线程池
1 自定义线程池
步骤1：自定义拒绝策略接口 RejectPolicy
package com.tobestronger.threadPool;
/**
* 任务拒绝策略
*
* @param <T>
*/
@FunctionalInterface
interface MyRejectPolicy<T> {
void reject(MyBlockingQueue<T> queue, T task);
}
步骤2：自定义任务队列 BlockingQueue
package com.tobestronger.threadPool;
import lombok.extern.slf4j.Slf4j;
import java.util.ArrayDeque;
import java.util.Deque;
import java.util.concurrent.TimeUnit;
import java.util.concurrent.locks.Condition;
import java.util.concurrent.locks.ReentrantLock;
/**
* 任务队列
*
* @param <T>
*/
@Slf4j(topic = "c.MyBlockingQueue")
class MyBlockingQueue<T> {
// 1. 任务队列
private Deque<T> queue = new ArrayDeque<>();
// 2. 锁
private ReentrantLock lock = new ReentrantLock();
// 3. 生产者条件变量
private Condition fullWaitSet = lock.newCondition();
// 4. 消费者条件变量
private Condition emptyWaitSet = lock.newCondition();
// 5. 容量
private int capcity;
/**
* 构造方法
* @param capcity 线程池容量
*/
public MyBlockingQueue(int capcity) {
log.info("构造BlockingQueue");
this.capcity = capcity;
}
/**
* 获取队列头部一个元素, 阻塞至 获取到元素 或 超时时长
*
* @param timeout
* @param unit
* @return
*/
public T poll(long timeout, TimeUnit unit) {
lock.lock();
try {
// 将 timeout 统一转换为 纳秒
long nanos = unit.toNanos(timeout);
//如果队列为空,当前线程在 emptyWaitSet 上等待
while (queue.isEmpty()) {
try {
// 返回值是剩余时间
if (nanos <= 0) {
//等待超时后队列仍为空,返回null
return null;
}
nanos = emptyWaitSet.awaitNanos(nanos);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
//获取队列头部元素并将其从队列中移除
T t = queue.removeFirst();
//唤醒 等待在fullWaitSet上的任 意一个线程
fullWaitSet.signal();
return t;
} finally {
lock.unlock();
}
}
/**
* 获取队列头部一个元素, 阻塞至获取到任务为止
* @return
*/
public T take() {
lock.lock();
try {
while (queue.isEmpty()) {
try {
emptyWaitSet.await();
} catch (InterruptedException e) {
e.printStackTrace();
}
}
T t = queue.removeFirst();
fullWaitSet.signal();
return t;
} finally {
lock.unlock();
}
}
/**
* 向队列尾部添加一个元素, 阻塞至 加入到队列 或 超时时长
* @param task
* @param timeout
* @param timeUnit
* @return
*/
public boolean offer(T task, long timeout, TimeUnit timeUnit) {
lock.lock();
try {
long nanos = timeUnit.toNanos(timeout);
while (queue.size() == capcity) {
try {
if(nanos <= 0) {
return false;
}
log.debug("等待加入任务队列 {} ...", task);
nanos = fullWaitSet.awaitNanos(nanos);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
log.debug("加入任务队列 {}", task);
queue.addLast(task);
//添加任务成功后,唤起 等待在emptyWaitSet上的 一个线程
emptyWaitSet.signal();
return true;
} finally {
lock.unlock();
}
}
/**
* 向队列尾部添加一个元素, 阻塞至 加入到队列为止
* @param task
*/
public void put(T task) {
lock.lock();
try {
while (queue.size() == capcity) {
try {
log.debug("等待加入任务队列 {} ...", task);
fullWaitSet.await();
} catch (InterruptedException e) {
e.printStackTrace();
}
}
log.debug("加入任务队列 {}", task);
queue.addLast(task);
emptyWaitSet.signal();
} finally {
lock.unlock();
}
}
/**
* 返回队列当前size
* @return 返回队列当前size
*/
public int size() {
lock.lock();
try {
return queue.size();
} finally {
lock.unlock();
}
}
/**
* 尝试将任务task放入队列, 如果队列已满,则执行拒绝策略rejectPolicy
*
* @param rejectPolicy
* @param task
*/
public void tryPut(MyRejectPolicy<T> rejectPolicy, T task) {
lock.lock();
try {
// 判断队列是否满
if(queue.size() == capcity) {
log.info("队列已满,按照拒绝策略处理任务 {}",task);
rejectPolicy.reject(this, task);
} else { // 有空闲
log.debug("队列未满,任务 {} 加入到队列中 ", task);
queue.addLast(task);
emptyWaitSet.signal();
}
} finally {
lock.unlock();
}
}
}
步骤3：自定义线程池 ThreadPool
package com.tobestronger.threadPool;
import lombok.extern.slf4j.Slf4j;
import java.util.HashSet;
import java.util.concurrent.TimeUnit;
@Slf4j(topic = "c.MyThreadPool")
class MyThreadPool {
// 任务队列
private MyBlockingQueue<Runnable> taskQueue;
//队列已满时的拒绝策略
private MyRejectPolicy<Runnable> rejectPolicy;
// 线程集合
private HashSet<Worker> workers = new HashSet<>();
// 核心线程数
private int coreSize;
// 获取任务时的超时时间
private long timeout;
private TimeUnit timeUnit;
// 执行任务
public void execute(Runnable task) {
log.info("接收到任务需要执行: "+task);
// 当任务数没有超过 coreSize 时，直接交给 worker 对象执行
// 如果任务数超过 coreSize 时，加入任务队列暂存
synchronized (workers) {
if(workers.size() < coreSize) {
Worker worker = new Worker(task,"worker--"+workers.size());
workers.add(worker);
log.info("coreSize未满,新增 worker {} 来执行任务 {}", worker, task);
worker.start();
} else {
log.info("coreSize已经满了!!!!!,需要先尝试将任务{} 放到等待队列中 ",task);
taskQueue.tryPut(rejectPolicy, task);
}
}
}
/**
* 构造函数
*
* @param coreSize 线程池最大核心线程数
* @param timeout 和timeUnit一起指定超时时长
* @param timeUnit 和timeout一起指定超时时长
* @param queueCapcity 任务队列容量
* @param rejectPolicy 任务队列满时针对添加操作的拒绝策略
*/
public MyThreadPool(int coreSize, long timeout, TimeUnit timeUnit, int queueCapcity, MyRejectPolicy<Runnable> rejectPolicy) {
log.info("构造ThreadPool");
this.coreSize = coreSize;
this.timeout = timeout;
this.timeUnit = timeUnit;
this.taskQueue = new MyBlockingQueue<>(queueCapcity);
this.rejectPolicy = rejectPolicy;
}
/**
* 线程池中的工作线程
*/
class Worker extends Thread{
/**
* 执行任务主体
*/
private Runnable task;
public Worker(Runnable task,String workerName) {
this.task = task;
this.setName(workerName);
}
/**
* 执行已有任务或从队列中获取一个任务执行.
* 如果都执行完了,就结束线程
*/
@Override
public void run() {
log.info("worker跑run了,让我看看有没有task来做");
// 执行任务
// 1) 当 task 不为空，执行任务
// 2) 当 task 执行完毕，再接着从任务队列获取任务并执行
// while(task != null || (task = taskQueue.take()) != null) {
while(task != null || (task = taskQueue.poll(timeout, timeUnit)) != null) {
try {
log.debug("获取到任务了,正在执行...{}", task);
task.run();
} catch (Exception e) {
e.printStackTrace();
} finally {
log.info("搞定一个任务 {},尝试获取新任务执行",task);
task = null;
}
}
synchronized (workers) {
log.debug("当前worker {} 因长时间没有获取到可执行任务 将被释放", this);
workers.remove(this);
}
}
}
}
步骤4：测试
package com.tobestronger.threadPool;
import lombok.extern.slf4j.Slf4j;
import java.util.concurrent.TimeUnit;
@Slf4j(topic = "c.TestCustomThreadPool")
public class TestMyThreadPool {
public static void main(String[] args) {
MyThreadPool threadPool = new MyThreadPool(1,
3000,
TimeUnit.MILLISECONDS,
1,
(queue, task)->{
// 1. 死等
// queue.put(task);
// 2) 带超时等待
queue.offer(task, 1500, TimeUnit.MILLISECONDS);
// 3) 让调用者放弃任务执行
// log.debug("放弃{}", task);
// 4) 让调用者抛出异常
// throw new RuntimeException("任务执行失败 " + task);
// 5) 让调用者自己执行任务
// log.info("当前拒绝策略: 让调用线程池的调用者自己执行任务,没有开新线程,直接调用的run()");
// task.run();
});
int total =4;
for (int i = 1; i <= total; i++) {
int j = i;
threadPool.execute(() -> {
try {
log.debug("开始执行第 {}/{} 个任务 ", j,total);
Thread.sleep(1000L);
} catch (InterruptedException e) {
e.printStackTrace();
}
log.debug("第 {}/{} 个任务 执行结束", j,total);
});
}
}
}
执行结果：
Connected to the target VM, address: '127.0.0.1:14184', transport: 'socket'
17:57:05.556 [main] c.MyThreadPool - 构造ThreadPool
17:57:05.558 [main] c.MyBlockingQueue - 构造BlockingQueue
17:57:05.559 [main] c.MyThreadPool - 接收到任务需要执行: com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@226a82c4
17:57:05.560 [main] c.MyThreadPool - coreSize未满,新增 worker Thread[worker--0,5,main] 来执行任务 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@226a82c4
17:57:05.561 [main] c.MyThreadPool - 接收到任务需要执行: com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@491666ad
17:57:05.561 [main] c.MyThreadPool - coreSize已经满了!!!!!,需要先尝试将任务com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@491666ad 放到等待队列中
17:57:05.561 [main] c.MyBlockingQueue - 队列未满,任务 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@491666ad 加入到队列中
17:57:05.561 [main] c.MyThreadPool - 接收到任务需要执行: com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@176d53b2
17:57:05.561 [main] c.MyThreadPool - coreSize已经满了!!!!!,需要先尝试将任务com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@176d53b2 放到等待队列中
17:57:05.561 [worker--0] c.MyThreadPool - worker跑run了,让我看看有没有task来做
17:57:05.561 [main] c.MyBlockingQueue - 队列已满,按照拒绝策略处理任务 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@176d53b2
17:57:05.561 [worker--0] c.MyThreadPool - 获取到任务了,正在执行...com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@226a82c4
17:57:05.561 [main] c.MyBlockingQueue - 等待加入任务队列 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@176d53b2 ...
17:57:05.561 [worker--0] c.TestCustomThreadPool - 开始执行第 1/4 个任务
17:57:06.569 [worker--0] c.TestCustomThreadPool - 第 1/4 个任务 执行结束
17:57:06.569 [worker--0] c.MyThreadPool - 搞定一个任务 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@226a82c4,尝试获取新任务执行
17:57:06.569 [worker--0] c.MyThreadPool - 获取到任务了,正在执行...com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@491666ad
17:57:06.569 [main] c.MyBlockingQueue - 加入任务队列 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@176d53b2
17:57:06.569 [worker--0] c.TestCustomThreadPool - 开始执行第 2/4 个任务
17:57:06.569 [main] c.MyThreadPool - 接收到任务需要执行: com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@51931956
17:57:06.569 [main] c.MyThreadPool - coreSize已经满了!!!!!,需要先尝试将任务com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@51931956 放到等待队列中
17:57:06.569 [main] c.MyBlockingQueue - 队列已满,按照拒绝策略处理任务 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@51931956
17:57:06.569 [main] c.MyBlockingQueue - 等待加入任务队列 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@51931956 ...
17:57:07.569 [worker--0] c.TestCustomThreadPool - 第 2/4 个任务 执行结束
17:57:07.569 [worker--0] c.MyThreadPool - 搞定一个任务 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@491666ad,尝试获取新任务执行
17:57:07.569 [worker--0] c.MyThreadPool - 获取到任务了,正在执行...com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@176d53b2
17:57:07.569 [main] c.MyBlockingQueue - 加入任务队列 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@51931956
17:57:07.569 [worker--0] c.TestCustomThreadPool - 开始执行第 3/4 个任务
17:57:08.570 [worker--0] c.TestCustomThreadPool - 第 3/4 个任务 执行结束
17:57:08.570 [worker--0] c.MyThreadPool - 搞定一个任务 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@176d53b2,尝试获取新任务执行
17:57:08.570 [worker--0] c.MyThreadPool - 获取到任务了,正在执行...com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@51931956
17:57:08.570 [worker--0] c.TestCustomThreadPool - 开始执行第 4/4 个任务
17:57:09.585 [worker--0] c.TestCustomThreadPool - 第 4/4 个任务 执行结束
17:57:09.585 [worker--0] c.MyThreadPool - 搞定一个任务 com.tobestronger.threadPool.TestMyThreadPool$$Lambda$2/891095110@51931956,尝试获取新任务执行
17:57:12.590 [worker--0] c.MyThreadPool - 当前worker Thread[worker--0,5,main] 因长时间没有获取到可执行任务 将被释放
Disconnected from the target VM, address: '127.0.0.1:14184', transport: 'socket'
Process finished with exit code 0
2 ThreadPoolExecutor
1) 线程池状态
ThreadPoolExecutor 使用 int 的高 3 位来表示线程池状态，低 29 位表示线程数量
从数字上比较，TERMINATED > TIDYING > STOP > SHUTDOWN > RUNNING .
因为第一位是符号位,RUNNING 是负数,所以最小.
这些信息存储在一个原子变量 ctl 中，目的是将线程池状态与线程个数合二为一，这样就可以用一次 cas 原子操作进行赋值
// c 为旧值， ctlOf 返回结果为新值
ctl.compareAndSet(c, ctlOf(targetState, workerCountOf(c))));
// rs 为高 3 位代表线程池状态， wc 为低 29 位代表线程个数，ctl 是合并它们
private static int ctlOf(int rs, int wc) { return rs | wc; }
2) 构造方法
public ThreadPoolExecutor(int corePoolSize,
int maximumPoolSize,
long keepAliveTime,
TimeUnit unit,
BlockingQueue<Runnable> workQueue,
ThreadFactory threadFactory,
RejectedExecutionHandler handler)
● corePoolSize 核心线程数目 (最多保留的线程数)
● maximumPoolSize 最大线程数目
● keepAliveTime 生存时间 - 针对救急线程
● unit 时间单位 - 针对救急线程
● workQueue 阻塞队列
● threadFactory 线程工厂 - 可以为线程创建时起个好名字
● handler 拒绝策略
工作方式：
● 线程池中刚开始没有线程，当一个任务提交给线程池后，线程池会创建一个新线程来执行任务。
● 当线程数达到 corePoolSize 并没有线程空闲，这时再加入任务，新加的任务会被加入workQueue 队列排队，直到有空闲的线程。
● 如果队列选择了有界队列，那么任务超过了队列大小时，会创建 maximumPoolSize - corePoolSize 数目的线程来救急。
● 如果线程到达 maximumPoolSize 仍然有新任务这时会执行拒绝策略。拒绝策略 jdk 提供了 4 种实现，其它著名框架也提供了实现
○ AbortPolicy 让调用者抛出 RejectedExecutionException 异常，这是默认策略
○ CallerRunsPolicy 让调用者运行任务
○ DiscardPolicy 放弃本次任务
○ DiscardOldestPolicy 放弃队列中最早的任务，本任务取而代之
○ Dubbo 的实现，在抛出 RejectedExecutionException 异常之前会记录日志，并 dump 线程栈信息，方便定位问题
○ Netty 的实现，是创建一个新线程来执行任务
○ ActiveMQ 的实现，带超时等待（60s）尝试放入队列，类似我们之前自定义的拒绝策略
○ PinPoint 的实现，它使用了一个拒绝策略链，会逐一尝试策略链中每种拒绝策略
● 当高峰过去后，超过corePoolSize 的救急线程如果一段时间没有任务做，需要结束节省资源，这个时间由keepAliveTime 和 unit 来控制。
根据这个构造方法,JDK Executors类中提供了众多工厂方法来创建各种用途的线程池.
JDK Executors类中提供的典型线程池实现
3) newFixedThreadPool
public static ExecutorService newFixedThreadPool(int nThreads) {
return new ThreadPoolExecutor(nThreads, nThreads,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue<Runnable>());
}
特点
● 核心线程数 == 最大线程数（没有救急线程被创建），因此也无需超时时间
● 阻塞队列是无界的，可以放任意数量的任务
适用于任务量已知，相对耗时的任务
4) newCachedThreadPool
public static ExecutorService newCachedThreadPool() {
return new ThreadPoolExecutor(0, Integer.MAX_VALUE,
60L, TimeUnit.SECONDS,
new SynchronousQueue<Runnable>());
}
特点
● 核心线程数是 0，最大线程数是 Integer.MAX_VALUE，救急线程的空闲生存时间是 60s，意味着
○ 全部都是救急线程（60s 后可以回收）
○ 救急线程可以无限创建
● 队列采用了 SynchronousQueue 实现特点是，它没有容量，没有线程来取是放不进去的（一手交钱、一手交货）
SynchronousQueue<Integer> integers = new SynchronousQueue<>();
new Thread(() -> {
try {
log.debug("putting {} ", 1);
integers.put(1);
log.debug("{} putted...", 1);
log.debug("putting...{} ", 2);
integers.put(2);
log.debug("{} putted...", 2);
} catch (InterruptedException e) {
e.printStackTrace();
}
},"t1").start();
sleep(1);
new Thread(() -> {
try {
log.debug("taking {}", 1);
integers.take();
} catch (InterruptedException e) {
e.printStackTrace();
}
},"t2").start();
sleep(1);
new Thread(() -> {
try {
log.debug("taking {}", 2);
integers.take();
} catch (InterruptedException e) {
e.printStackTrace();
}
},"t3").start();
输出：
11:48:15.500 c.TestSynchronousQueue [t1] - putting 1
11:48:16.500 c.TestSynchronousQueue [t2] - taking 1
11:48:16.500 c.TestSynchronousQueue [t1] - 1 putted...
11:48:16.500 c.TestSynchronousQueue [t1] - putting...2
11:48:17.502 c.TestSynchronousQueue [t3] - taking 2
11:48:17.503 c.TestSynchronousQueue [t1] - 2 putted...
整个线程池表现为线程数会根据任务量不断增长，没有上限，当任务执行完毕，空闲 1分钟后释放线程。
适合任务数比较密集，但每个任务执行时间较短的情况
5) newSingleThreadExecutor
public static ExecutorService newSingleThreadExecutor() {
return new FinalizableDelegatedExecutorService
(new ThreadPoolExecutor(1, 1,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue<Runnable>()));
}
使用场景：
希望多个任务排队执行。线程数固定为 1，任务数多于 1 时，会放入无界队列排队。
任务执行完毕，这唯一的线程也不会被释放。
和自己创建一个线程来工作的区别:
● 自己创建一个单线程串行执行任务，如果任务执行失败而终止那么没有任何补救措施，而线程池还会新建一个线程，保证池的正常工作
和Executors.newFixedThreadPool(1)的区别
● Executors.newSingleThreadExecutor() 线程个数始终为1，不能修改
○ FinalizableDelegatedExecutorService 应用的是装饰器模式，只对外暴露了 ExecutorService 接口，因此不能调用 ThreadPoolExecutor 中特有的方法
● Executors.newFixedThreadPool(1) 初始时为1，以后还可以修改
○ 对外暴露的是 ThreadPoolExecutor 对象，可以强转后调用 setCorePoolSize 等方法进行修改
6) (用于)提交任务(的几个方法)
// 执行任务
void execute(Runnable command);
// 提交任务 task，用返回值 Future 获得任务执行结果
<T> Future<T> submit(Callable<T> task);
// 提交 tasks 中所有任务
<T> List<Future<T>> invokeAll(Collection<? extends Callable<T>> tasks)
throws InterruptedException;
// 提交 tasks 中所有任务，带超时时间
<T> List<Future<T>> invokeAll(Collection<? extends Callable<T>> tasks,
long timeout, TimeUnit unit)
throws InterruptedException;
// 提交 tasks 中所有任务，哪个任务先成功执行完毕，返回此任务执行结果，其它任务取消
<T> T invokeAny(Collection<? extends Callable<T>> tasks)
throws InterruptedException, ExecutionException;
// 提交 tasks 中所有任务，哪个任务先成功执行完毕，返回此任务执行结果，其它任务取消，带超时时间
<T> T invokeAny(Collection<? extends Callable<T>> tasks,
long timeout, TimeUnit unit)
throws InterruptedException, ExecutionException, TimeoutException;
7) (用于)关闭线程池(的方法)
shutdown
/*
线程池状态变为 SHUTDOWN
- 不会接收新任务
- 但已提交任务会执行完
- 此方法不会阻塞调用线程的执行
*/
void shutdown();
public void shutdown() {
final ReentrantLock mainLock = this.mainLock;
mainLock.lock();
try {
checkShutdownAccess();
// 修改线程池状态
advanceRunState(SHUTDOWN);
// 仅会打断空闲线程
interruptIdleWorkers();
onShutdown(); // 扩展点 ScheduledThreadPoolExecutor
} finally {
mainLock.unlock();
}
// 尝试终结(没有运行的线程可以立刻终结，如果还有运行的线程也不会等)
tryTerminate();
}
shutdownNow
/*
线程池状态变为 STOP
- 不会接收新任务
- 会将队列中的任务返回
- 并用 interrupt 的方式中断正在执行的任务
*/
List<Runnable> shutdownNow();
public List<Runnable> shutdownNow() {
List<Runnable> tasks;
final ReentrantLock mainLock = this.mainLock;
mainLock.lock();
try {
checkShutdownAccess();
// 修改线程池状态
advanceRunState(STOP);
// 打断所有线程
interruptWorkers();
// 获取队列中剩余任务
tasks = drainQueue();
} finally {
mainLock.unlock();
}
// 尝试终结
tryTerminate();
return tasks;
}
其他方法
// 不在 RUNNING 状态的线程池，此方法就返回 true
boolean isShutdown();
// 线程池状态是否是 TERMINATED
boolean isTerminated();
// 调用 shutdown 后，由于调用线程并不会等待所有任务运行结束，因此如果它想在线程池 TERMINATED 后做些事情，可以利用此方法等待
boolean awaitTermination(long timeout, TimeUnit unit) throws InterruptedException;
(异步)模式之(工作线程) Worker Thread
1. 定义
让有限的工作线程（Worker Thread）来轮流异步处理无限多的任务。也可以将其归类为分工模式，它的典型实现
就是线程池，也体现了经典设计模式中的享元模式。
例如，海底捞的服务员（线程），轮流处理每位客人的点餐（任务），如果为每位客人都配一名专属的服务员，那么成本就太高了（对比另一种多线程设计模式：Thread-Per-Message）
注意，不同任务类型应该使用不同的线程池，这样能够避免饥饿，并能提升效率
例如，如果一个餐馆的工人既要招呼客人（任务类型A），又要到后厨做菜（任务类型B）显然效率不咋地，分成
服务员（线程池A）与厨师（线程池B）更为合理，当然你能想到更细致的分工
2. 饥饿
固定大小线程池会有饥饿现象
● 两个工人是同一个线程池中的两个线程
● 他们要做的事情是：为客人点餐和到后厨做菜，这是两个阶段的工作
○ 客人点餐：必须先点完餐，等菜做好，上菜，在此期间处理点餐的工人必须等待
○ 后厨做菜：没啥说的，做就是了
● 比如工人A 处理了点餐任务，接下来它要等着 工人B 把菜做好，然后上菜，他俩也配合的蛮好
● 但现在同时来了两个客人，这个时候工人A 和工人B 都去处理点餐了，这时没人做饭了，饥饿
public class TestStarvation {
static final List<String> MENU = Arrays.asList("地三鲜", "宫保鸡丁", "辣子鸡丁", "烤鸡翅");
static Random RANDOM = new Random();
static String cooking() {
return MENU.get(RANDOM.nextInt(MENU.size()));
}
public static void main(String[] args) {
ExecutorService executorService = Executors.newFixedThreadPool(2);
executorService.execute(() -> {
log.debug("处理点餐...");
Future<String> f = executorService.submit(() -> {
log.debug("做菜");
return cooking();
});
try {
log.debug("上菜: {}", f.get());
} catch (InterruptedException | ExecutionException e) {
e.printStackTrace();
}
});
/*
executorService.execute(() -> {
log.debug("处理点餐...");
Future<String> f = executorService.submit(() -> {
log.debug("做菜");
return cooking();
});
try {
log.debug("上菜: {}", f.get());
} catch (InterruptedException | ExecutionException e) {
e.printStackTrace();
}
});
*/
}
}
输出：
17:21:27.883 c.TestDeadLock [pool-1-thread-1] - 处理点餐...
17:21:27.891 c.TestDeadLock [pool-1-thread-2] - 做菜
17:21:27.891 c.TestDeadLock [pool-1-thread-1] - 上菜: 烤鸡翅
当注释取消后，可能的输出
17:08:41.339 c.TestDeadLock [pool-1-thread-2] - 处理点餐...
17:08:41.339 c.TestDeadLock [pool-1-thread-1] - 处理点餐...
解决方法可以增加线程池的大小，不过不是根本解决方案，还是前面提到的，不同的任务类型，采用不同的线程
池，例如：
public class TestStarvation {
static final List<String> MENU = Arrays.asList("地三鲜", "宫保鸡丁", "辣子鸡丁", "烤鸡翅");
static Random RANDOM = new Random();
static String cooking() {
return MENU.get(RANDOM.nextInt(MENU.size()));
}
public static void main(String[] args) {
ExecutorService waiterPool = Executors.newFixedThreadPool(1);
ExecutorService cookPool = Executors.newFixedThreadPool(1);
waiterPool.execute(() -> {
log.debug("处理点餐...");
Future<String> f = cookPool.submit(() -> {
log.debug("做菜");
return cooking();
});
try {
log.debug("上菜: {}", f.get());
} catch (InterruptedException | ExecutionException e) {
e.printStackTrace();
}
});
waiterPool.execute(() -> {
log.debug("处理点餐...");
Future<String> f = cookPool.submit(() -> {
log.debug("做菜");
return cooking();
});
try {
log.debug("上菜: {}", f.get());
} catch (InterruptedException | ExecutionException e) {
e.printStackTrace();
}
});
}
}
输出
17:25:14.626 c.TestDeadLock [pool-1-thread-1] - 处理点餐...
17:25:14.630 c.TestDeadLock [pool-2-thread-1] - 做菜
17:25:14.631 c.TestDeadLock [pool-1-thread-1] - 上菜: 地三鲜
17:25:14.632 c.TestDeadLock [pool-1-thread-1] - 处理点餐...
17:25:14.632 c.TestDeadLock [pool-2-thread-1] - 做菜
17:25:14.632 c.TestDeadLock [pool-1-thread-1] - 上菜: 辣子鸡丁
3 创建多少线程池合适
● 过小会导致程序不能充分地利用系统资源、容易导致饥饿
● 过大会导致更多的线程上下文切换，占用更多内存
3.1 CPU 密集型运算
通常采用 cpu 核数 + 1 能够实现最优的 CPU 利用率，+1 是保证当线程由于页缺失故障（操作系统）或其它原因
导致暂停时，额外的这个线程就能顶上去，保证 CPU 时钟周期不被浪费
3.2 I/O 密集型运算
CPU 不总是处于繁忙状态，例如，当你执行业务计算时，这时候会使用 CPU 资源，但当你执行 I/O 操作时、远程
RPC 调用时，包括进行数据库操作时，这时候 CPU 就闲下来了，你可以利用多线程提高它的利用率。
经验公式如下
线程数 = 核数 * 期望 CPU 利用率 * 总时间(CPU计算时间+等待时间) / CPU 计算时间
例如 4 核 CPU 计算时间是 50% ，其它等待时间是 50%，期望 cpu 被 100% 利用，套用公式
4 * 100% * 100% / 50% = 8
例如 4 核 CPU 计算时间是 10% ，其它等待时间是 90%，期望 cpu 被 100% 利用，套用公式
4 * 100% * 100% / 10% = 40
8) 任务调度线程池 ScheduledExecutorService
java.util.Timer
在『任务调度线程池』功能加入之前，可以使用 java.util.Timer 来实现定时功能，Timer 的优点在于简单易用，但
由于所有任务都是由同一个线程来调度，因此所有任务都是串行执行的，同一时间只能有一个任务在执行，前一个任务的延迟或异常都将会影响到之后的任务。
public static void main(String[] args) {
Timer timer = new Timer();
TimerTask task1 = new TimerTask() {
@Override
public void run() {
log.debug("task 1");
sleep(2);
}
};
TimerTask task2 = new TimerTask() {
@Override
public void run() {
log.debug("task 2");
}
};
log.debug("start...");
// 使用 timer 添加两个任务，希望它们都在 1s 后执行
// 但由于 timer 内只有一个线程来顺序执行队列中的任务，因此『任务1』的延时，影响了『任务2』的执行
// 甚至如果task1出异常停止后,task2都不会执行
timer.schedule(task1, 1000);
timer.schedule(task2, 1000);
}
输出
20:46:09.444 c.TestTimer [main] - start...
20:46:10.447 c.TestTimer [Timer-0] - task 1
20:46:12.448 c.TestTimer [Timer-0] - task 2
ScheduledExecutorService
使用 ScheduledExecutorService 改写：
ScheduledExecutorService executor = Executors.newScheduledThreadPool(2);
// 添加两个任务，希望它们都在 1s 后执行
executor.schedule(() -> {
System.out.println("任务1，执行时间：" + new Date());
try { Thread.sleep(2000); } catch (InterruptedException e) { }
}, 1000, TimeUnit.MILLISECONDS);
executor.schedule(() -> {
System.out.println("任务2，执行时间：" + new Date());
}, 1000, TimeUnit.MILLISECONDS);
输出
任务1，执行时间：Thu Jan 03 12:45:17 CST 2019
任务2，执行时间：Thu Jan 03 12:45:17 CST 2019
scheduleAtFixedRate 例子：
ScheduledExecutorService pool = Executors.newScheduledThreadPool(1);
log.debug("start...");
pool.scheduleAtFixedRate(() -> {
log.debug("running...");
}, 1, 1, TimeUnit.SECONDS);
输出
21:45:43.167 c.TestTimer [main] - start...
21:45:44.215 c.TestTimer [pool-1-thread-1] - running...
21:45:45.215 c.TestTimer [pool-1-thread-1] - running...
21:45:46.215 c.TestTimer [pool-1-thread-1] - running...
21:45:47.215 c.TestTimer [pool-1-thread-1] - running...
scheduleAtFixedRate 例子（任务执行时间超过了间隔时间）：
ScheduledExecutorService pool = Executors.newScheduledThreadPool(1);
log.debug("start...");
pool.scheduleAtFixedRate(() -> {
log.debug("running...");
sleep(2);
}, 1, 1, TimeUnit.SECONDS);
输出分析：一开始，延时 1s，接下来，由于任务执行时间 > 间隔时间，间隔被『撑』到了 2s
21:44:30.311 c.TestTimer [main] - start...
21:44:31.360 c.TestTimer [pool-1-thread-1] - running...
21:44:33.361 c.TestTimer [pool-1-thread-1] - running...
21:44:35.362 c.TestTimer [pool-1-thread-1] - running...
21:44:37.362 c.TestTimer [pool-1-thread-1] - running...
scheduleWithFixedDelay 例子：
ScheduledExecutorService pool = Executors.newScheduledThreadPool(1);
log.debug("start...");
pool.scheduleWithFixedDelay(()-> {
log.debug("running...");
sleep(2);
}, 1, 1, TimeUnit.SECONDS);
输出分析：一开始，延时 1s，scheduleWithFixedDelay 的间隔是 上一个任务结束 <-> 延时 <-> 下一个任务开始 所以间隔都是 3s
21:40:55.078 c.TestTimer [main] - start...
21:40:56.140 c.TestTimer [pool-1-thread-1] - running...
21:40:59.143 c.TestTimer [pool-1-thread-1] - running...
21:41:02.145 c.TestTimer [pool-1-thread-1] - running...
21:41:05.147 c.TestTimer [pool-1-thread-1] - running...
整个线程池表现为：线程数固定，任务数多于线程数时，会放入无界队列排队。任务执行完毕，这些线程也不会被释放。用来执行延迟或反复执行的任务
9) 正确的处理任务异常
方法1： 主动捉异常
ExecutorService pool = Executors.newFixedThreadPool(1);
pool.submit(() -> {
try {
log.debug("task1");
int i = 1 / 0;
} catch (Exception e) {
log.error("error:", e);
}
});
输出
21:59:04.558 c.TestTimer [pool-1-thread-1] - task1
21:59:04.562 c.TestTimer [pool-1-thread-1] - error:
java.lang.ArithmeticException: / by zero
at cn.itcast.n8.TestTimer.lambda$main$0(TestTimer.java:28)
at java.util.concurrent.Executors$RunnableAdapter.call(Executors.java:511)
at java.util.concurrent.FutureTask.run(FutureTask.java:266)
at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)
at java.lang.Thread.run(Thread.java:748)
方法2：使用 Future
在执行Future的get()时会获取到异常栈信息
ExecutorService pool = Executors.newFixedThreadPool(1);
Future<Boolean> f = pool.submit(() -> {
log.debug("task1");
int i = 1 / 0;
return true;
});
log.debug("result:{}", f.get());
输出
21:54:58.208 c.TestTimer [pool-1-thread-1] - task1
Exception in thread "main" java.util.concurrent.ExecutionException:
java.lang.ArithmeticException: / by zero
at java.util.concurrent.FutureTask.report(FutureTask.java:122)
at java.util.concurrent.FutureTask.get(FutureTask.java:192)
at cn.itcast.n8.TestTimer.main(TestTimer.java:31)
Caused by: java.lang.ArithmeticException: / by zero
at cn.itcast.n8.TestTimer.lambda$main$0(TestTimer.java:28)
at java.util.concurrent.FutureTask.run(FutureTask.java:266)
at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)
at java.lang.Thread.run(Thread.java:748)
任务之定时任务
定期执行
如何让每周四 18:00:00 定时执行任务？
// 获得当前时间
LocalDateTime now = LocalDateTime.now();
// 获取本周四 18:00:00.000
LocalDateTime thursday =
now.with(DayOfWeek.THURSDAY).withHour(18).withMinute(0).withSecond(0).withNano(0);
// 如果当前时间已经超过 本周四 18:00:00.000， 那么找下周四 18:00:00.000
if(now.compareTo(thursday) >= 0) {
thursday = thursday.plusWeeks(1);
}
// 计算时间差，即延时执行时间
long initialDelay = Duration.between(now, thursday).toMillis();
// 计算间隔时间，即 1 周的毫秒值
long oneWeek = 7 * 24 * 3600 * 1000;
ScheduledExecutorService executor = Executors.newScheduledThreadPool(2);
System.out.println("开始时间：" + new Date());
executor.scheduleAtFixedRate(() -> {
System.out.println("执行时间：" + new Date());
}, initialDelay, oneWeek, TimeUnit.MILLISECONDS);
10) Tomcat (的)线程池(策略)
Tomcat 在哪里用到了线程池呢
● LimitLatch 用来限流，可以控制最大连接个数，类似 J.U.C 中的 Semaphore 信号量
● Acceptor 只负责【接收新的 socket 连接】
● Poller 只负责监听 socket channel 是否有【可读的 I/O 事件】
● 一旦可读，封装一个任务对象（socketProcessor），提交给 Executor 线程池处理
● Executor 线程池中的工作线程最终负责【处理请求】
扩展了 ThreadPoolExecutor
Tomcat 线程池扩展了 ThreadPoolExecutor，行为稍有不同
● 如果总线程数达到 maximumPoolSize
○ 这时不会立刻抛 RejectedExecutionException 异常
○ 而是再次尝试将任务放入队列，如果还失败，才抛出 RejectedExecutionException 异常
源码 tomcat-7.0.42
public void execute(Runnable command, long timeout, TimeUnit unit) {
submittedCount.incrementAndGet();
try {
super.execute(command);
} catch (RejectedExecutionException rx) {
if (super.getQueue() instanceof TaskQueue) {
final TaskQueue queue = (TaskQueue)super.getQueue();
try {
if (!queue.force(command, timeout, unit)) {
submittedCount.decrementAndGet();
throw new RejectedExecutionException("Queue capacity is full.");
}
} catch (InterruptedException x) {
submittedCount.decrementAndGet();
Thread.interrupted();
throw new RejectedExecutionException(x);
}
} else {
submittedCount.decrementAndGet();
throw rx;
}
}
}
public boolean force(Runnable o, long timeout, TimeUnit unit) throws InterruptedException {
if ( parent.isShutdown() )
throw new RejectedExecutionException(
"Executor not running, can't force a command into the queue"
);
return super.offer(o,timeout,unit); //forces the item onto the queue, to be used if the task
is rejected
}
Connector 配置
Executor 线程配置
3. Fork/Join (分治思想)
1) 概念
Fork/Join 是 JDK 1.7 加入的新的线程池实现，它体现的是一种分治思想，适用于能够进行任务拆分的 cpu 密集型运算
所谓的任务拆分，是将一个大任务拆分为算法上相同的小任务，直至不能拆分可以直接求解。跟递归相关的一些计算，如归并排序、斐波那契数列、都可以用分治思想进行求解
Fork/Join 在分治的基础上加入了多线程，可以把每个任务的分解和合并交给不同的线程来完成，进一步提升了运算效率
Fork/Join 默认会创建与 cpu 核心数大小相同的线程池
2) 使用
提交给 Fork/Join 线程池的任务需要继承 RecursiveTask（有返回值）或 RecursiveAction（没有返回值），例如下面定义了一个对 1~n 之间的整数求和的任务
@Slf4j(topic = "c.AddTask1")
class AddTask1 extends RecursiveTask<Integer> {
int n;
public AddTask1(int n) {
this.n = n;
}
@Override
public String toString() {
return "{" + n + '}';
}
@Override
protected Integer compute() {
log.debug("compute {}", n);
// 如果 n 已经为 1，可以求得结果了
if (n == 1) {
log.debug("join() {}", n);
return n;
}
// 将任务进行拆分(fork)
AddTask1 t1 = new AddTask1(n - 1);
t1.fork();
log.debug("fork() {} + {}", n, t1);
// 合并(join)结果
int result = n + t1.join();
log.debug("join() {} + {} = {}", n, t1, result);
return result;
}
}
然后提交给 ForkJoinPool 来执行
class Task1Test {
public static void main(String[] args) {
ForkJoinPool pool = new ForkJoinPool(4);
System.out.println(pool.invoke(new AddTask1(5)));
}
}
结果
Connected to the target VM, address: '127.0.0.1:4795', transport: 'socket'
21:04:03.379 [ForkJoinPool-1-worker-1] c.AddTask1 - compute 5
21:04:03.382 [ForkJoinPool-1-worker-1] c.AddTask1 - fork() 5 + {4}
21:04:03.382 [ForkJoinPool-1-worker-1] c.AddTask1 - compute 4
21:04:03.382 [ForkJoinPool-1-worker-1] c.AddTask1 - fork() 4 + {3}
21:04:03.382 [ForkJoinPool-1-worker-2] c.AddTask1 - compute 3
21:04:03.382 [ForkJoinPool-1-worker-2] c.AddTask1 - fork() 3 + {2}
21:04:03.382 [ForkJoinPool-1-worker-3] c.AddTask1 - compute 2
21:04:03.382 [ForkJoinPool-1-worker-3] c.AddTask1 - fork() 2 + {1}
21:04:03.382 [ForkJoinPool-1-worker-0] c.AddTask1 - compute 1
21:04:03.382 [ForkJoinPool-1-worker-0] c.AddTask1 - join() 1
21:04:03.382 [ForkJoinPool-1-worker-3] c.AddTask1 - join() 2 + {1} = 3
21:04:03.382 [ForkJoinPool-1-worker-2] c.AddTask1 - join() 3 + {2} = 6
21:04:03.382 [ForkJoinPool-1-worker-1] c.AddTask1 - join() 4 + {3} = 10
21:04:03.382 [ForkJoinPool-1-worker-1] c.AddTask1 - join() 5 + {4} = 15
15
Disconnected from the target VM, address: '127.0.0.1:4795', transport: 'socket'
绘图表示
改进
@Slf4j(topic = "c.AddTask3")
class AddTask3 extends RecursiveTask<Integer> {
int begin;
int end;
public AddTask3(int begin, int end) {
this.begin = begin;
this.end = end;
}
@Override
public String toString() {
return "{" + begin + "," + end + '}';
}
@Override
protected Integer compute() {
log.debug("compute {}到{}", begin,end);
// 5, 5
if (begin == end) {
log.debug("join() {}", begin);
return begin;
}
// 4, 5
if (end - begin == 1) {
log.debug("join() {} + {} = {}", begin, end, end + begin);
return end + begin;
}
// 1 5
int mid = (end + begin) / 2; // 3
AddTask3 t1 = new AddTask3(begin, mid); // 1,3
t1.fork();
AddTask3 t2 = new AddTask3(mid + 1, end); // 4,5
t2.fork();
log.debug("fork() {} + {} = ?", t1, t2);
int result = t1.join() + t2.join();
log.debug("join() {} + {} = {}", t1, t2, result);
return result;
}
}
然后提交给 ForkJoinPool 来执行
class AddTask3Test{
public static void main(String[] args) {
ForkJoinPool pool = new ForkJoinPool(4);
System.out.println(pool.invoke(new AddTask3(1, 5)));
}
}
结果
Connected to the target VM, address: '127.0.0.1:4851', transport: 'socket'
21:06:35.266 [ForkJoinPool-1-worker-1] c.AddTask3 - compute 1到5
21:06:35.269 [ForkJoinPool-1-worker-1] c.AddTask3 - fork() {1,3} + {4,5} = ?
21:06:35.269 [ForkJoinPool-1-worker-3] c.AddTask3 - compute 4到5
21:06:35.269 [ForkJoinPool-1-worker-2] c.AddTask3 - compute 1到3
21:06:35.269 [ForkJoinPool-1-worker-3] c.AddTask3 - join() 4 + 5 = 9
21:06:35.269 [ForkJoinPool-1-worker-3] c.AddTask3 - compute 3到3
21:06:35.269 [ForkJoinPool-1-worker-0] c.AddTask3 - compute 1到2
21:06:35.269 [ForkJoinPool-1-worker-3] c.AddTask3 - join() 3
21:06:35.269 [ForkJoinPool-1-worker-2] c.AddTask3 - fork() {1,2} + {3,3} = ?
21:06:35.269 [ForkJoinPool-1-worker-0] c.AddTask3 - join() 1 + 2 = 3
21:06:35.269 [ForkJoinPool-1-worker-2] c.AddTask3 - join() {1,2} + {3,3} = 6
21:06:35.269 [ForkJoinPool-1-worker-1] c.AddTask3 - join() {1,3} + {4,5} = 15
15
Disconnected from the target VM, address: '127.0.0.1:4851', transport: 'socket'
绘图表示
