java多線程該設(shè)置多少個線程

本篇內(nèi)容主要講解“java多線程該設(shè)置多少個線程”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“java多線程該設(shè)置多少個線程”吧!

我們在使用線程池的時候，會有兩個疑問點：

•  線程池的線程數(shù)量設(shè)置過多會導致線程競爭激烈

•  如果線程數(shù)量設(shè)置過少的話，還會導致系統(tǒng)無法充分利用計算機資源

那么如何設(shè)置才不會影響系統(tǒng)性能呢？

其實線程池的設(shè)置是有方法的，不是憑借簡單的估算來決定的。今天我們就來看看究竟有哪些計算方法可以復用，線程池中各個參數(shù)之間又存在怎樣的關(guān)系呢？ 本文咱們來慢慢聊。

線程池原理

開始優(yōu)化之前，我們先來看看線程池的實現(xiàn)原理，有助于你更好地理解后面的內(nèi)容。

在 HotSpot VM 的線程模型中，Java 線程被一對一映射為內(nèi)核線程。Java 在使用線程執(zhí)行程序時，需要創(chuàng)建一個內(nèi)核線程；當該 Java 線程被終止時，這個內(nèi)核線程也會被回收。因此 Java 線程的創(chuàng)建與銷毀將會消耗一定的計算機資源，從而增加系統(tǒng)的性能開銷。

除此之外，大量創(chuàng)建線程同樣會給系統(tǒng)帶來性能問題，因為內(nèi)存和 CPU 資源都將被線程搶占，如果處理不當，就會發(fā)生內(nèi)存溢出、CPU 使用率超負荷等問題。

為了解決上述兩類問題，Java 提供了線程池概念，對于頻繁創(chuàng)建線程的業(yè)務場景，線程池可以創(chuàng)建固定的線程數(shù)量，并且在操作系統(tǒng)底層，輕量級進程將會把這些線程映射到內(nèi)核。

線程池可以提高線程復用，又可以固定最大線程使用量，防止無限制地創(chuàng)建線程。

當程序提交一個任務需要一個線程時，會去線程池中查找是否有空閑的線程，若有，則直接使用線程池中的線程工作，若沒有，會去判斷當前已創(chuàng)建的線程數(shù)量是否超過最大線程數(shù)量，如未超過，則創(chuàng)建新線程，如已超過，則進行排隊等待或者直接拋出異常。

線程池框架 Executor

Java 最開始提供了 ThreadPool 實現(xiàn)了線程池，為了更好地實現(xiàn)用戶級的線程調(diào)度，更有效地幫助開發(fā)人員進行多線程開發(fā)，Java 提供了一套 Executor 框架。

這個框架中包括了 ScheduledThreadPoolExecutor 和 ThreadPoolExecutor 兩個核心線程池。前者是用來定時執(zhí)行任務，后者是用來執(zhí)行被提交的任務。

鑒于這兩個線程池的核心原理是一樣的，下面我們就重點看看 ThreadPoolExecutor 類是如何實現(xiàn)線程池的。

Executors 實現(xiàn)了以下四種類型的 ThreadPoolExecutor：

Executors 利用工廠模式實現(xiàn)的四種線程池，我們在使用的時候需要結(jié)合生產(chǎn)環(huán)境下的實際場景。

不過我不太推薦使用它們，因為選擇使用 Executors 提供的工廠類，將會忽略很多線程池的參數(shù)設(shè)置，工廠類一旦選擇設(shè)置默認參數(shù)，就很容易導致無法調(diào)優(yōu)參數(shù)設(shè)置，從而產(chǎn)生性能問題或者資源浪費。

我建議你使用 ThreadPoolExecutor 自我定制一套線程池（阿里規(guī)范中也是建議不要使用Executors 創(chuàng)建線程池，建議使用ThreadPoolExecutor 來創(chuàng)建線程池）。

進入四種工廠類后，我們可以發(fā)現(xiàn)除了 newScheduledThreadPool 類，其它類均使用了 ThreadPoolExecutor 類進行實現(xiàn)，

你可以通過以下代碼簡單看下該方法

corePoolSize：線程池的核心線程數(shù)量

maximumPoolSize：線程池的最大線程數(shù)

keepAliveTime：當線程數(shù)大于核心線程數(shù)時，多余的空閑線程存活的最長時間

unit：時間單位

workQueue：任務隊列，用來儲存等待執(zhí)行任務的隊列

threadFactory：線程工廠，用來創(chuàng)建線程，一般默認即可

handler：拒絕策略，當提交的任務過多而不能及時處理時，我們可以定制策略來處理任務

我們還可以通過下面這張圖來了解下線程池中各個參數(shù)的相互關(guān)系：

通過上圖，我們發(fā)現(xiàn)線程池有兩個線程數(shù)的設(shè)置，一個為核心線程數(shù)，一個為最大線程數(shù)。在創(chuàng)建完線程池之后，默認情況下，線程池中并沒有任何線程，等到有任務來才創(chuàng)建線程去執(zhí)行任務。

但有一種情況排除在外，就是調(diào)用 prestartAllCoreThreads() 或者 prestartCoreThread() 方法的話，可以提前創(chuàng)建等于核心線程數(shù)的線程數(shù)量，這種方式被稱為預熱，在搶購系統(tǒng)中就經(jīng)常被用到。

當創(chuàng)建的線程數(shù)等于 corePoolSize 時，提交的任務會被加入到設(shè)置的阻塞隊列中。當隊列滿了，會創(chuàng)建線程執(zhí)行任務，直到線程池中的數(shù)量等于 maximumPoolSize。

當線程數(shù)量已經(jīng)等于 maximumPoolSize 時， 新提交的任務無法加入到等待隊列，也無法創(chuàng)建非核心線程直接執(zhí)行，我們又沒有為線程池設(shè)置拒絕策略，這時線程池就會拋出 RejectedExecutionException 異常，即線程池拒絕接受這個任務。

當線程池中創(chuàng)建的線程數(shù)量超過設(shè)置的 corePoolSize，在某些線程處理完任務后，如果等待 keepAliveTime 時間后仍然沒有新的任務分配給它，那么這個線程將會被回收。線程池回收線程時，會對所謂的“核心線程”和“非核心線程”一視同仁，直到線程池中線程的數(shù)量等于設(shè)置的 corePoolSize 參數(shù)，回收過程才會停止。

即使是 corePoolSize 線程，在一些非核心業(yè)務的線程池中，如果長時間地占用線程數(shù)量，也可能會影響到核心業(yè)務的線程池，這個時候就需要把沒有分配任務的線程回收掉。

我們可以通過 allowCoreThreadTimeOut 設(shè)置項要求線程池：將包括“核心線程”在內(nèi)的，沒有任務分配的所有線程，在等待 keepAliveTime 時間后全部回收掉。

我們可以通過下面這張圖來了解下線程池的線程分配流程：

計算線程數(shù)量

了解完線程池的實現(xiàn)原理和框架，我們就可以動手實踐優(yōu)化線程池的設(shè)置了。

我們知道，環(huán)境具有多變性，設(shè)置一個絕對精準的線程數(shù)其實是不大可能的，但我們可以通過一些實際操作因素來計算出一個合理的線程數(shù)，避免由于線程池設(shè)置不合理而導致的性能問題。下面我們就來看看具體的計算方法。

一般多線程執(zhí)行的任務類型可以分為 CPU 密集型和 I/O 密集型，根據(jù)不同的任務類型，我們計算線程數(shù)的方法也不一樣。

CPU 密集型任務

這種任務消耗的主要是 CPU 資源，可以將線程數(shù)設(shè)置為 N（CPU 核心數(shù)）+1，比 CPU 核心數(shù)多出來的一個線程是為了防止線程偶發(fā)的缺頁中斷，或者其它原因?qū)е碌娜蝿諘和６鴰淼挠绊憽?/p>

一旦任務暫停，CPU 就會處于空閑狀態(tài)，而在這種情況下多出來的一個線程就可以充分利用 CPU 的空閑時間。

下面我們用一個例子來驗證下這個方法的可行性，通過觀察 CPU 密集型任務在不同線程數(shù)下的性能情況就可以得出結(jié)果，你可以點擊Github下載到本地運行測試：

public class CPUTypeTest implements Runnable {        // 整體執(zhí)行時間，包括在隊列中等待的時間         List<Long> wholeTimeList;         // 真正執(zhí)行時間         List<Long> runTimeList;           private long initStartTime = 0;         /**      * 構(gòu)造函數(shù)      * @param runTimeList      * @param wholeTimeList      */      public CPUTypeTest(List<Long> runTimeList, List<Long> wholeTimeList) {          initStartTime = System.currentTimeMillis();          this.runTimeList = runTimeList;         this.wholeTimeList = wholeTimeList;     }      /**      * 判斷素數(shù)      * @param number     * @return      */     public boolean isPrime(final int number) {         if (number <= 1)              return false;          for (int i = 2; i <= Math.sqrt(number); i++) {              if (number % i == 0)                  return false;          }          return true;      }      /**      * 計算素數(shù)      * @param number      * @return      */     public int countPrimes(final int lower, final int upper) {          int total = 0;          for (int i = lower; i <= upper; i++) {              if (isPrime(i))                  total++;          }          return total;      }      public void run() {          long start = System.currentTimeMillis();          countPrimes(1, 1000000);          long end = System.currentTimeMillis();           long wholeTime = end - initStartTime;          long runTime = end - start;          wholeTimeList.add(wholeTime);          runTimeList.add(runTime);          System.out.println(" 單個線程花費時間：" + (end - start));      }  }

測試代碼在 4 核 intel i5 CPU 機器上的運行時間變化如下：

綜上可知：當線程數(shù)量太小，同一時間大量請求將被阻塞在線程隊列中排隊等待執(zhí)行線程，此時 CPU 沒有得到充分利用；當線程數(shù)量太大，被創(chuàng)建的執(zhí)行線程同時在爭取 CPU 資源，又會導致大量的上下文切換，從而增加線程的執(zhí)行時間，影響了整體執(zhí)行效率。通過測試可知，4~6 個線程數(shù)是最合適的。

I/O 密集型任務

這種任務應用起來，系統(tǒng)會用大部分的時間來處理 I/O 交互，而線程在處理 I/O 的時間段內(nèi)不會占用 CPU 來處理，這時就可以將 CPU 交出給其它線程使用。因此在 I/O 密集型任務的應用中，我們可以多配置一些線程，具體的計算方法是 2N。

這里我們還是通過一個例子來驗證下這個公式是否可以標準化：

public class IOTypeTest implements Runnable {         // 整體執(zhí)行時間，包括在隊列中等待的時間         Vector<Long> wholeTimeList;       // 真正執(zhí)行時間         Vector<Long> runTimeList;          private long initStartTime = 0;        /**       * 構(gòu)造函數(shù)        * @param runTimeList         * @param wholeTimeList        */        public IOTypeTest(Vector<Long> runTimeList, Vector<Long> wholeTimeList) {           initStartTime = System.currentTimeMillis();           this.runTimeList = runTimeList;           this.wholeTimeList = wholeTimeList;       }             /**       *IO 操作        * @param number       * @return         * @throws IOException         */        public void readAndWrite() throws IOException {           File sourceFile = new File("D:/test.txt");    // 創(chuàng)建輸入流      BufferedReader input = new BufferedReader(new FileReader(sourceFile));   // 讀取源文件, 寫入到新的文件     String line = null;   while((line = input.readLine()) != null){   //System.out.println(line);   }     // 關(guān)閉輸入輸出流    input.close();        }             public void run() {           long start = System.currentTimeMillis();            try {                 readAndWrite();           } catch (IOException e) {               // TODO Auto-generated catch block                e.printStackTrace();              }             long end = System.currentTimeMillis();             long wholeTime = end - initStartTime;             long runTime = end - start;           wholeTimeList.add(wholeTime);            runTimeList.add(runTime);             System.out.println(" 單個線程花費時間：" + (end - start));         }     }

備注：由于測試代碼讀取 2MB 大小的文件，涉及到大內(nèi)存，所以在運行之前，我們需要調(diào)整 JVM 的堆內(nèi)存空間：-Xms4g -Xmx4g，避免發(fā)生頻繁的 FullGC，影響測試結(jié)果。

通過測試結(jié)果，我們可以看到每個線程所花費的時間。當線程數(shù)量在 8 時，線程平均執(zhí)行時間是最佳的，這個線程數(shù)量和我們的計算公式所得的結(jié)果就差不多。

看完以上兩種情況下的線程計算方法，你可能還想說，在平常的應用場景中，我們常常遇不到這兩種極端情況，那么碰上一些常規(guī)的業(yè)務操作，比如，通過一個線程池實現(xiàn)向用戶定時推送消息的業(yè)務，我們又該如何設(shè)置線程池的數(shù)量呢？

此時我們可以參考以下公式來計算線程數(shù)：

WT：線程等待時間

ST：線程時間運行時間

我們可以通過 JDK 自帶的工具 VisualVM 來查看 WT/ST 比例，以下例子是基于運行純 CPU 運算的例子，我們可以看到：

WT（線程等待時間）= 36788ms [線程運行總時間] - 36788ms[ST（線程時間運行時間）]= 0    線程數(shù) =N（CPU 核數(shù)）*（1+ 0 [WT（線程等待時間）]/36788ms[ST（線程時間運行時間）]）= N（CPU 核數(shù)）

這跟我們之前通過 CPU 密集型的計算公式 N+1 所得出的結(jié)果差不多。

綜合來看，我們可以根據(jù)自己的業(yè)務場景，從“N+1”和“2N”兩個公式中選出一個適合的，計算出一個大概的線程數(shù)量，之后通過實際壓測，逐漸往“增大線程數(shù)量”和“減小線程數(shù)量”這兩個方向調(diào)整，然后觀察整體的處理時間變化，最終確定一個具體的線程數(shù)量。

到此，相信大家對“java多線程該設(shè)置多少個線程”有了更深的了解，不妨來實際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進入相關(guān)頻道進行查詢，關(guān)注我們，繼續(xù)學習！