共计 5595 个字符，预计需要花费 14 分钟才能阅读完成。
背景
线程池是一种基于池化思维治理线程的工具，应用线程池能够缩小创立销毁线程的开销，防止线程过多导致系统资源耗尽。在高并发的工作解决场景，线程池的应用是必不可少的。在双 11 主图价格表白我的项目中为了晋升解决性能，很多中央应用到了线程池。随着线程池的应用，逐步发现一个问题，线程池的参数如何设置？
线程池参数中有三个比拟要害的参数，别离是 corePoolSize（外围线程数）、maximumPoolSize（最大线程数）、workQueueSzie（工作队列大小）。依据工作的类型能够辨别为 IO 密集型和 CPU 密集型，对于 CPU 密集型，个别教训是设置 corePoolSize=CPU 核数 +1，对于 IO 密集型须要依据具体的 RT 和流量来设置，没有普适的经验值。然而，咱们个别遇到的状况少数是解决 IO 密集型工作，如果线程池参数不可动静调节，就没方法依据理论状况实时调整处理速度，只能通过公布代码调整参数。
如果线程池参数不合理会导致什么问题呢？上面列举几种可能呈现的场景：
- 最大线程数设置偏小，工作队列大小设置偏小，导致服务接口大量抛出 RejectedExecutionException。
- 最大线程数设置偏小，工作队列大小设置过大，工作沉积适度，接口响应时长变长。
- 最大线程数设置过大，线程调度开销增大，处理速度反而降落。
- 外围线程数设置过小，流量突增时须要先创立线程，导致响应时长过大。
- 外围线程数设置过大，闲暇线程太多，占用系统资源。
线程池任务调度机制
要明确线程池参数对运行时的影响，就必须了解其中的原理，所以上面先简略总结了线程池的外围原理。
Java 中的线程池外围实现类是 ThreadPoolExecutor，ThreadPoolExecutor 一方面保护本身的生命周期，另一方面同时治理线程和工作，使两者良好的联合从而执行并行任务。用户无需关注如何创立线程，如何调度线程来执行工作，用户只需提供 Runnable 对象，将工作的运行逻辑提交到执行器 (Executor) 中，由 Executor 框架实现线程的调配和工作的执行局部。
ThreadPoolExecutor 是如何运行，如何同时保护线程和执行工作的呢？其运行机制如下图所示：
所有工作的调度都是由 execute 办法实现的，这部分实现的工作是：查看当初线程池的运行状态、运行线程数、运行策略，决定接下来执行的流程，是间接申请线程执行，或是缓冲到队列中执行，亦或是间接回绝该工作。其执行过程如下：
- 首先检测线程池运行状态，如果不是 RUNNING，则间接回绝，线程池要保障在 RUNNING 的状态下执行工作。
- 如果 workerCount < corePoolSize，则创立并启动一个线程来执行新提交的工作。
- 如果 workerCount >= corePoolSize，且线程池内的阻塞队列未满，则将工作增加到该阻塞队列中。
- 如果 workerCount >= corePoolSize && workerCount < maximumPoolSize，且线程池内的阻塞队列已满，则创立并启动一个线程来执行新提交的工作。
- 如果 workerCount >= maximumPoolSize，并且线程池内的阻塞队列已满, 则依据回绝策略来解决该工作, 默认的解决形式是间接抛异样。
其执行流程如下图所示：
动静调节线程池参数实现
线程池相干的重要参数有三个，别离是外围线程数、最大线程数和工作队列大小，接下来将论述如何实现动静调节线程池参数。
调节外围和最大线程数的原理
ThreadPoolExecutor 曾经提供了两个办法在运行时设置外围线程数和最大线程数，别离是 ThreadPoolExecutor.setCorePoolSize() 和ThreadPoolExecutor.setMaximumPoolSize()。
setCorePoolSize 办法的执行流程是：首先会笼罩之前构造函数设置的 corePoolSize，而后，如果新的值比原始值要小，当多余的工作线程下次变成闲暇状态的时候会被中断并销毁，如果新的值比原来的值要大且工作队列不为空，则会创立新的工作线程。流程图如下：
setMaximumPoolSize 办法执行流程是：首先会笼罩之前构造函数设置的 maximumPoolSize，而后，如果新的值比原来的值要小，当多余的工作线程下次变成闲暇状态的时候会被中断并销毁。
调节工作队列大小的原理
线程池中是以生产者消费者模式，通过一个阻塞队列来缓存工作，工作线程从阻塞队列中获取工作。工作队列的接口是阻塞队列(BlockingQueue)，在队列为空时，获取元素的线程会期待队列变为非空，当队列满时，存储元素的线程会期待队列可用。
目前 JDK 提供了以下阻塞队列的实现：
然而很可怜，这些阻塞队列的实现都不反对动静调整大小，那么为什么不本人实现一个可动静调整大小的阻塞队列呢。反复造轮子是不可取的，所以我抉择革新轮子。LinkedBlockingQueue是比拟罕用的一个阻塞队列，它无奈批改大小的起因是 capacity 字段设置成了 final private final int capacity;。如果我把 final 去掉，并提供批改 capacity 的办法，是不是就满足咱们的需要呢？事实证明是可行的，文章开端上传了 ResizeLinkedBlockingQueue 的实现。
联合 Diamond 进行实现
Diamond 能够治理咱们的配置，如果能够通过 Diamond 实现线程池参数治理那就再好不过了。接下来就开始上代码了，首先实现一个 Diamond 配置管理类DispatchConfig，而后，实现一个线程池治理的工厂办法StreamExecutorFactory。
DispatchConfig类是一个动态类，在初始化的时候获取了对应 Diamond 的内容并设置了监听，应用的时候只须要DispatchConfig.getConfig().getCorePoolSize()。
_/**
* @author moda
*/_
@Slf4j
@Data
public class DispatchConfig {
public static final String DATA_ID = "com.alibaba.mkt.turbo.DispatchConfig";
public static final String GROUP_ID = "mkt-turbo";
private static DispatchConfig config;
static {
try {String content = Diamond.getConfig(DATA_ID, GROUP_ID, 3000);
config = JSON.parseObject(content, DispatchConfig.class);
Diamond.addListener(DATA_ID, GROUP_ID, new ManagerListenerAdapter() {
@Override
public void receiveConfigInfo(String content) {
try {config = JSON.parseObject(content, DispatchConfig.class);
} catch (Throwable t) {log.error("[DispatchConfig] receiveConfigInfo an exception occurs,", t);
}
}
});
} catch (Exception e) {log.error(String.format("[DispatchConfig - init] dataId:%s, groupId:%s", DATA_ID, GROUP_ID), e);
}
}
public static DispatchConfig getConfig() {return config;}
private int corePoolSize = 10;
private int maximumPoolSize = 30;
private int workQueueSize = 1024;
_/**
* 商品分批解决每批大小
*/_
private int itemBatchProcessPageSize = 200;
}StreamExecutorFactory是一个动态类，保护了一个动态属性 executor，并通过initExecutor() 进行初始化。在初始化的时候，工作队列应用了可调节大小的阻塞队列ResizeLinkedBlockingQueue，并设置了监听 Diamond 变更。Diamond 产生变更的时候通过在 callback 中对比值是否产生扭转，如果产生扭转则调整 workQueueSize、corePoolSize、maximumPoolSize。应用的时候只须要StreamExecutorFactory.getExecutor()，批改 Diamond 配置就能动静批改线程池参数。
_/**
* @author moda
*/_
@Slf4j
public class StreamExecutorFactory {
private static final String THREAD_NAME = "mkt-turbo_stream_dispatch";
private static ThreadPoolExecutor executor = initExecutor();
private static ThreadPoolExecutor initExecutor() {ThreadFactory nameThreadFactory = new ThreadFactoryBuilder().setNameFormat(THREAD_NAME).build();
ResizeLinkedBlockingQueue<Runnable> workQueue = new ResizeLinkedBlockingQueue<>(DispatchConfig.getConfig().getWorkQueueSize());
_// 回绝策略，调用者线程解决_
RejectedExecutionHandler rejectedExecutionHandler = (r, e) -> {String msg = String.format("[S.E.F - rejectedHandler] Thread pool is EXHAUSTED!" +
"Thread Name: %s, Pool Size: %d (active: %d, core: %d, max: %d, largest: %d), Task: %d (completed: %d)," +
"Executor status:(isShutdown:%s, isTerminated:%s, isTerminating:%s)",
THREAD_NAME, e.getPoolSize(), e.getActiveCount(), e.getCorePoolSize(), e.getMaximumPoolSize(), e.getLargestPoolSize(),
e.getTaskCount(), e.getCompletedTaskCount(), e.isShutdown(), e.isTerminated(), e.isTerminating());
log.warn(msg);
if (!e.isShutdown()) {r.run();
}
};
ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor(DispatchConfig.getConfig().getCorePoolSize(),
DispatchConfig.getConfig().getMaximumPoolSize(),
10,
TimeUnit.SECONDS,
workQueue,
nameThreadFactory,
rejectedExecutionHandler
);
Diamond.addListener(DispatchConfig.DATA_ID, DispatchConfig.GROUP_ID, new ManagerListenerAdapter() {
@Override
public void receiveConfigInfo(String content) {
try {DispatchConfig config = JSON.parseObject(content, DispatchConfig.class);
if (workQueue.getCapacity() != config.getWorkQueueSize()) {workQueue.setCapacity(config.getWorkQueueSize());
}
if (threadPoolExecutor.getCorePoolSize() != config.getCorePoolSize()) {threadPoolExecutor.setCorePoolSize(config.getCorePoolSize());
}
if (threadPoolExecutor.getMaximumPoolSize() != config.getMaximumPoolSize()) {threadPoolExecutor.setMaximumPoolSize(config.getMaximumPoolSize());
}
} catch (Throwable t) {log.error("[S.E.F-receiveConfigInfo] an exception occurs,", t);
}
}
});
return threadPoolExecutor;
}
public static Executor getExecutor() {return executor;}
}原文链接
本文为阿里云原创内容，未经容许不得转载。
