Java性能权威指南-总结16

线程与同步的性能

能够轻松编写多线程程序也是Java的一个标志性特征。Java性能方面的吸引力显而易见：如果有两个CPU可用，那么一个应用能够完成的工作量可能是原来的2倍，或者是以快1倍的时间完成相同的工作量。当然，这是在假设任务可以分解成离散的片段的前提之下的，因为Java不是能自动找出算法性部分并实现并行化的语言。今日所见之计算，往往是离散性的任务：服务器处理来自离散的客户端的同步请求，批处理作业在一系列数据上执行相同的操作，数学算法可以分节成多个组成部分，诸如此类。此部分探讨的主题是，如何挖掘出Java线程和同步设施的最大性能。

线程池与ThreadPoolExecutor

在Java中，线程可以使用定制的代码来管理；应用也可以利用线程池。Java EE应用服务器就是围绕用一个或多个线程池处理请求这一概念构建的：对服务器上Servlet的每个调用都是通过池中的线程处理的(也有可能不同)。类似地，其他应用可以使用Java的ThreadPoolExecutor并行执行任务。

有些Java EE应用服务器就是使用ThreadPoolExecutor类的实例来管理其任务的，尽管有些应用服务器编写了自己的线程池，不过一般也仅仅是因为当时Java API中还没有加入ThreadPoolExecutor类而已。不过在这些情况下，线程池的实现可能会有所不同，但基本概念是一样的。在使用线程池时，有一个因素非常关键：调节线程池的大小对获得最好的性能至关重要。线程池的性能会随线程池大小这一基本选择而有所不同，在某些条件下，线程池过大对性能也有很大的不利影响。

所有线程池的工作方式本质是一样的：**有一个队列，任务被提交到这个队列中。(可以有不止一个队列，概念是一样的。)一定数量的线程会从该队列中取任务，然后执行。**任务的结果可以发回客户端(比如应用服务器的情况下),或保存到数据库中，或保存到某个内部数据结构中，等等。但是在执行完任务后，这个线程会返回任务队列，检索另一个任务并执行(如果没有更多任务要执行，该线程会等待下一个任务)。

线程池有最小线程数和最大线程数。池中会有最小数目的线程随时待命，等待任务指派给它们。因为创建线程的成本非常高昂，这样可以提高任务提交时的整体性能：已有的线程会拿到该任务并处理。另一方面，线程需要一些系统资源，包括栈所需的原生内存，如果空闲线程太多，就会消耗本来可以分配给其他进程的资源。最大线程数还是一个必要的限流阀，防止一次执行太多线程。

ThreadPoolExecutor和相关的类将最小线程数称作核心池大小，大部分应用服务器会使用类似minimum(最小值)的术语(如MinThreads)。它们是同一个概念。然而，在决定何时调整线程池大小的方式上，ThreadPoolExecutor和大部分Java EE应用服务器有些重要的差别。本节后面会探讨这些差别。现在，考虑ThreadPooLExecutor的最简单的情况，大部分Java EE应用服务器也是这么工作的：如果有个任务要执行，而所有的并发线程都在忙于执行另一个任务，就启动一个新线程(直到创建的线程达到最大线程数)。

设置最大线程数

先来设定最大线程数：对于给定硬件上的给定负载，最大线程数设置为多少最好?这个问题回答起来并不简单；它取决于负载特性以及底层硬件。特别是，最优线程数还与每个任务阻塞的频率有关。

为方便讨论，假设JVM有4个CPU可用。至于是系统只有4个CPU,还是说有128个硬件线程但本次只想利用其中的4个，并不重要，因为目标就是最大化这4个CPU的利用率。

很明显，最大线程数至少要设置为4。的确，除了处理这些任务，JVM中还有些线程要做其他的事，但是它们几乎从来不会占用一个完整的CPU。

如果线程数多于4,会有帮助吗?这时就要看负载特性了。考虑最简单的情况，假定任务都是计算密集型的：没有外部网络调用(比如不会访问数据库),也不会激烈地竞争内部锁。在使用模实体管理器(mock entity manager)的情况下，股价历史批处理程序就是一个这样的应用：实体上的数据完全可以并行计算。

下面就使用线程池计算一下10000个模股票实体的历史，假设机器有4个CPU,使用不同的线程数测试，具体的性能数据见下表。如果池中只有1个线程，计算数据集需要255.6秒；用4个线程，则只需要77秒。如果线程数超过4个，随着线程数的增加，需要的时间会稍多一些。

如果应用中的任务是完全并行的，则在有2个线程时，“与基准的百分比”这列为50%;在有4个线程时，这列为25%。但是这种完全线性的比例不可能出现，原因有这么几点：如果没有其他线程帮助，这些线程必须自己来协同，实现从运行队列中选取任务(一般而言，通常会有更多同步)。到了使用4个线程的时候，系统会100%消耗可用的CPU,尽管机器可能没有运行其他用户级的应用，但是会有各种系统级的进程进来，并使用CPU,从而使得JVM无法100%地使用所有CPU周期。

这个应用在伸缩性方面表现还不错，且即使池中的线程数被显著高估，性能损失也比较轻微。不过在其他情况下，性能损失可能会很大。在Servlet版的股票历史计算程序中，线程太多的话，影响会很大，如下表所示。应用服务器分别配置成不同的线程数，有一个负载生成器会向该服务器发送20个同步的(simultaneous)请求。

鉴于应用服务器有4个CPU可用，最大吞吐量可以通过将池中的线程数设置为4来实现。在研究性能问题时确定瓶颈在哪儿比较重要。 在这个例子中，瓶颈很明显是CPU:4个线程时，CPU利用率为100%。不过加入更多线程的影响其实很小，至少当线程数是原来的8倍时才会有明显的差别。

如果瓶颈在其他地方呢?这个例子有点不同寻常，任务完全是CPU密集型的：没有I/O。一般来说，线程有可能会调用数据库，或者把输出写到某个地方，甚至是会合其他某些资源。在那种情况下，瓶颈未必是CPU,而可能是外部资源。对于此类情况，添加线程非常有害。

仍以股票Servlet为例，把目标变一下：如果目标是最大限度地利用负载生成器机器，又会如何，是简单地运行一个多线程的Java程序吗?在典型的用法中，如果Servlet应用运行在一个有4个CPU的应用服务器上，而且只有一个客户端请求数据，那么，应用服务器大约会25%忙碌，客户端机器几乎总是空闲的。如果负载增加到4个并发的客户端，则应用服务器会100%忙碌，客户端机器可能只有20%的忙碌。

只看客户端，很容易得出这样的结论：因为客户端CPU大量过剩，应该可以添加更多线程，改善其伸缩性。下表说明了这种假设何其错误：当客户端再加入一些线程时，性能会受到极大影响。

在这个例子中，一旦应用服务器成为瓶颈(也就是说，线程数达到4个时),向服务器增加负载是非常有害的——即使只是在客户端加了几个线程。这个例子看上去可能有点有意为之。如果服务器已经是CPU密集型的，谁还会加入更多线程呢?之所以使用这个例子，只是因为它容易理解，而且仅使用了Java程序。这意味着自己就可以运行，并理解它是如何工作的，而不必设置数据库连接、模式(Schema)等选项。

需要指出的是，对于还要向CPU密集型或I/O密集型的机器发送数据库请求的应用服务器而言，同样的原则也成立。你可能只关注应用服务器CPU,看到小于100%就感觉不错；看到有多余的请求要处理，就假定增加应用服务器的线程数是个不错的主意。结果会让人大吃一惊，因为在那种情况下增加线程数，实际上会降低整体吞吐量(影响可能非常明显),就像前面那个只有Java程序的例子一样。了解系统真正瓶颈之所在非常重要的另一个原因是：如果还向瓶颈处增加负载，性能会显著下降。相反，如果减少了当前瓶颈处的负载，性能可能会上升。

这也是设计自我调优的线程池非常困难的原因所在。线程池通常对挂起了多少工作有所了解，甚至有多少CPU可用也可以知道，但是它们通常看不到所在的整个环境的其他方面。因此，当有工作挂起时，增加线程(这是很多自我调优的线程池的一个核心特性，也是ThreadPoolExecutor的某些配置)往往是完全错误的。

遗憾的是，设置最大线程数更像是艺术而非科学，原因也在于此。在现实中，测试条件下自我调优的线程池会实现可能性能的80%~90%;而且就算高估了所需线程数，也可能只有很小的损失。但是当设置线程数大小这方面出了问题时，系统可能会在很大程度上出现问题。就此而言，充足的测试仍然非常关键。

设置最小线程数

一旦确定了线程池的最大线程数，就该确定所需的最小线程数了。大部分情况下，开发者会直截了当地将它们设置为同一个值。

将最小线程数设置为其他某个值(比如1),出发点是防止系统创建太多线程，以节省系统资源。因为每个线程都需要一定量的内存，特别是线程的栈。所设置的系统大小应该能够处理预期的最大吞吐量，而要达到最大吞吐量，系统将需要创建所有那些线程。 如果系统做不到这一点，那选择一个最小线程数也没什么帮助：如果系统达到了这样的条件——需要按所设置的最大线程数启动所有线程，而又无法满足，系统将陷入困境。创建最终可能会需要的所有线程，并确保系统可以处理预期的最大负载，这样更好。

另一方面，指定一个最小线程数的负面影响相当小。如果第一次就有很多任务要执行，会有负面影响：这时线程池需要创建一个新线程。创建线程对性能不利，这也是为什么起初需要线程池的原因，不过这种一次性的成本在性能测试中很可能察觉不到(只要这个线程仍然在池中)。

在批处理应用中，线程是在创建线程池时分配(如果将最大线程数和最小线程数设置为同一个值，就会出现这种情况)，还是按需分配，并不重要：执行应用所需的时间是一样的。在其他应用中，新线程可能会在预热阶段分配(分配线程的总时间还是一样的),对性能的影响可以忽略不计。即使线程创建发生在可以测量的周期内，只要此类操作有限，也很有可能测不出来。

另一个可以调优的地方是线程的空闲时间。比如，某个线程池的最小线程数为1,最大线程数为4。现在假设一般会有一个线程在执行，处理一个任务；然后应用进入这样一个循环：每15秒，负载平均有2个任务要执行。第一次进入这个循环时，线程池会创建第2个线程，此时，让这个新创建的线程在池中至少留存一段时间是有意义的。希望避免这种情况：第2个线程创建出来后，5秒钟内结束其任务，空闲5秒，然后退出了。而5秒之后又需要为下一个任务创建一个线程。一般而言，对于线程数为最小值的线程池，一个新线程一旦创建出来，至少应该留存几分钟，以处理任何负载飙升。如果任务到达率有个比较好的模型，可以基于这个模型设置空闲时间。另外，空闲时间应该以分钟计，而且至少在10分钟到30分钟之间。

留存一些空闲线程，对应用性能的影响通常微乎其微。一般而言，线程对象本身不会占用大量的堆空间。除非线程保持了大量的线程局部存储，或者线程的Runnable对象引用了大量内存。不管是哪种情况，释放这样的线程都会显著减少堆中的活数据(这反过来又会影响GC的效率)。

不过对线程池而言，这些情况并不多见。当池中的某个对象空闲时，它就不应该再引用任何Runnable对象(如果引用了，就说明哪个地方有bug了)。根据线程池的实现情况，线程局部变量可能会继续保留；尽管在某些情况下，线程局部变量可以有效促成对象重用，但是那些线程局部对象所占用的总的内存量，应该加以限制。

对于可能会增长到非常大(当然也是运行在规模很大的机器上)的线程池，这个规则有个重要的特例。举例而言，假设某个线程池的任务队列预计平均有20个任务，那么20就是很好的最小值。再假设这个池运行在一个规模很大的机器上，它被设计为可以处理2000个任务的峰值负载。如果在池中留存2000个空闲线程，则当只有20个任务时，对性能会有所影响：如果只有核心的20个线程忙碌，与有1980个空闲线程相比，前者的吞吐量可能是后者的50%。线程池一般不会遇到这样的问题，但如果遇到了，那就应该确认一下池的合适的最小值了。