五种线程池的对比与使用
Posted Java高级架构与思想
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了五种线程池的对比与使用相关的知识,希望对你有一定的参考价值。
今天对五种常见的java内置线程池进行讲解。
线程使用的demo
public static void cache() {
ExecutorService pool = Executors.newCachedThreadPool(); long start = System.currentTimeMillis(); pool.execute(() -> { int sum = 0; for (int i = 0; i < 10; i++) { sum = (int) Math.sqrt(i * i - 1 + i); System.out.println(sum); } }); System.out.println("cache: " + (System.currentTimeMillis() - start)); }
newCachedThreadPool
这是一个可缓存线程池,可以灵活的回收空闲线程,无可回收线程时,新建线程
源码:
public static ExecutorService newCachedThreadPool() { return new ThreadPoolExecutor(0, Integer.MAX_VALUE, 60L, TimeUnit.SECONDS, new SynchronousQueue<Runnable>()); }
通过源码可以看出底层调用的是ThreadPoolExecutor方法,传入一个同步的阻塞队列实现缓存。
下面说一下ThreadPoolExecutor
public ThreadPoolExecutor(int corePoolSize, int maximumPoolSize, long keepAliveTime, TimeUnit unit, BlockingQueue<Runnable> workQueue) { this(corePoolSize, maximumPoolSize, keepAliveTime, unit, workQueue, Executors.defaultThreadFactory(), defaultHandler); }
通过源码可以看出,我们可以传入线程池的核心线程数(最小线程数),最大线程数量,保持时间,时间单位,阻塞队列这些参数,最大线程数设置为jvm可用的cpu数量为最佳实践
newWorkStealingPool
创建持有足够线程的线程池来并行,通过使用多个队列减少竞争,不传参数,则默认设定为cpu的数量
源码:
public static ExecutorService newWorkStealingPool() { return new ForkJoinPool (Runtime.getRuntime().availableProcessors(), ForkJoinPool.defaultForkJoinWorkerThreadFactory, null, true); }
通过源码可以看出底层调用的是ForkJoinPool线程池
下面说一下ForkJoinPool
public ForkJoinPool(int parallelism, ForkJoinWorkerThreadFactory factory, UncaughtExceptionHandler handler, boolean asyncMode) { this(checkParallelism(parallelism), checkFactory(factory), handler, asyncMode ? FIFO_QUEUE : LIFO_QUEUE, "ForkJoinPool-" + nextPoolId() + "-worker-"); checkPermission(); }
使用一个无限队列来保存需要执行的任务,可以传入线程的数量,不传入,则默认使用当前计算机中可用的cpu数量,使用分治法来解决问题,使用fork()和join()来进行调用
newSingleThreadExecutor
创建一个单线程化的线程池,保证所有任务按照指定的顺序执行(FIFO,LIFO,优先级),当要求进程限制时,可以进行使用
源码:
public static ExecutorService newSingleThreadExecutor() {
return new FinalizableDelegatedExecutorService (new ThreadPoolExecutor(1, 1, 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue<Runnable>())); }
newFixedThreadPool
创建一个固定线程数量,可重用的线程池
源码:
public static ExecutorService newFixedThreadPool(int nThreads) {
return new ThreadPoolExecutor(nThreads, nThreads, 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue<Runnable>()); }
newScheduledThreadPool
创建一个可定期或者延时执行任务的线程池
源码:
return new ScheduledThreadPoolExecutor(corePoolSize);
通过源码可以看出底层调用的是一个ScheduledThreadPoolExecutor,然后传入线程数量
下面来介绍一下ScheduledThreadPoolExecutor
public ScheduledThreadPoolExecutor(int corePoolSize) {
super(corePoolSize, Integer.MAX_VALUE, 0, NANOSECONDS,
new DelayedWorkQueue());
}
通过源码可以看出底层调用了ThreadPoolExecutor,维护了一个延迟队列,可以传入线程数量,传入延时的时间等参数,下面给出一个demo
public static void main(String[] args) { ScheduledExecutorService pool = Executors.newScheduledThreadPool(5);
for (int i = 0; i < 15; i = i + 5) { pool.schedule(() -> System.out.println("我被执行了,
当前时间" + new Date()), i, TimeUnit.SECONDS); } pool.shutdown();
}
执行结果
我被执行了,当前时间Fri Jan 12 11:20:41 CST 2018 我被执行了,当前时间Fri Jan 12 11:20:46 CST 2018 我被执行了,当前时间Fri Jan 12 11:20:51 CST 2018
有的小伙伴可能会用疑问,为什么使用schedule()而不使用submit()或者execute()呢,下面通过源码来分析
public void execute(Runnable command) { schedule(command, 0, NANOSECONDS); } public Future<?> submit(Runnable task) {
return schedule(task, 0, NANOSECONDS);
}
通过源码可以发现这两个方法都是调用的schedule(),而且将延时时间设置为了0,所以想要实现延时操作,需要直接调用schedule()
下面我们再来分析一下submit()和execute()的以及shutdown()和shutdownNow()的区别
submit(),提交一个线程任务,可以接受回调函数的返回值吗,适用于需要处理返回着或者异常的业务场景
execute(),执行一个任务,没有返回值
shutdown(),表示不再接受新任务,但不会强行终止已经提交或者正在执行中的任务
shutdownNow(),对于尚未执行的任务全部取消,正在执行的任务全部发出interrupt(),停止执行
五种线程池的适应场景
newCachedThreadPool:用来创建一个可以无限扩大的线程池,适用于服务器负载较轻,执行很多短期异步任务。
newFixedThreadPool:创建一个固定大小的线程池,因为采用无界的阻塞队列,所以实际线程数量永远不会变化,适用于可以预测线程数量的业务中,或者服务器负载较重,对当前线程数量进行限制。
newSingleThreadExecutor:创建一个单线程的线程池,适用于需要保证顺序执行各个任务,并且在任意时间点,不会有多个线程是活动的场景。
newScheduledThreadPool:可以延时启动,定时启动的线程池,适用于需要多个后台线程执行周期任务的场景。
newWorkStealingPool:创建一个拥有多个任务队列的线程池,可以减少连接数,创建当前可用cpu数量的线程来并行执行,适用于大耗时的操作,可以并行来执行
以上就是今天所想要分享的内容,由于并发接触并不深入,如有错误,请联系,浩瀚星辰中渺小的我们,却有着改变世界的梦想
以上是关于五种线程池的对比与使用的主要内容,如果未能解决你的问题,请参考以下文章