线程池模型
一般的池化模型会有两个方法,用于获取资源和释放资源,就像这样:
1
2
3
4
|
public interface XXPool{ XX acquire(); void release(); } |
但是,工程中的线程池一般是生产者和消费者模型,线程池是消费者,任务的提交者是生产者,下面是一个简化的线程池模型:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
|
//简化的线程池,仅用来说明工作原理 class MyThreadPool{ //利用阻塞队列实现生产者-消费者模式 BlockingQueue<Runnable> workQueue; //保存内部工作线程 List<WorkerThread> threads = new ArrayList<>(); // 构造方法 MyThreadPool( int poolSize, BlockingQueue<Runnable> workQueue){ this .workQueue = workQueue; // 创建工作线程 for ( int idx= 0 ; idx<poolSize; idx++){ WorkerThread work = new WorkerThread(); work.start(); threads.add(work); } } // 提交任务 void execute(Runnable command){ workQueue.put(command); } // 工作线程负责消费任务,并执行任务 class WorkerThread extends Thread{ public void run() { //循环取任务并执行 while ( true ){ ① Runnable task = workQueue.take(); task.run(); } } } } /** 下面是使用示例 **/ // 创建有界阻塞队列 BlockingQueue<Runnable> workQueue = new LinkedBlockingQueue<>( 2 ); // 创建线程池 MyThreadPool pool = new MyThreadPool( 10 , workQueue); // 提交任务 pool.execute(()->{ System.out.println( "hello" ); }); |
常用线程池
ThreadPoolExecutor
在工程中,我们会使用Executors来快速new一个线程池,例如:
1
|
ExecutorService executorService = Executors.newFixedThreadPool(threadPoolNum, r -> new Thread(r, threadName)); |
Executors底层使用的是 ThreadPoolExecutor,我们可以通过ThreadPoolExecutor构造函数来了解ThreadPoolExecutor的一些行为。
ThreadPoolExecutor(
int corePoolSize,
int maximumPoolSize,
long keepAliveTime,
TimeUnit unit,
BlockingQueue<Runnable> workQueue,
ThreadFactory threadFactory,
RejectedExecutionHandler handler)
构造函数参数说明
corePoolSize
:表示线程池保有的最小线程数。
maximumPoolSize
:表示线程池创建的最大线程数。
keepAliveTime & unit
:如果一个线程空闲了keepAliveTime & unit这么久,而且线程池的线程数大于 corePoolSize ,那么这个空闲的线程就要被回收了。
workQueue
:工作队列,和上面示例代码的工作队列同义。
threadFactory
:通过这个参数你可以自定义如何创建线程,例如你可以给线程指定一个有意义的名字。
handler
:通过这个参数你可以自定义任务的拒绝策略。如果线程池中所有的线程都在忙碌,并且工作队列也满了(前提是工作队列是有界队列),那么此时提交任务,线程池就会拒绝接收。至于拒绝的策略,你可以通过 handler 这个参数来指定。
ThreadPoolExecutor 已经提供了以下 4 种策略。
- CallerRunsPolicy:提交任务的线程自己去执行该任务。
- AbortPolicy:默认的拒绝策略,会 throws RejectedExecutionException。
- DiscardPolicy:直接丢弃任务,没有任何异常抛出。
- DiscardOldestPolicy:丢弃最老的任务,其实就是把最早进入工作队列的任务丢弃,然后把新任务加入到工作队列。
线程池默认工作行为
不会初始化 corePoolSize 个线程,有任务来了才创建工作线程;
当核心线程满了之后不会立即扩容线程池,而是把任务堆积到工作队列中;
当工作队列满了后扩容线程池,一直到线程个数达到 maximumPoolSize 为止;(如果线程池还没有扩容到最大线程数但是工作队列已经溢出,溢出的请求会被拒绝)
如果队列已满且达到了最大线程后还有任务进来,按照拒绝策略处理;
当线程数大于核心线程数时,线程等待 keepAliveTime 后还是没有任务需要处理的话,收缩线程到核心线程数。
ForkJoinPool
Fork/Join 是一个并行计算的框架,主要就是用来支持分治任务模型的,这个计算框架里的 Fork 对应的是分治任务模型里的任务分解,Join 对应的是结果合并。
Fork/Join 计算框架主要包含两部分,一部分是分治任务的线程池 ForkJoinPool,另一部分是分治任务 ForkJoinTask。这两部分的关系类似于 ThreadPoolExecutor 和 Runnable 的关系,都可以理解为提交任务到线程池,只不过分治任务有自己独特类型 ForkJoinTask。
ForkJoinPool 主要适用于计算密集型任务,Java中的parallelStream底层使用的就是ForkJoinPool。
下面是使用ForkJoinPool的一个简单例子:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
public static void main(String[] args) { ForkJoinPool forkJoinPool = new ForkJoinPool( 4 ); Fibonacci fibonacci = new Fibonacci( 5 ); Integer res = forkJoinPool.invoke(fibonacci); System.out.println(res); } static class Fibonacci extends RecursiveTask<Integer>{ final int n; Fibonacci( int n){ this .n = n; } @Override protected Integer compute() { if (n<= 1 ){ return n; } Fibonacci f1 = new Fibonacci(n- 1 ); f1.fork(); Fibonacci f2 = new Fibonacci(n- 2 ); return f2.compute() + f1.join(); } } |
FutureTask
我们可以通过FutureTask(Future接口的实现类)获取线程执行结果。FutureTask主要方法如下:
1
2
3
4
5
6
7
8
9
10
11
|
// 取消任务 boolean cancel( boolean mayInterruptIfRunning); // 判断任务是否已取消 boolean isCancelled(); // 判断任务是否已结束 boolean isDone(); // 获得任务执行结果 get(); // 获得任务执行结果,支持超时 get(long timeout, TimeUnit unit); |
其中,两个 get() 方法都是阻塞式的,如果被调用的时候,任务还没有执行完,那么调用 get() 方法的线程会阻塞,直到任务执行完才会被唤醒。
1
2
3
4
5
6
7
8
|
ExecutorService executorService = Executors.newFixedThreadPool( 10 ); Future<Integer> future = executorService.submit(() -> { return 1 + 1 ; }); Integer res = future.get(); System.out.println(res); Integer res2 = future.get( 1000 , TimeUnit.SECONDS); System.out.println(res2); |
FutureTask 实现了 Runnable 和 Future 接口,由于实现了 Runnable 接口,所以可以将 FutureTask 对象作为任务提交给 ThreadPoolExecutor 去执行。
1
2
3
4
5
6
7
8
9
10
|
// 创建FutureTask FutureTask<Integer> futureTask = new FutureTask<>(()-> 1 + 2 ); // 创建线程池 ExecutorService es = Executors.newCachedThreadPool(); // 提交FutureTask es.submit(futureTask); // 获取计算结果 Integer result = futureTask.get(); |
线程数量分析
多线程可以提高程序的响应速度和吞吐量,创建线程的数量会对实际效果产生非常大的影响,线程太少会浪费CPU的资源,线程太多则会导致线程的频繁切换,系统性能反而会下降。
根据程序类型的不同,我们可以将我们的程序分为IO密集型和CPU密集型两种,这两种程序计算最佳线程数的方法有所不同。
CPU密集型
对于 CPU 密集型计算,多线程本质上是提升多核 CPU 的利用率,所以对于一个 4 核的 CPU,每个核一个线程,理论上创建 4 个线程就可以了,再多创建线程也只是增加线程切换的成本。所以,对于 CPU 密集型的计算场景,理论上“线程的数量 =CPU 核数”就是最合适的。不过在工程上,线程的数量一般会设置为“CPU 核数 +1”,这样的话,当线程因为偶尔的内存页失效或其他原因导致阻塞时,这个额外的线程可以顶上,从而保证 CPU 的利用率。
IO密集型
对于I/O 密集型计算场景,由于计算资源与IO资源是各自独立的资源,在CPU执行其他线程的任务时,IO仍能继续,因此对于IO密集型的程序,最佳线程数与程序中 CPU 计算和 I/O 操作的耗时比相关。
根据上诉分析,我们可以得出最佳线程数的计算公式:
最佳线程数 = 1 +(I/O 耗时 / CPU 耗时)
对于多核CPU,只需进行同比扩大就行:
最佳线程数 =CPU 核数 * [ 1 +(I/O 耗时 / CPU 耗时)]
对于最佳线程数是多少,以上只是理论分析,由于实际生产环境中,一台机器可能会跑多个服务,一个服务可能会有多个线程池,因此最佳线程数还是要根据实际生产情况进行调整,理论值仅供参考。
总结
本篇文章就到这里了,希望能给你带来帮助,也希望您能够多多关注服务器之家的更多内容!
原文链接:https://blog.csdn.net/xcw19971018/article/details/119251253