如何合理地估算线程池大小? Posted 2021-01-18 tiancai
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了如何合理地估算线程池大小?相关的知识,希望对你有一定的参考价值。
如何合理地估算线程池大小?
感谢网友【蒋小强 】投稿。
如何合理地估算线程池大小?
这个问题虽然看起来很小,却并不那么容易回答。大家如果有更好的方法欢迎赐教,先来一个天真的估算方法:假设要求一个系统的TPS(Transaction Per Second或者Task Per Second)至少为20,然后假设每个Transaction由一个线程完成,继续假设平均每个线程处理一个Transaction的时间为4s。那么问题转化为:
如何设计线程池大小,使得可以在1s内处理完20个Transaction?
计算过程很简单,每个线程的处理能力为0.25TPS,那么要达到20TPS,显然需要20/0.25=80个线程。
很显然这个估算方法很天真,因为它没有考虑到CPU数目。一般服务器的CPU核数为16或者32,如果有80个线程,那么肯定会带来太多不必要的线程上下文切换开销。
再来第二种简单的但不知是否可行的方法(N为CPU总核数):
如果是CPU密集型应用,则线程池大小设置为N+1
如果是IO密集型应用,则线程池大小设置为2N+1
如果一台服务器上只部署这一个应用并且只有这一个线程池,那么这种估算或许合理,具体还需自行测试验证。
接下来在这个文档:服务器性能IO优化 中发现一个估算公式:
1
最佳线程数目 = ((线程等待时间+线程CPU时间)/线程CPU时间 )* CPU数目
比如平均每个线程CPU运行时间为0.5s,而线程等待时间(非CPU运行时间,比如IO)为1.5s,CPU核心数为8,那么根据上面这个公式估算得到:((0.5+1.5)/0.5)*8=32。这个公式进一步转化为:
1
最佳线程数目 = (线程等待时间与线程CPU时间之比 + 1)* CPU数目
可以得出一个结论:
线程等待时间所占比例越高,需要越多线程。线程CPU时间所占比例越高,需要越少线程。
上一种估算方法也和这个结论相合。
一个系统最快的部分是CPU,所以决定一个系统吞吐量上限的是CPU。增强CPU处理能力,可以提高系统吞吐量上限。但根据短板效应,真实的系统吞吐量并不能单纯根据CPU来计算。那要提高系统吞吐量,就需要从“系统短板”(比如网络延迟、IO)着手:
尽量提高短板操作的并行化比率,比如多线程下载技术
增强短板能力,比如用NIO替代IO
第一条可以联系到Amdahl定律,这条定律定义了串行系统并行化后的加速比计算公式:
加速比越大,表明系统并行化的优化效果越好。Addahl定律还给出了系统并行度、CPU数目和加速比的关系,加速比为Speedup,系统串行化比率(指串行执行代码所占比率)为F,CPU数目为N:
1
Speedup <=
1
/ (F + (
1
-F)/N)
当N足够大时,串行化比率F越小,加速比Speedup越大。
写到这里,我突然冒出一个问题。
是否使用线程池就一定比使用单线程高效呢?
答案是否定的,比如Redis就是单线程的,但它却非常高效,基本操作都能达到十万量级/s。从线程这个角度来看,部分原因在于:
多线程带来线程上下文切换开销,单线程就没有这种开销
锁
当然“Redis很快”更本质的原因在于:Redis基本都是内存操作,这种情况下单线程可以很高效地利用CPU。而多线程适用场景一般是:存在相当比例的IO和网络操作。
所以即使有上面的简单估算方法,也许看似合理,但实际上也未必合理,都需要结合系统真实情况(比如是IO密集型或者是CPU密集型或者是纯内存操作)和硬件环境(CPU、内存、硬盘读写速度、网络状况等)来不断尝试达到一个符合实际的合理估算值。
最后来一个“Dark Magic”估算方法(因为我暂时还没有搞懂它的原理),使用下面的类:
001
package
pool_size_calculate;
003
import
java.math.BigDecimal;
004
import
java.math.RoundingMode;
005
import
java.util.Timer;
006
import
java.util.TimerTask;
007
import
java.util.concurrent.BlockingQueue;
010
* A class that calculates the optimal thread pool boundaries. It takes the
011
* desired target utilization and the desired work queue memory consumption as
012
* input and retuns thread count and work queue capacity.
014
* @author Niklas Schlimm
017
public
abstract
class
PoolSizeCalculator {
020
* The sample queue size to calculate the size of a single {@link Runnable}
023
private
final
int
SAMPLE_QUEUE_SIZE =
1000
;
026
* Accuracy of test run. It must finish within 20ms of the testTime
027
* otherwise we retry the test. This could be configurable.
029
private
final
int
EPSYLON =
20
;
032
* Control variable for the CPU time investigation.
034
private
volatile
boolean
expired;
037
* Time (millis) of the test run in the CPU time calculation.
039
private
final
long
testtime =
3000
;
042
* Calculates the boundaries of a thread pool for a given {@link Runnable}.
044
* @param targetUtilization
045
*
the desired utilization of the CPUs (0 <= targetUtilization <=
* 1) * @param targetQueueSizeBytes * the
desired maximum work queue size of the thread pool (bytes) */
protected
void
calculateBoundaries(BigDecimal
targetUtilization, BigDecimal targetQueueSizeBytes) {
calculateOptimalCapacity(targetQueueSizeBytes); Runnable task =
creatTask(); start(task); start(task);
046
throw
new
IllegalStateException(
"Test not accurate"
);
049
start = System.currentTimeMillis();
050
Timer timer =
new
Timer();
051
timer.schedule(
new
TimerTask() {
059
start = System.currentTimeMillis() - start;
061
}
while
(Math.abs(start - testtime) > EPSYLON);
065
private
void
collectGarbage(
int
times) {
066
for
(
int
i =
0
; i < times; i++) {
070
}
catch
(InterruptedException e) {
071
Thread.currentThread().interrupt();
078
* Calculates the memory usage of a single element in a work queue. Based on
079
* Heinz Kabbutz‘ ideas
082
* @return memory usage of a single {@link Runnable} element in the thread
085
public
long
calculateMemoryUsage() {
086
BlockingQueue queue = createWorkQueue();
087
for
(
int
i =
0
; i < SAMPLE_QUEUE_SIZE; i++) {
088
queue.add(creatTask());
090
long
mem0 = Runtime.getRuntime().totalMemory()
091
- Runtime.getRuntime().freeMemory();
092
long
mem1 = Runtime.getRuntime().totalMemory()
093
- Runtime.getRuntime().freeMemory();
096
mem0 = Runtime.getRuntime().totalMemory()
097
- Runtime.getRuntime().freeMemory();
098
queue = createWorkQueue();
099
for
(
int
i =
0
; i < SAMPLE_QUEUE_SIZE; i++) {
100
queue.add(creatTask());
103
mem1 = Runtime.getRuntime().totalMemory()
104
- Runtime.getRuntime().freeMemory();
105
return
(mem1 - mem0) / SAMPLE_QUEUE_SIZE;
109
* Create your runnable task here.
111
* @return an instance of your runnable task under investigation
113
protected
abstract
Runnable creatTask();
116
* Return an instance of the queue used in the thread pool.
118
* @return queue instance
120
protected
abstract
BlockingQueue createWorkQueue();
123
* Calculate current cpu time. Various frameworks may be used here,
124
* depending on the operating system in use. (e.g.
126
* measurement, the more accurate the results for thread count boundaries.
128
* @return current cpu time of current thread
130
protected
abstract
long
getCurrentThreadCPUTime();
然后自己继承这个抽象类并实现它的三个抽象方法,比如下面是我写的一个示例(任务是请求网络数据),其中我指定期望CPU利用率为1.0(即100%),任务队列总大小不超过100,000字节:
01
package
pool_size_calculate;
03
import
java.io.BufferedReader;
04
import
java.io.IOException;
05
import
java.io.InputStreamReader;
06
import
java.lang.management.ManagementFactory;
07
import
java.math.BigDecimal;
08
import
java.net.HttpURLConnection;
10
import
java.util.concurrent.BlockingQueue;
11
import
java.util.concurrent.LinkedBlockingQueue;
13
public
class
SimplePoolSizeCaculatorImpl
extends
PoolSizeCalculator {
16
protected
Runnable creatTask() {
17
return
new
AsyncIOTask();
21
protected
BlockingQueue createWorkQueue() {
22
return
new
LinkedBlockingQueue(
1000
);
26
protected
long
getCurrentThreadCPUTime() {
27
return
ManagementFactory.getThreadMXBean().getCurrentThreadCpuTime();
30
public
static
void
main(String[] args) {
31
PoolSizeCalculator poolSizeCalculator =
new
SimplePoolSizeCaculatorImpl();
32
poolSizeCalculator.calculateBoundaries(
new
BigDecimal(
1.0
),
new
BigDecimal(
100000
));
42
class
AsyncIOTask
implements
Runnable {
46
HttpURLConnection connection =
null
;
47
BufferedReader reader =
null
;
50
URL getUrl =
new
URL(getURL);
52
connection = (HttpURLConnection) getUrl.openConnection();
54
reader =
new
BufferedReader(
new
InputStreamReader(
55
connection.getInputStream()));
58
while
((line = reader.readLine()) !=
null
) {
63
catch
(IOException e) {
74
connection.disconnect();
得到的输出如下:
01
Target queue memory usage (bytes): 100000
02
createTask() produced pool_size_calculate.AsyncIOTask which took 40 bytes in a queue
04
* Recommended queue capacity (bytes): 2500
07
Elapsed time (nanos): 3000000000
08
Compute time (nanos): 47181000
09
Wait time (nanos): 2952819000
10
Formula: 4 * 1 * (1 + 2952819000 / 47181000)
11
* Optimal thread count: 256
推荐的任务队列大小为2500,线程数为256,有点出乎意料之外。我可以如下构造一个线程池:
1
ThreadPoolExecutor pool =
2
new
ThreadPoolExecutor(
256
,
256
, 0L, TimeUnit.MILLISECONDS,
new
LinkedBlockingQueue(
2500
));
以上是关于如何合理地估算线程池大小?的主要内容,如果未能解决你的问题,请参考以下文章
如何合理地估算线程池大小?
Day793.合理设置线程池大小 -Java 性能调优实战
整理:如何估算吞吐量以及线程池大小
java线程池如何合理的设置大小
线程池
如何估算线程池的线程数?