程,poolSize为1;workQueue中没有元素,只有workers中的元素数量大于等于corePoolSize(3)时,才开始往workQueue中放元素;其他的主要变量在初始化之后,不再变化,以后变化的也就是workers、poolSize、workQueue、runState这四个变量。

4.分析execute()方法源码,来看看怎么使用这些变量的,主要有三种情况:

  1. poolSize<corePoolSize
  2. poolSize>=corePoolSize&&workQueue队列没满
  3. poolSize>=corePoolSize&&workQueue队列已满&&poolSize<maximumPoolSize

源码如下:

public void execute(Runnable command) {
    if (command == null)
    throw new NullPointerException();
    if (poolSize >= corePoolSize || !addIfUnderCorePoolSize(command)) {
        if (runState == RUNNING && workQueue.offer(command)) {
        if (runState != RUNNING || poolSize == 0)
        ensureQueuedTaskHandled(command);
    } else if (!addIfUnderMaximumPoolSize(command))
        reject(command); // is shutdown or saturated
    }
}

第一种情况:poolSize<corePoolSize
前三次
先看if (poolSize >= corePoolSize || !addIfUnderCorePoolSize(command))这一行,在前三次(含第三次)执行execute方法时,poolSize >= corePoolSize这个条件是不成立的,因为corePoolSize设置的是3,而poolSize的初始值是0,每执行一次excute方法,poolSize加1。那接下来看后面的这个条件:!addIfUnderCorePoolSize(command),此方法源码为:

private boolean addIfUnderCorePoolSize(Runnable firstTask) {
    Thread t = null;
    final ReentrantLock mainLock = this.mainLock;
    mainLock.lock();
    try {
        if (poolSize < corePoolSize && runState == RUNNING)
            t = addThread(firstTask);
    } finally {
        mainLock.unlock();
    }
    if (t == null)
        return false;
    t.start();
    return true;
}

每次调用execute方法都会调用addIfUnderCorePoolSize方法,前三次执行到execute时,也及时前三次执行addIfUnderCorePoolSize方法时,if (poolSize < corePoolSize && runState == RUNNING)这个条件是成立的,会每次都执行到 t = addThread(firstTask);来新创建一个线程,然后启动线程,返回true。addIfUnderCorePoolSize方法执行完回到execute方法中调用的地方 !addIfUnderCorePoolSize(command)=false,所以前三次执行execute方法,只执行到 if (poolSize >= corePoolSize || !addIfUnderCorePoolSize(command))就结束了,条件里的代码是不执行的。
回过头再看下 t = addThread(firstTask)这个方法:

private Thread addThread(Runnable firstTask) {
    Worker w = new Worker(firstTask);
    Thread t = threadFactory.newThread(w);
    if (t != null) {
        w.thread = t;
        workers.add(w);
        int nt = ++poolSize;
        if (nt > largestPoolSize)
        largestPoolSize = nt;
    }
    return t;
}

这个方法主要是将提交的任务封装到ThreadPoolExecutor的内部类Worker中,这个worker就是真正执行任务的线程,将worker放入workers中进行缓存,同时poolSize加1来记录池中线程的数量。

执行到的这些代码的意思也就明了了:当池中的线程数小于核心线程数时,有任务提交时,任务既不会往workQueue中放,也不会使用workers中已有的空闲线程,而是直接新建线程来执行任务。

第二种情况:poolSize>=corePoolSize&&workQueue队列没满

public void execute(Runnable command) {
    if (command == null)
        throw new NullPointerException();
    if (poolSize >= corePoolSize ||!addIfUnderCorePoolSize(command)) {
        if (runState == RUNNING && workQueue.offer(command)) {
            if (runState != RUNNING || poolSize == 0)
                ensureQueuedTaskHandled(command);
            } else if (!addIfUnderMaximumPoolSize(command))
                reject(command); // is shutdown or saturated
    }
}

这种情况下addIfUnderCorePoolSize方法不会执行了,poolSize >= corePoolSize成立,直接进入判断条件内部,如果没有调用shutDown之类的方法,runState值依然是RUNNIING状态,并且将提交的任务放到任务队列workQueue中排队等待执行,execute方法执行结束。
第二种情况的意思就是:当池中的线程数大于等于核心线程数时,会把任务提交到workQueue任务队列中排队等待被执行。

第三种情况:poolSize>=corePoolSize&&workQueue队列已满&&poolSize<maximumPoolSize

public void execute(Runnable command) {
    if (command == null)
        throw new NullPointerException();
    if (poolSize >= corePoolSize ||!addIfUnderCorePoolSize(command)) {
        if (runState == RUNNING &&workQueue.offer(command)) {
        if (runState != RUNNING || poolSize == 0)
            ensureQueuedTaskHandled(command);
        }else if (!addIfUnderMaximumPoolSize(command))
            reject(command); // is shutdown or saturated
    }
}

这种情况下:runState==RUNNING依然成立,只不过workQueue.offer(command)会返回false,因为队列已经满了,从而开始执行到else if (!addIfUnderMaximumPoolSize(command))这一行,看addIfUnderMaximumPoolSize方法的源码:

private boolean addIfUnderMaximumPoolSize(Runnable firstTask) {
    Thread t = null;
    final ReentrantLock mainLock = this.mainLock;
    mainLock.lock();
    try {
        if (poolSize < maximumPoolSize && runState == RUNNING)
            t = addThread(firstTask);
    } finally {
        mainLock.unlock();
    }
    if (t == null)
        return false;
    t.start();
    return true;
}

addIfUnderMaximumPoolSize方法和addIfUnderCorePoolSize唯一不一样的地方就是前者是拿poolSize和maximumPoolSize比较,后者是拿poolSize和corePoolSize比较。

第三种情况表达的意思就是:池中的线程数大于等于核心线程数,并且任务队列也已满,且线程数小于最大线程数,就会继续创建worker线程来执行提交的任务。
如果任务队列满了,并且池中的线程数大于或等于最大线程数了,再提交的任务就会根据指定的策略来拒绝任务了。

以上是池中的线程增加的过程,那增加到最大线程数后,队列里没有要处理的任务了,线程数是怎么减下去的呢?这个就需要通过分析Worker内部类来了解了。
待续。。。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值