ThreadPoolExecutor几点使用建议

约定不等于承诺〃 2022-08-08 19:51 198阅读 0赞

# 背景 #

前段时间一个项目中因为涉及大量的线程开发，把jdk cocurrent的代码重新再过了一遍。这篇文章中主要是记录一下学习ThreadPoolExecutor过程中容易被人忽略的点，Doug Lea的整个类设计还是非常nice的

# 正文 #

先看一副图，描述了ThreadPoolExecutor的工作机制:

![20150926082059083][]

整个ThreadPoolExecutor的任务处理有4步操作：

*  第一步，初始的poolSize < corePoolSize，提交的runnable任务，会直接做为new一个Thread的参数，立马执行
 *  第二步，当提交的任务数超过了corePoolSize，就进入了第二步操作。会将当前的runable提交到一个block queue中  
    
 *  第三步，如果block queue是个有界队列，当队列满了之后就进入了第三步。如果poolSize < maximumPoolsize时，会尝试new 一个Thread的进行救急处理，立马执行对应的runnable任务
 *  第四步，如果第三步救急方案也无法处理了，就会走到第四步执行reject操作。

几点说明：(相信这些网上一搜一大把，我这里简单介绍下，为后面做一下铺垫)

*  block queue有以下几种实现：  
    1. ArrayBlockingQueue :  有界的数组队列  
    2. LinkedBlockingQueue : 可支持有界/无界的队列，使用链表实现  
    3. PriorityBlockingQueue : 优先队列，可以针对任务排序  
    4. SynchronousQueue : 队列长度为1的队列，和Array有点区别就是：client thread提交到block queue会是一个阻塞过程，直到有一个worker thread连接上来poll task。
 *  RejectExecutionHandler是针对任务无法处理时的一些自保护处理：  
    1. Reject 直接抛出Reject exception  
    2. Discard 直接忽略该runnable，不可取  
    3. DiscardOldest 丢弃最早入队列的的任务  
    4. CallsRun 直接让原先的client thread做为worker线程，进行执行

容易被人忽略的点：

1.  pool threads启动后，以后的任务获取都会通过block queue中，获取堆积的runnable task.

所以建议： block size >= corePoolSize ，不然线程池就没任何意义

2.  corePoolSize 和 maximumPoolSize的区别， 和大家正常理解的数据库连接池不太一样。

\*  据dbcp pool为例，会有minIdle , maxActive配置。minIdle代表是常驻内存中的threads数量，maxActive代表是工作的最大线程数。

\*  这里的corePoolSize就是连接池的maxActive的概念，它没有minIdle的概念(每个线程可以设置keepAliveTime，超过多少时间多有任务后销毁线程，但不会固定保持一定数量的threads)。

\* 这里的maximumPoolSize，是一种救急措施的第一层。当threadPoolExecutor的工作threads存在满负荷，并且block queue队列也满了，这时代表接近崩溃边缘。这时允许临时起一批threads，用来处理runnable，处理完后立马退出。

所以建议：  maximumPoolSize >= corePoolSize =期望的最大线程数。 (我曾经配置了corePoolSize=1, maximumPoolSize=20, blockqueue为无界队列，最后就成了单线程工作的pool。典型的配置错误)

3. 善用blockqueue和reject组合. 这里要重点推荐下CallsRun的Rejected Handler，从字面意思就是让调用者自己来运行。

我们经常会在线上使用一些线程池做异步处理，比如我前面做的**[(业务层)异步并行加载技术分析和设计][Link 1], **将原本串行的请求都变为了并行操作，但过多的并行会增加系统的负载(比如软中断，上下文切换)。所以肯定需要对线程池做一个size限制。但是为了引入异步操作后，避免因在block queue的等待时间过长，所以需要在队列满的时，执行一个callsRun的策略，并行的操作又转为一个串行处理，这样就可以保证尽量少的延迟影响。

所以建议：  RejectExecutionHandler = CallsRun ,  blockqueue size = 2 \* poolSize (为啥是2倍poolSize，主要一个考虑就是瞬间高峰处理，允许一个thread等待一个runnable任务)

# Btrace容量规划 #

再提供一个btrace脚本，分析线上的thread pool容量规划是否合理，可以运行时输出poolSize等一些数据。

import static com.sun.btrace.BTraceUtils.addToAggregation;  
        import static com.sun.btrace.BTraceUtils.field;  
        import static com.sun.btrace.BTraceUtils.get;  
        import static com.sun.btrace.BTraceUtils.newAggregation;  
        import static com.sun.btrace.BTraceUtils.newAggregationKey;  
        import static com.sun.btrace.BTraceUtils.printAggregation;  
        import static com.sun.btrace.BTraceUtils.println;  
        import static com.sun.btrace.BTraceUtils.str;  
        import static com.sun.btrace.BTraceUtils.strcat;  
          
        import java.lang.reflect.Field;  
        import java.util.concurrent.atomic.AtomicInteger;  
          
        import com.sun.btrace.BTraceUtils;  
        import com.sun.btrace.aggregation.Aggregation;  
        import com.sun.btrace.aggregation.AggregationFunction;  
        import com.sun.btrace.aggregation.AggregationKey;  
        import com.sun.btrace.annotations.BTrace;  
        import com.sun.btrace.annotations.Kind;  
        import com.sun.btrace.annotations.Location;  
        import com.sun.btrace.annotations.OnEvent;  
        import com.sun.btrace.annotations.OnMethod;  
        import com.sun.btrace.annotations.OnTimer;  
        import com.sun.btrace.annotations.Self;  
          
        /** 
         * 并行加载监控 
         *  
         * @author jianghang 2011-4-7 下午10:59:53 
         */  
        @BTrace  
        public class AsyncLoadTracer {  
          
            private static AtomicInteger rejecctCount = BTraceUtils.newAtomicInteger(0);  
            private static Aggregation   histogram    = newAggregation(AggregationFunction.QUANTIZE);  
            private static Aggregation   average      = newAggregation(AggregationFunction.AVERAGE);  
            private static Aggregation   max          = newAggregation(AggregationFunction.MAXIMUM);  
            private static Aggregation   min          = newAggregation(AggregationFunction.MINIMUM);  
            private static Aggregation   sum          = newAggregation(AggregationFunction.SUM);  
            private static Aggregation   count        = newAggregation(AggregationFunction.COUNT);  
          
            @OnMethod(clazz = "java.util.concurrent.ThreadPoolExecutor", method = "execute", location = @Location(value = Kind.ENTRY))  
            public static void executeMonitor(@Self Object self) {  
                Field poolSizeField = field("java.util.concurrent.ThreadPoolExecutor", "poolSize");  
                Field largestPoolSizeField = field("java.util.concurrent.ThreadPoolExecutor", "largestPoolSize");  
                Field workQueueField = field("java.util.concurrent.ThreadPoolExecutor", "workQueue");  
          
                Field countField = field("java.util.concurrent.ArrayBlockingQueue", "count");  
                int poolSize = (Integer) get(poolSizeField, self);  
                int largestPoolSize = (Integer) get(largestPoolSizeField, self);  
                int queueSize = (Integer) get(countField, get(workQueueField, self));  
          
                println(strcat(strcat(strcat(strcat(strcat("poolSize : ", str(poolSize)), " largestPoolSize : "),  
                                             str(largestPoolSize)), " queueSize : "), str(queueSize)));  
            }  
          
            @OnMethod(clazz = "java.util.concurrent.ThreadPoolExecutor", method = "reject", location = @Location(value = Kind.ENTRY))  
            public static void rejectMonitor(@Self Object self) {  
                String name = str(self);  
                if (BTraceUtils.startsWith(name, "com.alibaba.pivot.common.asyncload.impl.pool.AsyncLoadThreadPool")) {  
                    BTraceUtils.incrementAndGet(rejecctCount);  
                }  
            }  
          
            @OnTimer(1000)  
            public static void rejectPrintln() {  
                int reject = BTraceUtils.getAndSet(rejecctCount, 0);  
                println(strcat("reject count in 1000 msec: ", str(reject)));  
                AggregationKey key = newAggregationKey("rejectCount");  
                addToAggregation(histogram, key, reject);  
                addToAggregation(average, key, reject);  
                addToAggregation(max, key, reject);  
                addToAggregation(min, key, reject);  
                addToAggregation(sum, key, reject);  
                addToAggregation(count, key, reject);  
            }  
          
            @OnEvent  
            public static void onEvent() {  
                BTraceUtils.truncateAggregation(histogram, 10);  
                println("---------------------------------------------");  
                printAggregation("Count", count);  
                printAggregation("Min", min);  
                printAggregation("Max", max);  
                printAggregation("Average", average);  
                printAggregation("Sum", sum);  
                printAggregation("Histogram", histogram);  
                println("---------------------------------------------");  
            }  
        }

### 运行结果： ###

poolSize : 1 , largestPoolSize = 10 , queueSize = 10  
        reject count in 1000 msec: 0

### 说明：  1. poolSize 代表为当前的线程数  2. largestPoolSize 代表为历史最大的线程数  3. queueSize 代表blockqueue的当前堆积的size  4. reject count 代表在1000ms内的被reject的数量 ###

转自：[http://www.iteye.com/topic/1118660][http_www.iteye.com_topic_1118660]

[20150926082059083]: /images/20220731/d109e1f7b2254a22b6344051574ae34f.png
[Link 1]: http://www.iteye.com/blog/918898
[http_www.iteye.com_topic_1118660]: http://www.iteye.com/topic/1118660