共计 4559 个字符，预计需要花费 12 分钟才能阅读完成。
可能很多人都看到过一个线程数设置的实践：
- CPU 密集型的程序 – 外围数 + 1
- I/O 密集型的程序 – 外围数 * 2
不会吧，不会吧，真的有人依照这个实践布局线程数？
线程数和 CPU 利用率的小测试
抛开一些操作系统，计算机原理不谈，说一个根本的实践（不必纠结是否谨严，只为好了解）：
一个 CPU 外围，单位工夫内只能执行一个线程的指令
那么实践上，我一个线程只须要不停的执行指令，就能够跑满一个外围的利用率。
来写个死循环空跑的例子验证一下：
测试环境：AMD Ryzen 5 3600, 6 – Core, 12 – Threads
public class CPUUtilizationTest {public static void main(String[] args) {
// 死循环，什么都不做
while (true){}}
} 运行这个例子后，来看看当初 CPU 的利用率：
从图上能够看到，我的 3 号外围利用率曾经被跑满了
那基于下面的实践，我多开几个线程试试呢？
public class CPUUtilizationTest {public static void main(String[] args) {for (int j = 0; j < 6; j++) {new Thread(new Runnable() {
@Override
public void run() {while (true){}}
}).start();}
}
} 此时再看 CPU 利用率，1/2/5/7/9/11 几个外围的利用率曾经被跑满：
那如果开 12 个线程呢，是不是会把所有外围的利用率都跑满？答案肯定是会的：
如果此时我把下面例子的线程数持续减少到 24 个线程，会呈现什么后果呢？
从上图能够看到，CPU 利用率和上一步一样，还是所有外围 100%，不过此时负载曾经从 11.x 减少到了 22.x（load average 解释参考 scoutapm.com/blog/unders…），阐明此时 CPU 更忙碌，线程的工作无奈及时执行。
古代 CPU 根本都是多外围的，比方我这里测试用的 AMD 3600，6 外围 12 线程（超线程），咱们能够简略的认为它就是 12 外围 CPU。那么我这个 CPU 就能够同时做 12 件事，互不打搅。
如果要执行的线程大于外围数，那么就须要通过操作系统的调度了。操作系统给每个线程调配 CPU 工夫片资源，而后不停的切换，从而实现“并行”执行的成果。
然而这样真的更快吗？从下面的例子能够看出，一个线程 就能够把一个外围 的利用率跑满。如果每个线程都很“王道”，不停的执行指令，不给 CPU 闲暇的工夫，并且同时执行的线程数大于 CPU 的外围数，就会导致操作系统更频繁的执行切换线程执行，以确保每个线程都能够失去执行。
不过切换是有代价的，每次切换会随同着寄存器数据更新，内存页表更新等操作。尽管一次切换的代价和 I / O 操作比起来微不足道，但如果线程过多，线程切换的过于频繁，甚至在单位工夫内切换的耗时曾经大于程序执行的工夫，就会导致 CPU 资源过多的节约在上下文切换上，而不是在执行程序，得失相当。
下面死循环空跑的例子，有点过于极其了，失常状况下不太可能有这种程序。
大多程序在运行时都会有一些 I/ O 操作，可能是读写文件，网络收发报文等，这些 I/O 操作在进行时时须要期待反馈的。比方网络读写时，须要期待报文发送或者接管到，在这个期待过程中，线程是期待状态，CPU 没有工作。此时操作系统就会调度 CPU 去执行其余线程的指令，这样就完满利用了 CPU 这段闲暇期，进步了 CPU 的利用率。
下面的例子中，程序不停的循环什么都不做，CPU 要不停的执行指令，简直没有啥闲暇的工夫。如果插入一段 I / O 操作呢，I/O 操作期间 CPU 是闲暇状态，CPU 的利用率会怎么样呢？先看看单线程下的后果：
public class CPUUtilizationTest {public static void main(String[] args) throws InterruptedException {for (int n = 0; n < 1; n++) {new Thread(new Runnable() {
@Override
public void run() {while (true){
// 每次空循环 1 亿 次后，sleep 50ms，模仿 I/ O 期待、切换
for (int i = 0; i < 100_000_000l; i++) { }
try {Thread.sleep(50);
}
catch (InterruptedException e) {e.printStackTrace();
}
}
}
}).start();}
}
}
哇，惟一有利用率的 9 号外围，利用率也才 50%，和后面没有 sleep 的 100% 相比，曾经低了一半了。当初把线程数调整到 12 个看看：
单个外围的利用率 60 左右，和方才的单线程后果差距不大，还没有把 CPU 利用率跑满，当初将线程数减少到 18：
此时单核心利用率，曾经靠近 100% 了。由此可见，当线程中有 I/O 等操作不占用 CPU 资源时，操作系统能够调度 CPU 能够同时执行更多的线程。
当初将 I / O 事件的频率调高看看呢，把循环次数减到一半，50_000_000，同样是 18 个线程：
此时每个外围的利用率，大略只有 70% 左右了。
线程数和 CPU 利用率的小总结
下面的例子，只是辅助，为了更好的了解线程数 / 程序行为 /CPU 状态的关系，来简略总结一下：
- 一个极其的线程（不停执行“计算”型操作时），就能够把单个外围的利用率跑满，多外围 CPU 最多只能同时执行等于外围数的“极其”线程数
- 如果每个线程都这么“极其”，且同时执行的线程数超过外围数，会导致不必要的切换，造成负载过高，只会让执行更慢
- I/O 等暂停类操作时，CPU 处于闲暇状态，操作系统调度 CPU 执行其余线程，能够进步 CPU 利用率，同时执行更多的线程
- I/O 事件的频率频率越高，或者期待 / 暂停工夫越长，CPU 的闲暇工夫也就更长，利用率越低，操作系统能够调度 CPU 执行更多的线程
线程数布局的公式
后面的铺垫，都是为了帮忙了解，当初来看看书本上的定义。《Java 并发编程实战》介绍了一个线程数计算的公式：
Ncpu=CPU 外围数 Ncpu=CPU 外围数 Ncpu=CPU 外围数
Ucpu= 指标 CPU 利用率，0<=Ucpu<=1Ucpu= 指标 CPU 利用率，0<=Ucpu<=1Ucpu= 指标 CPU 利用率，0<=Ucpu<=1
WC= 等待时间和计算工夫的比例 \frac{W}{C}= 等待时间和计算工夫的比例 CW= 等待时间和计算工夫的比例
如果心愿程序跑到 CPU 的指标利用率，须要的线程数公式为：
Nthreads=Ncpu∗Ucpu∗(1+WC)Nthreads=NcpuUcpu(1+\frac{W}{C})Nthreads=Ncpu∗Ucpu∗(1+CW)
公式很清晰，当初来带入下面的例子试试看：
如果我冀望指标利用率为 90%（多核 90），那么须要的线程数为：
外围数 12 利用率 0.9 (1 + 50(sleep 工夫)/50(循环 50_000_000 耗时)) ≈ 22
当初把线程数调到 22，看看后果：
当初 CPU 利用率大略 80+，和预期比拟靠近了，因为线程数过多，还有些上下文切换的开销，再加上测试用例不够谨严，所以理论利用率低一些也失常。
把公式变个形，还能够通过线程数来计算 CPU 利用率：
Ucpu=NthreadsNcpu∗(1+WC)Ucpu=\frac{Nthreads}{Ncpu*(1+\frac{W}{C})}Ucpu=Ncpu∗(1+CW)Nthreads
线程数 22 / (外围数 12 * (1 + 50(sleep 工夫)/50(循环 50_000_000 耗时))) ≈ 0.9
尽管公式很好，但在实在的程序中，个别很难取得精确的等待时间和计算工夫，因为程序很简单，不只是“计算”。一段代码中会有很多的内存读写，计算，I/O 等复合操作，准确的获取这两个指标很难，所以光靠公式计算线程数过于理想化。
实在程序中的线程数
那么在理论的程序中，或者说一些 Java 的业务零碎中，线程数（线程池大小）布局多少适合呢？
先说论断：没有固定答案，先设定预期，比方我冀望的 CPU 利用率在多少，负载在多少，GC 频率多少之类的指标后，再通过测试一直的调整到一个正当的线程数
比方一个一般的，SpringBoot 为根底的业务零碎，默认 Tomcat 容器 +HikariCP 连接池 +G1 回收器，如果此时我的项目中也须要一个业务场景的多线程（或者线程池）来异步 / 并行执行业务流程。
此时我依照下面的公式来布局线程数的话，误差肯定会很大。因为此时这台主机上，曾经有很多运行中的线程了，Tomcat 有本人的线程池，HikariCP 也有本人的后盾线程，JVM 也有一些编译的线程，连 G1 都有本人的后盾线程。这些线程也是运行在以后过程、以后主机上的，也会占用 CPU 的资源。
所以受环境烦扰下，单靠公式很难精确的布局线程数，肯定要通过测试来验证。
流程个别是这样：
1. 剖析以后主机上，有没有其余过程烦扰
2. 剖析以后 JVM 过程上，有没有其余运行中或可能运行的线程
3. 设定指标
- 指标 CPU 利用率 – 我最高能容忍我的 CPU 飙到多少？
- 指标 GC 频率 / 暂停工夫 – 多线程执行后，GC 频率会增高，最大能容忍到什么频率，每次暂停工夫多少？
- 执行效率 – 比方批处理时，我单位工夫内要开多少线程能力及时处理完毕
- ……
4. 梳理链路关键点，是否有卡脖子的点，因为如果线程数过多，链路上某些节点资源无限可能会导致大量的线程在期待资源（比方三方接口限流，连接池数量无限，中间件压力过大无奈撑持等）
5. 一直的减少 / 缩小线程数来测试，按最高的要求去测试，最终取得一个“满足要求”的线程数 **
而且而且而且！不同场景下的线程数理念也有所不同：
1.Tomcat 中的 maxThreads，在 Blocking I/ O 和 No-Blocking I/ O 下就不一样
2.Dubbo 默认还是单连贯呢，也有 I / O 线程（池）和业务线程（池）的辨别，I/ O 线程个别不是瓶颈，所以不用太多，但业务线程很容易称为瓶颈
3.Redis 6.0 当前也是多线程了，不过它只是 I /O 多线程，“业务”解决还是单线程
所以，不要纠结设置多少线程了。没有标准答案，肯定要联合场景，带着指标，通过测试去找到一个最合适的线程数。
可能还有同学可能会有疑难：“咱们零碎也没啥压力，不须要那么适合的线程数，只是一个简略的异步场景，不影响零碎其余性能就能够”
很失常，很多的外部业务零碎，并不需要啥性能，稳固好用合乎需要就能够了。那么我的举荐的线程数是：CPU 外围数
附录
Java 获取 CPU 外围数
Runtime.getRuntime().availableProcessors()// 获取逻辑外围数，如 6 外围 12 线程，那么返回的是 12Linux 获取 CPU 外围数
# 总核数 = 物理 CPU 个数 X 每颗物理 CPU 的核数
# 总逻辑 CPU 数 = 物理 CPU 个数 X 每颗物理 CPU 的核数 X 超线程数
# 查看物理 CPU 个数
cat /proc/cpuinfo| grep "physical id"| sort| uniq| wc -l
# 查看每个物理 CPU 中 core 的个数 (即核数)
cat /proc/cpuinfo| grep "cpu cores"| uniq
# 查看逻辑 CPU 的个数
cat /proc/cpuinfo| grep "processor"| wc -l起源：juejin.cn/post/6948034657321484318
