生产实践——线程池与异步任务编排

朴灿烈づ我的快乐病毒、 2023-09-29 10:40 66阅读 0赞

现今的我们使用的服务器，大都是**多处理器多核**配置，资源充足。为**充分利用服务器性能**，**解耦调用线程与异步线程**，**提升响应速度**，使用**并发编程**成为了我们较好的选择。本文将就JDK提供的**线程池**，以文件上传的示例讲解线程池的打开方式。

## 一、线程池介绍 ##

JDK中提供的线程池核心实现类是ThreadPoolExecutor，使用***IDEA show Diagrams***查看类继承关系如下：

![2416c7ccfd3925c128ce8e1b2c1144f5.png][]

*  顶层接口Executor仅提供了一个void execute(Runnable command)方法 ，将任务定义与任务执行解耦，用户只需要定义Runnable任务即可。
 *  ExecutorService接口继承了Executor接口，在任务执行的基础上，增加了带返回的<T> Future<T> submit(Callable<T> task)方法，以及**批量执行异步任务**及**线程池启停**等管理功能。
 *  AbstractExecutorService实现了ExecutorService，作为任务模板，**串联任务执行的流程**，让下层实现类只需关注任务执行。
 *  ThreadPoolExecutor则实现了**任务管理**、**线程管理**、**线程池生命周期管理**等功能。

## 二、任务执行流程 ##

接下来我们通过源码看下线程池的默认执行流程：

...
    // 获取ctl参数，高3位表示运行状态，低29位表示工作线程数
    int c = ctl.get();
    // 工作线程数小于核心线程数，尝试创建线程
    if (workerCountOf(c) < corePoolSize) {
            // 线程数和运行状态符合预期,新增工作线程
            if (addWorker(command, true))
                return;
            c = ctl.get();
        }
       //工作线程数大于等于核心线程数，检查运行状态并尝试进入任务队列
       if (isRunning(c) && workQueue.offer(command)) {
           int recheck = ctl.get();
           // 再次检查运行状态，如果状态异常（如执行shutdownNow），则移除任务并回调拒绝策略。
           if (!isRunning(recheck) && remove(command))
               // 执行拒绝策略
               reject(command);
           // 如果工作线程为0， 则初始化一个工作线程。
           // 极限情况，刚入队时，线程都被回收。
           else if (workerCountOf(recheck) == 0)
               // 新增线程
               addWorker(null, false);
       }
        // 运行线程数大于等于核心线程数且队列已满尝试新增线程
       else if (!addWorker(command, false))
           // 新增失败执行拒绝策略
           reject(command);
    }

流程图：

![96b048e17c8ce481a4961ae5ae830d58.png][]

当然我们这里介绍的是线程池**默认**的执行流程，这类流程适合**CPU密集型**应用，目前也有不少中间件基于ThreadPoolExecutor进行二次开发。例如Tomcat、Netty、Dubbo等都有相应的实现，tomcat将执行流程改为，**先将线程数提升到最大线程再进入队列**，从而**减少IO密集型应用阻塞时的资源浪费**。

## 二、自定义线程池 ##

## 2.1 线程池创建 ##

JDK本身提供一些开箱即用的线程池，如FixedThreadPool、CachedThreadPool等，但参数设定固定且部分线程池使用无界队列，在系统并发量过高或程序设计出现缺陷时，极容易导致内存溢出(out of memory)或其他一些不可预知的异常。

这里我们使用ThreadPoolExecutor如下构造函数进行线程池的创建。

public ThreadPoolExecutor(int corePoolSize,
                              int maximumPoolSize,
                              long keepAliveTime,
                              TimeUnit unit,
                              BlockingQueue<Runnable> workQueue,
                              ThreadFactory threadFactory,
                              RejectedExecutionHandler handler)

线程池创建代码如下：

/**
     * @author winsonWu
     * @Description: thread pool creating configuration
     * @date Date : 2021.04.13 16:00
     */
    @Configuration
    public class ThreadPoolCreator {
    
        /**
         * 核心线程数
         */
        private static int corePoolSize = Runtime.getRuntime().availableProcessors() + 1;
    
        /**
         * 最大线程数 避免内存交换 设置为核心核心线程数
         */
        private static int maximumPoolSize = corePoolSize;
    
        /**
         * 最大空闲时间
         */
        private static long keepAliveTime = 3;
    
        /**
         * 最大空闲时间单位
         */
        private static TimeUnit unit = TimeUnit.MINUTES;
    
        /**
         * 使用有界队列，避免内存溢出
         */
        private static BlockingQueue<Runnable> workQueue = new LinkedBlockingDeque<>(500);
    
        /**
         * 线程工厂，这里我们使用可命名的线程工厂，方便业务区分以及生产问题排查。
         */
        private static ThreadFactory threadFactory = new NamedThreadFactory("taskResolver");
    
        /**
         * 拒绝策略 根据业务选择或者自定义
         */
        private static RejectedExecutionHandler handler = new ThreadPoolExecutor.AbortPolicy();
    
        @Bean
        public ThreadPoolExecutor threadPoolExecutor(){
            return new ThreadPoolExecutor(
                    corePoolSize,
                    maximumPoolSize,
                    keepAliveTime, unit,
                    workQueue,
                    threadFactory,
                    handler);
        }
    }

## 2.2核心线程数配置 ##

并发任务一般分为**CPU密集型任务**，**IO密集型任务**两类。

**CPU密集型任务**，需要CPU进行复杂、高密度的运算。这种类型的任务不能创建过多的线程，否则将会频繁引起**上文切换**，降低资源使用率，降低任务处理速度; **IO密集型任务**，线程则不会对CPU资源要求过于苛刻，可能大部分时间**阻塞在IO**，增加线程数量可以提高并发度，尽可能多处理任务。一般经验化配置：

CPU密集型 N + 1 但尽量不超过操作系统核数2倍
    IO密集型 2N + 1 
    N为服务器核数。

生产环境，建议具体设置根据**压测**结果决定。

## 2.3阻塞队列 ##

**阻塞队列(BlockingQueue)** 在队列为空时，获取元素的线程会阻塞，等待队列变为非空。当队列满时，存储元素的线程会阻塞，等待队列被获取消费，天然支持线程池这类生产消费者模型。常见阻塞队列如下：

![a76ac6c8451b76511c84b248b4c444f0.png][]

大多数场景，我们使用LinkedBlockingQueue即可解决，这里我们也选择使用LinkedBlockingQueue。

## 2.4拒绝策略 ##

默认情况下，线程池阻塞队列已满且线程池已达到最大线程数，会执行拒绝策略，JDK也为我们内置了四种拒绝策略：

![8c9df1e1a354d887f2ab14d8d3858b82.png][]

我们这里以两个场景举例说明一下，

*  场景一：系统监控。通过自定义注解与AOP解析需要监控的接口并获取其出入参，然后通过异步任务将日志存储到HDFS。
 *  日志采集这种场景，少量的数据丢失对业务影响并不大，因而我们可以配置核心线程数为1，以降低对服务器资源的占用，阻塞队列容量可以根据压测结果适当增加，拒绝策略则使用DiscardPolicy或AbortPolicy,但要注意，如果使用AbortPolicy，execute(...)方法使用**Try Catch**或**UncaughtExceptionHandler(不推荐)** 进行异常处理，submit(...)方法使用Future.get()获取异常进行处理。
 *  场景二：消息队列消费。消息堆积可以通过异步线程进行批量处理。
 *  这种场景，数据不能丢失，因此我们采用CallerRunsPolicy让调用线程执行消息处理逻辑。但这种方式会对调用线程执行的业务产生影响，更好的方式可以采用**自定义拒绝策略**进行持久化或者放入队列。我们先看下CallerRunsPolicy拒绝策略的实现：
 *  public static class CallerRunsPolicy implements RejectedExecutionHandler \{ /\*\* \* Creates a \{@code CallerRunsPolicy\}. \*/ public CallerRunsPolicy() \{ \} /\*\* \* Executes task r in the caller's thread, unless the executor \* has been shut down, in which case the task is discarded. \* \* @param r the runnable task requested to be executed \* @param e the executor attempting to execute this task \*/ public void rejectedExecution(Runnable r, ThreadPoolExecutor e) \{ if (!e.isShutdown()) \{ r.run(); \} \} \} 复制代码
 *  可以看到我们自定义拒绝策略，只需要实现RejectedExecutionHandler接口，并覆写rejectedExecution(Runnable r, ThreadPoolExecutor e)，自定义示例如下：
 *  /\*\* \* @Author winsonWu \* @Description: 持久化拒绝策略 \* @date Date : 2022.04.14 9:38 \*\*/ public class DataBaseStoragePolicy implements RejectedExecutionHandler \{ @Override public void rejectedExecution(Runnable r, ThreadPoolExecutor executor) \{ // todo duration or something \} \} 复制代码

## 2.5线程预热与回收 ##

*  **线程预热**
 *  如果可预见服务器启动后就会产生大量请求，如拒绝策略模块中提到的堆积消息处理的场景，我们可以使用线程池预热，提前创建核心线程，以提升服务相应速度。在ThreadPoolExecutor中有三个方法：
 *  // 启动一个核心线程 public boolean prestartCoreThread() \{ return workerCountOf(ctl.get()) < corePoolSize && addWorker(null, true); \} 复制代码 // 启动所有核心线程 public int prestartAllCoreThreads() \{ int n = 0; while (addWorker(null, true)) ++n; return n; \} 复制代码 // 保证至少一个核心线程启动 void ensurePrestart() \{ int wc = workerCountOf(ctl.get()); if (wc < corePoolSize) addWorker(null, true); else if (wc == 0) addWorker(null, false); \} 复制代码
 *  **线程回收**
 *  默认情况下，当workerCount大于corePoolSize的时候，空闲线程的空闲时间超过了keepAliveTime所设置的时间，线程池就会自动回收该线程，另外核心线程数如果设置allowCoreThreadTimeOut参数，也同样可以被回收，以提高资源使用率。

## 2.6线程池监控 ##

ThreadPoolExecutor自身提供了一些状态查询方法，可以获取一些线程池状态信息，我们修改前面的Bean定义来看一下，相关方法在代码注释中已经写出：

...
    @Bean
    public ThreadPoolExecutor threadPoolExecutor(){
        return new ThreadPoolExecutor(
                corePoolSize,
                maximumPoolSize,
                keepAliveTime, unit,
                workQueue,
                threadFactory,
                handler){
    
            // 设定任务前执行动作
            @Override
            protected void beforeExecute(Thread t, Runnable r) {
                // 获取线程池大小
                System.out.println("线程池大小：" + this.getPoolSize());
                // 获取核心线程数
                System.out.println("核心线程数：" + this.getCorePoolSize());
                // 获取最大线程数
                System.out.println("最大线程数：" + this.getLargestPoolSize());
                // 获取活跃线程数
                System.out.println("活跃线程数：" + this.getActiveCount());
            }
    
            // 设定任务后执行动作
            @Override
            protected void afterExecute(Runnable r, Throwable t) {
                // 获取活跃线程数
                System.out.println("活跃线程数：" + this.getActiveCount());
                // 获取任务数
                System.out.println("任务数：" + this.getTaskCount());
            }
    
            // 设定线程池终止执行动作
            @Override
            protected void terminated() {
                // 获取已完成任务数
                System.out.println("已完成任务数：" + this.getCompletedTaskCount());
            }
        };
    }

## 2.7线程池生命周期 ##

线程池主要有五种状态，代码定义如下：

private static final int RUNNING    = -1 << COUNT_BITS;
    private static final int SHUTDOWN   =  0 << COUNT_BITS;
    private static final int STOP       =  1 << COUNT_BITS;
    private static final int TIDYING    =  2 << COUNT_BITS;
    private static final int TERMINATED =  3 << COUNT_BITS;

状态转换如下：

![f672657049f5a2c9234bbc8339741dcf.png][]

这里需要注意的是我们执行shutdown()方法后,不再接收新任务，但会处理阻塞队列中剩余的任务，而shutdownNow()方法，不再接收新任务的同时也会中断阻塞队列中剩余的任务。

## 三、线程池实践 ##

## 3.1基础实践 ##

前面我们已经定义好了线程池，我们先来尝试下基础方法的使用：

@Resource
    private ThreadPoolExecutor threadPoolExecutor;
    
    @Test
    public void testMultiThread() throws InterruptedException {
        // 线程池预热，提前启动所有核心线程
        threadPoolExecutor.prestartAllCoreThreads();
        StopWatch stopwatch = new StopWatch("线程池测试");
        stopwatch.start("execute");
        // execute(e(Runnable command)
        CountDownLatch forExecute = new CountDownLatch(1);
        threadPoolExecutor.execute(() -> {
            try {
                Thread.sleep(2000);
            } catch (InterruptedException e) {
                System.out.println("interrupted ignore");
            }
            System.out.println("execute(Runnable command) test");
            forExecute.countDown();
        });
        forExecute.await();
        stopwatch.stop();
        stopwatch.start("submit");
        // submit(Runnable command)
        CountDownLatch forSubmit = new CountDownLatch(1);
        final Future<String> future = threadPoolExecutor.submit(() -> {
            System.out.println("submit(Runnable command) test");
            forSubmit.countDown();
            return "submit(Runnable command) test";
            });
        try {
            final String result = future.get();
            System.out.println("result: " + result);
        } catch (ExecutionException e) {
            //todo 自定义异常处理
        }
        forSubmit.await();
        stopwatch.stop();
        System.out.println(stopwatch.prettyPrint());
    }

执行结果如下：

![b44d88d34532b83f869c1ad177bfe4e3.png][]

前面已经讲过execute(e(Runnable command)和submit(Runnable command)的区别，这里就不再赘述。另外可以看到我们使用CountDownLatch来进行线程协同，execute执行结束后，submit才开始执行。

## 3.2文件上传实践 ##

接下来我们通过一个文件上传的功能来演示使用CompletableFuture来进行异步任务编排。我们要实现的业务描述如下：

1.  **实现批量文件上传**
2.  **文件上传完成后返回文件名称与文件ID列表**
3.  **出现异常打印日志到控制台（演示，生产环境可以自定义）**

实现代码如下:

**定义返回对象：**

@Data
    public class FileEntry implements Serializable {
    
        /**
         * 文件ID
         */
        private String fileId;
    
        /**
         * 文件名
         */
        private String fileName;
    
    }

**文件上传逻辑：**

/**
     * 测试代码，这里我们直接上传到固定目录
     * @param eachFile
     * @return
     */
    private FileEntry createFileEntry(MultipartFile eachFile){
        // 生成文件ID
        String fileId = UUID.randomUUID().toString().replace("-", "");
        File desFile = new File(FILE_LOCATION   + fileId + "_" + eachFile.getOriginalFilename());
        try {
            eachFile.transferTo(desFile);
        } catch (IOException e) {
            throw new BizException("文件上传失败");
        }
        // 文件上传成功，构建返回参数
        FileEntry fileEntry = new FileEntry();
        fileEntry.setFileName(eachFile.getOriginalFilename());
        fileEntry.setFileId(fileId);
        return fileEntry;
    }

**主逻辑：**

/**
     * 文件上传
     * @param files
     */
    public ArrayList<FileEntry> uploadFile(MultipartFile[] files){
        // 初始化返回值
        ArrayList<FileEntry> fileEntryList = new ArrayList<>(files.length);
        List<CompletableFuture<FileEntry>> futureList = new ArrayList<>(files.length);
        for (MultipartFile eachFile : files){
            // 使用之前定义的线程池执行文件上传逻辑
            CompletableFuture<FileEntry> future = CompletableFuture.supplyAsync(() -> 
            createFileEntry(eachFile), threadPoolExecutor);
            // 添加到future列表
            futureList.add(future);
        }
        CompletableFuture<Void> fileUploadFuture = CompletableFuture
                .allOf(futureList.toArray(new CompletableFuture[futureList.size()]))
                .whenComplete((v, t) -> futureList.forEach(future -> {
                    // 添加返回结果到返回值列表
                    fileEntryList.add(future.getNow(null));
                }))
                .exceptionally(exception -> {
                    // todo 自定义逻辑
                    System.out.println("error occurred：" + exception.getMessage());
                    return null;
                });
        // 阻塞主线程，等待文件全部上传
        fileUploadFuture.join();
        // 返回entry列表
        return fileEntryList;
    }

至此，我们简化逻辑实现完成，CompletableFuture用法可查阅参考资料部分。

![1b31f24ac3eaf32029c75af9c5209689.png][]

> 作者：WinsonWu  
> 链接：  
> https://juejin.cn/post/7086351322944913438

[2416c7ccfd3925c128ce8e1b2c1144f5.png]: https://img-blog.csdnimg.cn/img_convert/2416c7ccfd3925c128ce8e1b2c1144f5.png
[96b048e17c8ce481a4961ae5ae830d58.png]: https://img-blog.csdnimg.cn/img_convert/96b048e17c8ce481a4961ae5ae830d58.png
[a76ac6c8451b76511c84b248b4c444f0.png]: https://img-blog.csdnimg.cn/img_convert/a76ac6c8451b76511c84b248b4c444f0.png
[8c9df1e1a354d887f2ab14d8d3858b82.png]: https://img-blog.csdnimg.cn/img_convert/8c9df1e1a354d887f2ab14d8d3858b82.png
[f672657049f5a2c9234bbc8339741dcf.png]: https://img-blog.csdnimg.cn/img_convert/f672657049f5a2c9234bbc8339741dcf.png
[b44d88d34532b83f869c1ad177bfe4e3.png]: https://img-blog.csdnimg.cn/img_convert/b44d88d34532b83f869c1ad177bfe4e3.png
[1b31f24ac3eaf32029c75af9c5209689.png]: https://img-blog.csdnimg.cn/img_convert/1b31f24ac3eaf32029c75af9c5209689.png