Day793.合理设置线程池大小 -Java 性能调优实战

Posted 2022-12-03 阿昌喜欢吃黄桃

合理设置线程池大小

Hi，我是阿昌，今天学习记录的是关于合理设置线程池大小。

如果线程数量设置过少的话，还会导致系统无法充分利用计算机资源。

那么如何设置才不会影响系统性能呢？其实线程池的设置是有方法的，不是凭借简单的估算来决定的。

---

一、线程池原理

在 HotSpot VM 的线程模型中，Java 线程被一对一映射为内核线程。

Java 在使用线程执行程序时，需要创建一个内核线程；当该 Java 线程被终止时，这个内核线程也会被回收。

因此 Java 线程的创建与销毁将会消耗一定的计算机资源，从而增加系统的性能开销。除此之外，大量创建线程同样会给系统带来性能问题，因为内存和 CPU 资源都将被线程抢占，如果处理不当，就会发生内存溢出、CPU 使用率超负荷等问题。

为了解决上述两类问题，Java 提供了线程池概念，对于频繁创建线程的业务场景，线程池可以创建固定的线程数量，并且在操作系统底层，轻量级进程将会把这些线程映射到内核。

线程池可以提高线程复用，又可以固定最大线程使用量，防止无限制地创建线程。

当程序提交一个任务需要一个线程时，会去线程池中查找是否有空闲的线程，若有，则直接使用线程池中的线程工作，若没有，会去判断当前已创建的线程数量是否超过最大线程数量，如未超过，则创建新线程，如已超过，则进行排队等待或者直接抛出异常。

1、线程池框架 Executor

Java 最开始提供了 ThreadPool 实现了线程池，为了更好地实现用户级的线程调度，更有效地帮助开发人员进行多线程开发，Java 提供了一套 Executor 框架。

这个框架中包括了 ScheduledThreadPoolExecutor 和 ThreadPoolExecutor 两个核心线程池。

前者是用来定时执行任务，后者是用来执行被提交的任务。

鉴于这两个线程池的核心原理是一样的，看看 ThreadPoolExecutor 类是如何实现线程池的。

Executors 实现了以下四种类型的 ThreadPoolExecutor：

Executors 利用工厂模式实现的四种线程池，在使用的时候需要结合生产环境下的实际场景。

不过不太推荐使用它们，因为选择使用 Executors 提供的工厂类，将会忽略很多线程池的参数设置，工厂类一旦选择设置默认参数，就很容易导致无法调优参数设置，从而产生性能问题或者资源浪费。

这里建议使用 ThreadPoolExecutor 自我定制一套线程池。进入四种工厂类后，可以发现除了 newScheduledThreadPool 类，其它类均使用了 ThreadPoolExecutor 类进行实现，可以通过以下代码简单看下该方法：

public ThreadPoolExecutor(int corePoolSize,//线程池的核心线程数量
                          int maximumPoolSize,//线程池的最大线程数
                          long keepAliveTime,//当线程数大于核心线程数时，多余的空闲线程存活的最长时间
                          TimeUnit unit,//时间单位
                          BlockingQueue<Runnable> workQueue,//任务队列，用来储存等待执行任务的队列
                          ThreadFactory threadFactory,//线程工厂，用来创建线程，一般默认即可
                          RejectedExecutionHandler handler) //拒绝策略，当提交的任务过多而不能及时处理时，我们可以定制策略来处理任务

可以通过下面这张图来了解下线程池中各个参数的相互关系：

通过上图，发现线程池有两个线程数的设置，一个为核心线程数，一个为最大线程数。

在创建完线程池之后，默认情况下，线程池中并没有任何线程，等到有任务来才创建线程去执行任务。

有一种情况排除在外，就是调用 prestartAllCoreThreads() 或者 prestartCoreThread() 方法的话，可以提前创建等于核心线程数的线程数量，这种方式被称为预热，在抢购系统中就经常被用到。

当创建的线程数等于 corePoolSize 时，提交的任务会被加入到设置的阻塞队列中。

当队列满了，会创建线程执行任务，直到线程池中的数量等于 maximumPoolSize。

当线程数量已经等于 maximumPoolSize 时， 新提交的任务无法加入到等待队列，也无法创建非核心线程直接执行，又没有为线程池设置拒绝策略，这时线程池就会抛出 RejectedExecutionException 异常，即线程池拒绝接受这个任务。

当线程池中创建的线程数量超过设置的 corePoolSize，在某些线程处理完任务后，如果等待 keepAliveTime 时间后仍然没有新的任务分配给它，那么这个线程将会被回收。

线程池回收线程时，会对所谓的“核心线程”和“非核心线程”一视同仁，直到线程池中线程的数量等于设置的 corePoolSize 参数，回收过程才会停止。

即使是 corePoolSize 线程，在一些非核心业务的线程池中，如果长时间地占用线程数量，也可能会影响到核心业务的线程池，这个时候就需要把没有分配任务的线程回收掉。

们可以通过 allowCoreThreadTimeOut 设置项要求线程池：

将包括“核心线程”在内的，没有任务分配的所有线程，在等待 keepAliveTime 时间后全部回收掉。

可以通过下面这张图来了解下线程池的线程分配流程：

二、计算线程数量

环境具有多变性，设置一个绝对精准的线程数其实是不大可能的，但可以通过一些实际操作因素来计算出一个合理的线程数，避免由于线程池设置不合理而导致的性能问题。

一般多线程执行的任务类型可以分为 CPU 密集型和 I/O 密集型，根据不同的任务类型，计算线程数的方法也不一样。

---

CPU 密集型任务：

这种任务消耗的主要是 CPU 资源，可以将线程数设置为 N（CPU 核心数）+1，比 CPU 核心数多出来的一个线程是为了防止线程偶发的缺页中断，或者其它原因导致的任务暂停而带来的影响。

一旦任务暂停，CPU 就会处于空闲状态，而在这种情况下多出来的一个线程就可以充分利用 CPU 的空闲时间。

下面用一个例子来验证下这个方法的可行性，通过观察 CPU 密集型任务在不同线程数下的性能情况就可以得出结果：

public class CPUTypeTest implements Runnable 

  //整体执行时间，包括在队列中等待的时间
  List<Long> wholeTimeList;
  //真正执行时间
  List<Long> runTimeList;
  
  private long initStartTime = 0;
  
  /**
   * 构造函数
   * @param runTimeList
   * @param wholeTimeList
   */
  public CPUTypeTest(List<Long> runTimeList, List<Long> wholeTimeList) 
    initStartTime = System.currentTimeMillis();
    this.runTimeList = runTimeList;
    this.wholeTimeList = wholeTimeList;
  
  
  /**
   * 判断素数
   * @param number
   * @return
   */
  public boolean isPrime(final int number) 
    if (number <= 1)
      return false;


    for (int i = 2; i <= Math.sqrt(number); i++) 
      if (number % i == 0)
        return false;
    
    return true;
  

  /**
   * 計算素数
   * @param number
   * @return
   */
  public int countPrimes(final int lower, final int upper) 
    int total = 0;
    for (int i = lower; i <= upper; i++) 
      if (isPrime(i))
        total++;
    
    return total;
  

  public void run() 
    long start = System.currentTimeMillis();
    countPrimes(1, 1000000);
    long end = System.currentTimeMillis();


    long wholeTime = end - initStartTime;
    long runTime = end - start;
    wholeTimeList.add(wholeTime);
    runTimeList.add(runTime);
    System.out.println("单个线程花费时间：" + (end - start));
  

测试代码在 4 核 intel i5 CPU 机器上的运行时间变化如下：

综上可知：

当线程数量太小，同一时间大量请求将被阻塞在线程队列中排队等待执行线程，此时 CPU 没有得到充分利用；
当线程数量太大，被创建的执行线程同时在争取 CPU 资源，又会导致大量的上下文切换，从而增加线程的执行时间，影响了整体执行效率。

通过测试可知，4~6 个线程数是最合适的。

---

I/O 密集型任务：

这种任务应用起来，系统会用大部分的时间来处理 I/O 交互，而线程在处理 I/O 的时间段内不会占用 CPU 来处理，这时就可以将 CPU 交出给其它线程使用。

因此在 I/O 密集型任务的应用中，可以多配置一些线程，具体的计算方法是 2N。

这里还是通过一个例子来验证下这个公式是否可以标准化：

public class IOTypeTest implements Runnable 

  //整体执行时间，包括在队列中等待的时间
  Vector<Long> wholeTimeList;
  //真正执行时间
  Vector<Long> runTimeList;
  
  private long initStartTime = 0;
  
  /**
   * 构造函数
   * @param runTimeList
   * @param wholeTimeList
   */
  public IOTypeTest(Vector<Long> runTimeList, Vector<Long> wholeTimeList) 
    initStartTime = System.currentTimeMillis();
    this.runTimeList = runTimeList;
    this.wholeTimeList = wholeTimeList;
  
  
  /**
   *IO操作
   * @param number
   * @return
   * @throws IOException 
   */
  public void readAndWrite() throws IOException 
    File sourceFile = new File("D:/test.txt");
        //创建输入流
        BufferedReader input = new BufferedReader(new FileReader(sourceFile));
        //读取源文件,写入到新的文件
        String line = null;
        while((line = input.readLine()) != null)
            //System.out.println(line);
        
        //关闭输入输出流
        input.close();
  

  public void run() 
    long start = System.currentTimeMillis();
    try 
      readAndWrite();
     catch (IOException e) 
      // TODO Auto-generated catch block
      e.printStackTrace();
    
    long end = System.currentTimeMillis();


    long wholeTime = end - initStartTime;
    long runTime = end - start;
    wholeTimeList.add(wholeTime);
    runTimeList.add(runTime);
    System.out.println("单个线程花费时间：" + (end - start));
  

备注：

由于测试代码读取 2MB 大小的文件，涉及到大内存，所以在运行之前，需要调整 JVM 的堆内存空间：-Xms4g -Xmx4g，避免发生频繁的 FullGC，影响测试结果。

通过测试结果，可以看到每个线程所花费的时间。

当线程数量在 8 时，线程平均执行时间是最佳的，这个线程数量和我们的计算公式所得的结果就差不多。

看完以上两种情况下的线程计算方法，可能还想说，在平常的应用场景中，常常遇不到这两种极端情况，那么碰上一些常规的业务操作，比如，通过一个线程池实现向用户定时推送消息的业务，又该如何设置线程池的数量呢？

此时可以参考以下公式来计算线程数：

线程数=N（CPU核数）*（1+WT（线程等待时间）/ST（线程时间运行时间））

可以通过 JDK 自带的工具 VisualVM 来查看 WT/ST 比例，以下例子是基于运行纯 CPU 运算的例子，可以看到：

WT（线程等待时间）= 36788ms [线程运行总时间] - 36788ms[ST（线程时间运行时间）]= 0
线程数=N（CPU核数）*（1+ 0 [WT（线程等待时间）]/36788ms[ST（线程时间运行时间）]）= N（CPU核数）

这跟之前通过 CPU 密集型的计算公式 N+1 所得出的结果差不多。

综合来看，可以根据自己的业务场景，从“N+1”和“2N”两个公式中选出一个适合的，计算出一个大概的线程数量，之后通过实际压测，逐渐往“增大线程数量”和“减小线程数量”这两个方向调整，然后观察整体的处理时间变化，最终确定一个具体的线程数量。

---

三、总结

Java 线程的创建和消耗会给系统带来性能开销，因此 Java 提供了线程池来复用线程，提高程序的并发效率。

Java 通过用户线程与内核线程结合的 1:1 线程模型来实现，Java 将线程的调度和管理设置在了用户态，提供了一套 Executor 框架来帮助开发人员提高效率。

Executor 框架不仅包括了线程池的管理，还提供了线程工厂、队列以及拒绝策略等，可以说 Executor 框架为并发编程提供了一个完善的架构体系。

在不同的业务场景以及不同配置的部署机器中，线程池的线程数量设置是不一样的。其设置不宜过大，也不宜过小，要根据具体情况，计算出一个大概的数值，再通过实际的性能测试，计算出一个合理的线程数量。

要提高线程池的处理能力，一定要先保证一个合理的线程数量，也就是保证 CPU 处理线程的最大化。

在此前提下，再增大线程池队列，通过队列将来不及处理的线程缓存起来。

在设置缓存队列时，要尽量使用一个有界队列，以防因队列过大而导致的内存溢出问题。

---

在程序中，除了并行段代码，还有串行段代码。
那么当程序同时存在串行和并行操作时，优化并行操作是不是优化系统的关键呢？

程序的总体时间是由所有部分加起来时间决定的，串行如果很慢就会严重影响性能，优化是从性能最差的地方开始的。

此时优化串行代码是关键，串行代码一般是遇到了锁或阻塞IO，这个时候串行的效率也决定了整个程序的效率。

---

守护线程也会映射到CPU的线程吗, 在计算线程数量的时候为啥不考虑守护线程呢, 是因为守护线程运行状态是要么一直运行, 要么一直等待这样不会变化的情况所以不考虑吗?
为啥守护线程的状态一直不变化呢, 它们不会出让CPU吗?

守护线程也是JVM创建的线程。一般不会使用守护线程处理业务，这里讨论的是处理业务的线程数量。

---

接口之间的http调用是IO密集型任务嘛？
如果一个服务既有IO密集型任务也有CPU密集型任务，是不是线程池需要分别设置线程池大小？

如果共用线程池，如果是IO密集型任务多一些，则可以按照IO密集型任务来设置，如果是CPU密集型任务多一些，可以取中间值。

做好线程隔离，则分别使用不同的线程池，可以分别设置线程数量。

---

主要是核心线程的数量如何配置, 最大线程数量和阻塞队列长度应该如何确定, 是随便配一下就行影响不大吗, 还是也有什么指导原则?

在一些非核心业务，可以将核心线程数设置小一些，最大线程数量设置为计算线程数量。

在一些核心业务中，两者可以设置一样。阻塞队列可以根据具体业务场景设置，如果线程处理业务非常迅速，可以考虑将阻塞队列设置大一些，处理的请求吞吐量会大些；如果线程处理业务非常耗时，阻塞队列设置小些，防止请求在阻塞队列中等待过长时间而导致请求已超时。

---

在visualVM中的线程查看的视窗中线程状态等待, 休眠, 驻留, 监视这几个状态都是啥意思, 是啥情况下会变成这几个状态.

休眠对应的sleep操作，等待对应的wait，驻留对应的线程池里的空闲线程，监视对应的synchronized阻塞

---

在线程池达到了核心线程数，等待队列没满的这段时间，新的任务会被加入到等待队列。而当等待队列满了之后，最大线程数没满的这段时间，线程池会为新的任务直接创建线程。
那岂不是说，后来的任务反而比先到的任务更早被分配到线程的资源？
这是不是有点不太合理呢？

对的，如果队列满了，就会新增线程来执行任务，如果已经是最大线程数量，则会执行拒绝策略。

这里不应该说不合理，而是不公平。

---