java线程池原理及使用
一、为什么使用线程池
1.线程池做的工作主要是控制运行的线程的数量,处理过程中将任务放入队列,然后在线程创建后启动给这些任务,如果线程数量超过了最大数量,超出数量的线程排队等候,等其他线程执行完毕,再从队列中取出任务来执行
2.线程池主要特点
线程复用、控制最大并发数、管理线程
- 降低资源消耗,通过重复利用已创建的线程降低线程创建和销毁造成的消耗
- 提过响应速度。当任务到达时,任务可以不需要等到线程创建就能立即执行
- 提高线程的客观理想。线程是稀缺资源,如果无限制的创建,不仅会消耗系统资源,还会降低系统的稳定性,使用线程池可以进行统一的分配,调优和监控
二、线程池的几个重要参数
public ThreadPoolExecutor(int corePoolSize,
int maximumPoolSize,
long keepAliveTime,
TimeUnit unit,
BlockingQueue<Runnable> workQueue,
ThreadFactory threadFactory,
RejectedExecutionHandler handler)
1.corePoolSize:线程池中常驻核心线程数
- 在创建了线程池后,当有请求任务来之后,就会安排池中的线程去执行请求任务
- 当线程池的线程数达到corePoolSize后,就会把到达的任务放到缓存队列当中
2.maximumPoolSize:线程池能够容纳同时执行的最大线程数,必须大于等于1
3.keepAliveTime:多余的空闲线程的存活时间
- 当前线程池数量超过corePoolSize时,档口空闲时间达到keepAliveTime值时,多余空闲线程会被销毁到只剩下corePoolSize个线程为止
4.unit:keepAliveTime的单位
5.workQueue:任务队列,被提交但尚未被执行的任务
6.threadFactory:表示生成线程池中工作线程的线程工厂,用于创建线程一般用默认的即可
7.handler:拒绝策略,表示当队列满了并且工作线程大于等于线程池的最大线程数(maximumPoolSize)时如何来拒绝请求执行的runable的策略
关于拒绝策略介绍
1.什么是拒绝策略 等待队列也已经排满了,再也塞不下新任务了,同时线程池中的max线程也达到了,无法继续为新任务服务。这时我们就需要拒绝策略机制合理的处理这个问题。
2.JDK内置的拒绝策略
- AbortPolicy(默认)
直接抛出RejectedExecutionException异常阻止系统正常运行- CallerRunsPolicy
”调用者运行“一种调节机制,该策略既不会抛弃任务,也不会抛出异常,而是将某些任务回退到调用者,从而降低新任务的流量- DiscardOldestPolicy
抛弃队列中等待最久的任务,然后把当前任务加入队列中尝试再次提交当前任务- DiscardPolicy
直接丢弃任务,不予任何处理也不抛异常。如果允许任务丢失,这是最好的一种方案
三、线程池如何使用
1.架构说明
Java中的线程池是通过Executor框架实现的,该框架中用到了
Executor、Executors、ExecutorService、ThreadPoolExecutor
2.编码实现
实现有五种,Executors.newScheduledThreadPool()是带时间调度的,java8新推出Executors.newWorkStealingPool(int),使用目前机器上可用的处理器作为他的并行级别
三种重要的线程池
Executors.newFixedThreadPool(int)
- 创建一个定长线程池,可控制线程最大并发数,超出的线程回在队列中等待。
- newFixedThreadPool创建的线程池corePoolSize和maximumPoolSize值是相等的,他使用的是LinkedBlockingQueue
- 适用场景:执行长期的任务,性能好很多
Executors.newSingleThreadExecutor()
- 创建一个单线程话的线程池,他只会用唯一的工作线程来执行任务,保证所有任务按照指定顺序执行
- newSingleThreadExecutor将corePoolSize和maximumPoolSize都设置为1,使用LinkedBlockingQueue
- 适用场景:一个任务一个任务执行的场景
Executors.newCachedThreadPool()
- 创建一个可缓存线程池,如果线程池长度超过处理需要,可灵活回收空闲县城,若无可回收,则新建线程。
- newCachedThreadPool将corePoolSize设置为0,将maximumPoolSize设置为Integer.MAX_VALUE,使用的SynchronousQueue,也就是说来了任务就创建线程运行,当县城空闲超过60s,就销毁线程
- 适用场景:执行很多短期异步的小程序或负载较轻的服务器
四、线程池底层工作原理
原理图
流程
1.在创建了线程池之后,等待提交过来的 人物请求。
2.当调用execute()方法添加一个请求任务时,线程池会做出如下判断
(1)如果正在运行的线程数量小于corePoolSize,那么马上创建线程运行这个任务;
(2)如果正在运行的线程数量大于或等于corePoolSize,那么将这个任务放入队列;
(3)如果此时队列满了且运行的线程数小于maximumPoolSize,那么还是要创建非核心线程立刻运行此任务
(4)如果队列满了且正在运行的线程数量大于或等于maxmumPoolSize,那么启动饱和拒绝策略来执行
3.当一个线程完成任务时,它会从队列中取下一个任务来执行
4.当一个线程无事可做超过一定的时间(keepAliveTime)时,线程池会判断:如果当前运行的线程数大于corePoolSize,那么这个线程会被停掉;所以线程池的所有任务完成后它最大会收缩到corePoolSize的大小
五、工作中如何使用线程池
1.选择创建线程池的方法
上面提到的三个重要的线程池都不用,生产上只能用自定义的
原因:
- 线程池不允许使用Executors创建,试试通过ThreadPoolExecutor的方式,规避资源耗尽风险
- FixedThreadPool和SingleThreadPool允许请求队列长度为Integer.MAX_VALUE,可能会堆积大量请求;
- CachedThreadPool和ScheduledThreadPool允许的创建线程数量为Integer.MAX_VALUE,可能会创建大量线程,导致OOM(内存溢出)
2.合理配置线程池参数
CPU密集型
- CPU密集的意思是该任务需要大量的运算,而没有阻塞,CPU一直全速运行
- CPU密集任务只有在真正多核CPU上才可能得到加速(通过多线程)
- 而在单核CPU上,无论你开几个模拟的多线程该任务都不可能得到加速,因为CPU总的运算能力就那些
- CPU密集型任务配置尽可能少的线程数量
- 一般公式:CPU核数+1个线程的线程池
IO密集型
- 由于IO密集型任务线程并不是一直在执行任务,则应配置经可能多的线程,如CPU核数 * 2
- IO密集型,即该任务需要大量的IO,即大量的阻塞。
- 在单线程上运行IO密集型的任务会导致浪费大量的 CPU运算能力浪费在等待。
- 所以在IO密集型任务中使用多线程可以大大的加速程序运行,即使在单核CPU上,这种加速主要就是利用了被浪费掉的阻塞时间。
- IO密集型时,大部分线程都阻塞,故需要多配置线程数
- 参考公式:
CPU核数/(1-阻塞系数) 阻塞系数在0.8~0.9之间
八核CPU:8/(1-0,9)=80
3.示例代码
package com.jian8.juc.thread;
import java.util.concurrent.*;
public class MyThreadPoolDemo {
public static void main(String[] args) {
// Executors.newFixedThreadPool(5);
// Executors.newSingleThreadExecutor();
// Executors.newCachedThreadPool();
ExecutorService threadPool = new ThreadPoolExecutor(
3,
5,
1L,
TimeUnit.SECONDS,
new LinkedBlockingDeque<>(3),
Executors.defaultThreadFactory(),
new ThreadPoolExecutor.DiscardPolicy());
//拒绝策略
// new ThreadPoolExecutor.AbortPolicy();
// new ThreadPoolExecutor.CallerRunsPolicy();
// new ThreadPoolExecutor.DiscardOldestPolicy();
// new ThreadPoolExecutor.DiscardPolicy();
try {
for (int i = 1; i <= 10; i++) {
threadPool.execute(() -> {
System.out.println(Thread.currentThread().getName() + "\t办理业务");
});
}
} catch (Exception e) {
e.printStackTrace();
} finally {
threadPool.shutdown();
}
}
}
运行结果: