这篇文章主要介绍了Java 线程池的相关资料，文中讲解非常细致，帮助大家更好的理解和学习，感兴趣的朋友可以了解下，希望能给你带来帮助
目录
- 线程池模型
- 常用线程池
- ThreadPoolExecutor
- 构造函数参数说明
- 线程池默认工作行为
- ForkJoinPool
- FutureTask
- 线程数量分析
- CPU密集型
- IO密集型
- 总结
线程池模型
一般的池化模型会有两个方法，用于获取资源和释放资源，就像这样：
public interface XXPool{
XX acquire();
void release();
}
但是，工程中的线程池一般是生产者和消费者模型，线程池是消费者，任务的提交者是生产者，下面是一个简化的线程池模型：
//简化的线程池，仅用来说明工作原理
class MyThreadPool{
//利用阻塞队列实现生产者-消费者模式
BlockingQueue<Runnable> workQueue;
//保存内部工作线程
List<WorkerThread> threads
= new ArrayList<>();
// 构造方法
MyThreadPool(int poolSize,
BlockingQueue<Runnable> workQueue){
this.workQueue = workQueue;
// 创建工作线程
for(int idx=0; idx<poolSize; idx++){
WorkerThread work = new WorkerThread();
work.start();
threads.add(work);
}
}
// 提交任务
void execute(Runnable command){
workQueue.put(command);
}
// 工作线程负责消费任务，并执行任务
class WorkerThread extends Thread{
public void run() {
//循环取任务并执行
while(true){ ①
Runnable task = workQueue.take();
task.run();
}
}
}
}
/** 下面是使用示例 **/
// 创建有界阻塞队列
BlockingQueue<Runnable> workQueue =
new LinkedBlockingQueue<>(2);
// 创建线程池
MyThreadPool pool = new MyThreadPool(
10, workQueue);
// 提交任务
pool.execute(()->{
System.out.println("hello");
});
常用线程池
ThreadPoolExecutor
在工程中，我们会使用Executors来快速new一个线程池，例如：
ExecutorService executorService = Executors.newFixedThreadPool(threadPoolNum, r -> new Thread(r, threadName));
Executors底层使用的是 ThreadPoolExecutor，我们可以通过ThreadPoolExecutor构造函数来了解ThreadPoolExecutor的一些行为。
ThreadPoolExecutor(
int corePoolSize,
int maximumPoolSize,
long keepAliveTime,
TimeUnit unit,
BlockingQueue<Runnable> workQueue,
ThreadFactory threadFactory,
RejectedExecutionHandler handler)
构造函数参数说明
corePoolSize：表示线程池保有的最小线程数。
maximumPoolSize：表示线程池创建的最大线程数。
keepAliveTime & unit：如果一个线程空闲了keepAliveTime & unit这么久，而且线程池的线程数大于 corePoolSize ，那么这个空闲的线程就要被回收了。
workQueue：工作队列，和上面示例代码的工作队列同义。
threadFactory：通过这个参数你可以自定义如何创建线程，例如你可以给线程指定一个有意义的名字。
handler：通过这个参数你可以自定义任务的拒绝策略。如果线程池中所有的线程都在忙碌，并且工作队列也满了（前提是工作队列是有界队列），那么此时提交任务，线程池就会拒绝接收。至于拒绝的策略，你可以通过 handler 这个参数来指定。
ThreadPoolExecutor 已经提供了以下 4 种策略。
- CallerRunsPolicy：提交任务的线程自己去执行该任务。
- AbortPolicy：默认的拒绝策略，会 throws RejectedExecutionException。
- DiscardPolicy：直接丢弃任务，没有任何异常抛出。
- DiscardOldestPolicy：丢弃最老的任务，其实就是把最早进入工作队列的任务丢弃，然后把新任务加入到工作队列。
线程池默认工作行为
不会初始化 corePoolSize 个线程，有任务来了才创建工作线程；
当核心线程满了之后不会立即扩容线程池，而是把任务堆积到工作队列中；
当工作队列满了后扩容线程池，一直到线程个数达到 maximumPoolSize 为止；（如果线程池还没有扩容到最大线程数但是工作队列已经溢出，溢出的请求会被拒绝）
如果队列已满且达到了最大线程后还有任务进来，按照拒绝策略处理；
当线程数大于核心线程数时，线程等待 keepAliveTime 后还是没有任务需要处理的话，收缩线程到核心线程数。
ForkJoinPool
Fork/Join 是一个并行计算的框架，主要就是用来支持分治任务模型的，这个计算框架里的 Fork 对应的是分治任务模型里的任务分解，Join 对应的是结果合并。
Fork/Join 计算框架主要包含两部分，一部分是分治任务的线程池 ForkJoinPool，另一部分是分治任务 ForkJoinTask。这两部分的关系类似于 ThreadPoolExecutor 和 Runnable 的关系，都可以理解为提交任务到线程池，只不过分治任务有自己独特类型 ForkJoinTask。
ForkJoinPool 主要适用于计算密集型任务,Java中的parallelStream底层使用的就是ForkJoinPool。
下面是使用ForkJoinPool的一个简单例子：
public static void main(String[] args) {
ForkJoinPool forkJoinPool = new ForkJoinPool(4);
Fibonacci fibonacci = new Fibonacci(5);
Integer res = forkJoinPool.invoke(fibonacci);
System.out.println(res);
}
static class Fibonacci extends RecursiveTask<Integer>{
final int n;
Fibonacci(int n){
this.n = n;
}
@Override
protected Integer compute() {
if(n<=1){
return n;
}
Fibonacci f1 = new Fibonacci(n-1);
f1.fork();
Fibonacci f2 = new Fibonacci(n-2);
return f2.compute() + f1.join();
}
}
FutureTask
我们可以通过FutureTask（Future接口的实现类）获取线程执行结果。FutureTask主要方法如下：
// 取消任务 boolean cancel( boolean mayInterruptIfRunning); // 判断任务是否已取消 boolean isCancelled(); // 判断任务是否已结束 boolean isDone(); // 获得任务执行结果 get(); // 获得任务执行结果，支持超时 get(long timeout, TimeUnit unit);
其中，两个 get() 方法都是阻塞式的，如果被调用的时候，任务还没有执行完，那么调用 get() 方法的线程会阻塞，直到任务执行完才会被唤醒。
ExecutorService executorService = Executors.newFixedThreadPool(10);
Future<Integer> future = executorService.submit(() -> {
return 1 + 1;
});
Integer res = future.get();
System.out.println(res);
Integer res2 = future.get(1000, TimeUnit.SECONDS);
System.out.println(res2);
FutureTask 实现了 Runnable 和 Future 接口，由于实现了 Runnable 接口，所以可以将 FutureTask 对象作为任务提交给 ThreadPoolExecutor 去执行。
// 创建FutureTask FutureTask<Integer> futureTask = new FutureTask<>(()-> 1+2); // 创建线程池 ExecutorService es = Executors.newCachedThreadPool(); // 提交FutureTask es.submit(futureTask); // 获取计算结果 Integer result = futureTask.get();
线程数量分析
多线程可以提高程序的响应速度和吞吐量，创建线程的数量会对实际效果产生非常大的影响，线程太少会浪费CPU的资源，线程太多则会导致线程的频繁切换，系统性能反而会下降。
根据程序类型的不同，我们可以将我们的程序分为IO密集型和CPU密集型两种，这两种程序计算最佳线程数的方法有所不同。
CPU密集型
对于 CPU 密集型计算，多线程本质上是提升多核 CPU 的利用率，所以对于一个 4 核的 CPU，每个核一个线程，理论上创建 4 个线程就可以了，再多创建线程也只是增加线程切换的成本。所以，对于 CPU 密集型的计算场景，理论上“线程的数量 =CPU 核数”就是最合适的。不过在工程上，线程的数量一般会设置为“CPU 核数 +1”，这样的话，当线程因为偶尔的内存页失效或其他原因导致阻塞时，这个额外的线程可以顶上，从而保证 CPU 的利用率。
IO密集型
对于I/O 密集型计算场景，由于计算资源与IO资源是各自独立的资源，在CPU执行其他线程的任务时，IO仍能继续，因此对于IO密集型的程序，最佳线程数与程序中 CPU 计算和 I/O 操作的耗时比相关。
根据上诉分析，我们可以得出最佳线程数的计算公式：
最佳线程数 = 1 +（I/O 耗时 / CPU 耗时）
对于多核CPU，只需进行同比扩大就行：
最佳线程数 =CPU 核数 * [ 1 +（I/O 耗时 / CPU 耗时）]
对于最佳线程数是多少，以上只是理论分析，由于实际生产环境中，一台机器可能会跑多个服务，一个服务可能会有多个线程池，因此最佳线程数还是要根据实际生产情况进行调整，理论值仅供参考。
总结
本篇文章就到这里了，希望能给你带来帮助，也希望您能够多多关注北冥有鱼的更多内容！
您可能感兴趣的文章:
