每日一博 - Review线程池_02

桃扇骨 2022-09-03 15:16 136阅读 0赞

### 文章目录 ###

*  Pre
 *  使用场景
 *   *  场景1：响应速度优先
     *  场景2：吞吐量优先
 *  线程池设置不合理发生的那些故障
 *  线程池的参数如何评估和配置？？？
 *   *  不用线程池？
     *  万能公式？
     *  线程池参数动态化？
 *  线程池的监控

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70]

--------------------

# Pre #

[每日一博 - Review线程池][- Review]

--------------------

# 使用场景 #

为了最大程度利用CPU的多核性能，并行运算的能力是不可或缺的。通过线程池管理线程获取并发性是一个非常基础的操作，让我们来看两个典型的使用线程池获取并发性的场景。

![在这里插入图片描述][7550a98b1c514915b9197996e42f5eaa.png]

## 场景1：响应速度优先 ##

用户发起的实时请求，服务追求响应时间。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 1]

使用线程池也是有考量的，这种场景最重要的就是**获取最大的响应速度去满足用户，所以应该不设置队列去缓冲并发任务**，**调高corePoolSize和maxPoolSize去尽可能创造多的线程快速执行任务**。

![在这里插入图片描述][f45a4644177f4ebc9cd61e265d7aad4c.png]

--------------------

## 场景2：吞吐量优先 ##

和上一个响应速度优先的场景区别在于， 这类场景任务量巨大，并不需要瞬时的完成，而是关注如何使用有限的资源，尽可能在单位时间内处理更多的任务，也就是吞吐量优先的问题。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 2]  
所以**应该设置队列去缓冲并发任务，调整合适的corePoolSize去设置处理任务的线程数**。在这里，设置的**线程数过多可能还会引发线程上下文切换频繁的问题**，也会降低处理任务的速度，降低吞吐量。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 3]

--------------------

# 线程池设置不合理发生的那些故障 #

![在这里插入图片描述][693bb5b7793e470893537c5a7672d2f6.png]

【CASE 1】: **接口大量调用降级** \-----------> 使用线程池做并行计算，由于没有预估好调用的流量，导致最大核心数设置偏小，大量抛出RejectedExecutionException，触发接口降级条件

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 4]

--------------------

【CASE 2】: **服务执行时间过长，作为上游服务整体超时，大量下游服务调用失败** \------------> 内部逻辑使用线程池做资源隔离，由于队列设置过长，最大线程数设置失效，导致请求数量增加时，大量任务堆积在队列中，任务执行时间过长，最终导致下游服务的大量调用超时失败

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 5]

总结下：

*  核心线程过小，阻塞队列过小，最大线程过小，导致接口频繁抛出拒绝策略异常
 *  核心线程过小，阻塞队列过小，最大线程过大，导致线程调度开销增大，处理速度下降
 *  核心线程过小，阻塞队列过大，导致任务堆积，接口响应或者程序执行时间拉长
 *  核心线程过大，导致线程池内空闲线程过多，过多的占用系统资源，造成资源浪费

如果线程池的配置涉及到上述问题，那么就有可能需要修改代码，重启业务来解决；如果发布后参数仍不合理，继续…

![在这里插入图片描述][6c84e4d159e2465cb2f619c1fca29d25.png]

--------------------

# 线程池的参数如何评估和配置？？？ #

![在这里插入图片描述][44a52bd242e044b49498086622515c1c.png]

## 不用线程池？ ##

业务使用线程池是为了获取并发性，对于获取并发性，是否可以有什么其他的方案呢替代

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 6]

--------------------

## 万能公式？ ##

业界的一些线程池参数配置方案：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 7]

[面试官：你是如何评估一个线程池需要设置多少个线程][Link 1]

设置多少个线程数量通常是根据应用的类型：IO密集型、CPU密集型。

*  IO密集型通常设置为2n+1，其中n为CPU核数
 *  CPU密集型通常设置为 n+1。

实际情况往往复杂得多

其实对于IO密集型类型的应用，网上还有一个公式：**线程数 = CPU核心数/(1-阻塞系数)**

**引入了阻塞系数的概念，一般为0.8~0.9之间**，

在我们的业务开发中，基本上都是IO密集型，因为往往都会去操作数据库，访问redis，es等存储型组件，都会涉及到磁盘IO，网络IO。

IO密集型，可以考虑多设置一些线程，主要目的是可以增加IO的并发度，CPU密集型不宜设置过多线程，因为是会造成线程切换，反而损耗性能。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 8]

并没有得出通用的线程池计算方式。并发任务的执行情况和任务类型相关，IO密集型和CPU密集型的任务运行起来的情况差异非常大，但这种占比是较难合理预估的，这导致很难有一个简单有效的通用公式能直接计算出结果。

![在这里插入图片描述][d11605a636b0491dab9de84651eae4e7.png]

--------------------

## 线程池参数动态化？ ##

bingo ，这是正确的方式

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 9]

动态化线程池的核心设计包括以下三个方面：

1.  简化线程池配置：线程池构造参数有8个，但是最核心的是3个：**corePoolSize、maximumPoolSize，workQueue**，它们最大程度地决定了线程池的任务分配和线程分配策略。
    
    > 考虑到在实际应用中获取并发性的场景主要是两种：  
    > （1）并行执行子任务，提高响应速度。这种情况下，应该使用同步队列，没有什么任务应该被缓存下来，而是应该立即执行。  
    > （2）并行执行大批次任务，提升吞吐量。这种情况下，应该使用有界队列，使用队列去缓冲大批量的任务，队列容量必须声明，防止任务无限制堆积。  
    > 所以线程池只需要提供这三个关键参数的配置，并且提供两种队列的选择，就可以满足绝大多数的业务需求
2.  参数可动态修改：为了解决参数不好配，修改参数成本高等问题。在Java线程池留有高扩展性的基础上，封装线程池，允许线程池监听同步外部的消息，根据消息进行修改配置。将线程池的配置放置在平台侧，允许查看、修改线程池配置。
3.  增加线程池监控：对某事物缺乏状态的观测，就对其改进无从下手。在线程池执行任务的生命周期添加监控能力，帮助了解线程池状态。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 10]

![在这里插入图片描述][0d5c0a5ec1b54758baaa276113791613.png]

--------------------

1.现有的解决方案的痛点

![在这里插入图片描述][7fd64dc1311e4ed58e5c57f61d4ebe4c.png]

--------------------

2.动态更新的工作原理是什么

> 在运行期线程池使用方调用此方法设置corePoolSize之后，线程池会直接覆盖原来的corePoolSize值，并且基于当前值和原始值的比较结果采取不同的处理策略。

> 对于当前值小于当前工作线程数的情况，说明有多余的worker线程，此时会向当前idle的worker线程发起中断请求以实现回收，多余的worker在下次idel的时候也会被回收；

> 对于当前值大于原始值且当前队列中有待执行任务，则线程池会创建新的worker线程来执行队列任务，setCorePoolSize具体流程如下：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 11]

--------------------

3.动态设置的注意点有哪些？

> 在设置核心线程的时候，同时设置最大线程数就可以。只要工作线程不大于最大线程数，那么动态设置就是有效的

--------------------

4.如何动态指定队列长度

> 这一种方式简单粗暴，直接把 LinkedBlockingQueue 代码复制出来一份，改个新名字 `ResizableCapacityLinkedBlockIngQueue`，然后把 capacity 所修饰的 final 关键字去掉，再加上一个 \#`setCapacity` 方法

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 12]

https://www.cnblogs.com/thisiswhy/p/12690630.html

https://juejin.cn/post/6991634257147854856

https://github.com/longtai94/dynamic-threadpool

--------------------

# 线程池的监控 #

如果可以知道一部分线程池运行时指标，可以极大程度上的预防部分故障

*  监控业务线程池的 当前负载以及峰值负载
 *  监控线程池在不同时间段 核心线程、最大线程、活跃线程数量指标
 *  监控线程 池阻塞队列相关指标，判断是否有任务积压的风险
 *  监控线程任务在 运行时抛出的异常数量，诊断投递的任务是否“健康”
 *  监控线程池执行 拒绝策略执行的次数，确定线程池参数是否合理

![在这里插入图片描述][147a994ee7b54b75ba32dedc6a56166e.png]  
我的博客即将同步至腾讯云+社区，邀请大家一同入驻：[https://cloud.tencent.com/developer/support-plan?invite\_code=vqa9hqsir7q9][https_cloud.tencent.com_developer_support-plan_invite_code_vqa9hqsir7q9]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70]: /images/20220829/3c5409930cfb49ca855a7319f81a954e.png
[- Review]: https://blog.csdn.net/yangshangwei/article/details/119397361?spm=1001.2014.3001.5501
[7550a98b1c514915b9197996e42f5eaa.png]: /images/20220829/9c5f0203b3ef48ee85dea6d31ca629e6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 1]: /images/20220829/1fd6e09e5b7d443b9478d35d462a2cc0.png
[f45a4644177f4ebc9cd61e265d7aad4c.png]: /images/20220829/63e4980708bb46578ec54aee470501e3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 2]: /images/20220829/7a1e7524cce0447b83dff15431dff144.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 3]: /images/20220829/54dd5f954f82494cad052e49fa74f446.png
[693bb5b7793e470893537c5a7672d2f6.png]: /images/20220829/a3c90ab4fcd84e2d871287d910df03f1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 4]: /images/20220829/d900f2eeec4e45d59a00e0ac14c70a68.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 5]: /images/20220829/bb4c0896750045d1b97afaafa27c7d97.png
[6c84e4d159e2465cb2f619c1fca29d25.png]: /images/20220829/ea3ecb508c1240329a157b272142f8ef.png
[44a52bd242e044b49498086622515c1c.png]: /images/20220829/1122f17edc464b2abb560c0260422b6e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 6]: /images/20220829/ecf00a4677e544ddb612e130f5ad03bf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 7]: /images/20220829/abfa3cf572ef4b1786fe72f1b1a2de1a.png
[Link 1]: https://www.toutiao.com/a6944506489440616973/?log_from=96c03b084fc2e_1628094431328
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 8]: /images/20220829/444f3a400a2240408dcf1ecc62f28063.png
[d11605a636b0491dab9de84651eae4e7.png]: /images/20220829/14c80bb1cad7451482a8e119132ada42.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 9]: /images/20220829/40dfc9bf8b73488caa4bcc5dce69f4fc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 10]: /images/20220829/49d337a98b9d4ed3adcbb6ed9f208394.png
[0d5c0a5ec1b54758baaa276113791613.png]: /images/20220829/d8d2da7902334e6d945fc856e2ec6742.png
[7fd64dc1311e4ed58e5c57f61d4ebe4c.png]: /images/20220829/b28c3dd485f24d7f9694953896fa57e6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 11]: /images/20220829/72ef784978594cefa08c10607a6d0483.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 12]: /images/20220829/42ef4aea65ec403cb50664fd2ee285b6.png
[147a994ee7b54b75ba32dedc6a56166e.png]: /images/20220829/eae9a2536f5b4ee181080280fa5e73f3.png
[https_cloud.tencent.com_developer_support-plan_invite_code_vqa9hqsir7q9]: https://cloud.tencent.com/developer/support-plan?invite_code=vqa9hqsir7q9