当前位置: 首页 > news >正文

JAVA后端开发面试基础知识(七)——多线程

1. 线程池原理

  • 优点

    • 降低资源消耗。通过重复利用已创建的线程降低线程创建和销毁造成的消耗。
    • 提高响应速度。当任务到达时,任务可以不需要等到线程创建就能立即执行。
    • 提高线程的可管理性。线程是稀缺资源,如果无限制的创建,不仅会消耗系统资源,还会降低系统的稳定性,使用线程池可以进行统一的分配,调优和监控。
  • ThreadPoolExecutor的核心参数

    • corePoolSize:线程池核心线程数量
    • maximumPoolSize:线程池最大线程数量
    • keepAliverTime:当活跃线程数大于核心线程数时,空闲的多余线程最大存活时间
    • unit:存活时间的单位
    • workQueue:存放任务的队列
    • handler:超出线程范围和队列容量的任务的处理程序
  • 线程处理流程

    1. 当线程池中线程数量小于 corePoolSize 则创建线程,并处理请求。
    2. 当线程池中线程数量大于等于 corePoolSize 时,则把请求放入 workQueue 中,随着线程池中的核心线程们不断执行任务,只要线程池中有空闲的核心线程,线程池就从 workQueue 中取任务并处理。
    3. 当 workQueue 已存满,放不下新任务时则新建非核心线程入池,并处理请求直到线程数目达到 maximumPoolSize(最大线程数量设置值)。
    4. 如果线程池中线程数大于 maximumPoolSize 则使用 RejectedExecutionHandler 来进行任务拒绝处理。

    ThreadPoolExecutor的execute()方法

    addIfUnderCorePoolSize(command)

  • 饱和策略RejetedExecutionHandler

    • AbortPolicy:直接抛出异常
    • CallerRunsPolicy:只用调用所在的线程运行任务
    • DiscardOldestPolicy:抛弃线程池中工作队列头部的任务(即等待时间最久的任务), 并执行新传入的任务。
    • DiscardPolicy:不处理,丢弃掉。
  • 线程池类型

    • SingleThreadExecutor:单线程线程池

      里面的核心线程数和线程数都是1,并且工作队列使用的是无界队列。由于是单线程工作,每次只能处理一个任务,所以后面所有的任务都被阻塞在工作队列中,只能一个个任务执行。

    • FixedThreadExecutor:固定大小线程池

      LinkedBlockingQuene,这个队列是无界的,若消费不过来,会导致内存被任务队列占满,最终oom

    • CachedThreadPool:无界线程池

      无界线程池意味着没有工作队列,任务进来就执行,线程数量不够就创建,与前面两个的区别是:空闲的线程会被回收掉,空闲的时间是60s。这个适用于执行很多短期异步的小程序或者负载较轻的服务器。

      初始化一个可以缓存线程的线程池,默认缓存60s,线程池的线程数可达到Integer.MAX_VALUE, 即2147483647,内部使用SynchronousQueue作为阻塞队列;和newFixedThreadPool创建的线程池不同,newCachedThreadPool在没有任务执行时,当线程的空闲时间超过keepAliveTime, 会自动释放线程资源,当提交新任务时,如果没有空闲线程,则创建新线程执行任务,会导致一定 的系统开销,因为线程池的最大值了Integer.MAX_VALUE,会导致无限创建线程;所以,使用该线程池时,一定要注意控制并发的任务数,否则创建大量的线程会导致严重的性能问题。

    • newScheduledThreadPool

      创建一个线程池,它可安排在给定延迟后运行命令或者定期地执行。

  • 创建线程的几种方法

    • ThreadPoolExecutor
    • ThreadScheduledExecutor
    • ForkJoinPool
  • 线程池大小设置

    • CPU密集型

      • 尽量使用较小的线程池,一般Cpu核心数+1

        因为CPU密集型任务CPU的使用率很高,若开过多的线程,只能增加线程上下文的切换次数,带来额外的开销

    • IO密集型

      • 可以使用较大的线程池,一般CPU核心数 * 2

        IO密集型CPU使用率不高,可以让CPU等待IO的时候处理别的任务,充分利用cpu时间

      • 线程等待时间所占比例越高,需要越多线程。线程CPU时间所占比例越高,需要越少线程。

        下面举个例子: 比如平均每个线程CPU运行时间为0.5s,而线程等待时间(非CPU运行时间,比如IO)为1.5s,CPU核 心数为8,那么根据上面这个公式估算得到:((0.5+1.5)/0.5)*8=32。这个公式进一步转化为:

    最佳线程数目=(线程等待时间与线程CPU时间之比+ 1)CPU数目

    • 混合型

      • 可以将任务分为CPU密集型和IO密集型,然后分别使用不同的线程池去处理,按情况而定
  • 风险

    • 死锁
    • 资源不足
    • 并发错误
    • 线程泄漏
    • 请求过载

2. Callable、Future、FutureTask

  • Cabllable
  • Future
    • future.get方法会阻塞当前线程, 直到任务执行完成返回结果为止。
  • FutureTask
    • 可取消的异步计算,此类提供了对Future的基本实现,仅在计算完成时才能获取结果,如果计算尚未完 成,则阻塞get方法。
    • FutureTask不仅实现了Future接口,还实现了Runnable接口,所以不仅可以将FutureTask当成一个 任务交给Executor来执行,还可以通过Thread来创建一个线程。
  • 三者之间的关系:
    • Callable是Runnable封装的异步运算任务。
    • Future用来保存Callable异步运算的结果
    • FutureTask封装Future的实体类
  • Callable与Runnbale的区别
    • Callable定义的方法是call,而Runnable定义的方法是run。
    • call方法有

相关文章:

JAVA后端开发面试基础知识(七)——多线程

1. 线程池原理 优点 降低资源消耗。通过重复利用已创建的线程降低线程创建和销毁造成的消耗。提高响应速度。当任务到达时,任务可以不需要等到线程创建就能立即执行。提高线程的可管理性。线程是稀缺资源,如果无限制的创建,不仅会消耗系统资源,还会降低系统的稳定性,使用线…...

Apache的安装与目录结构详细解说

1. Apache安装步骤 Apache是一款开源的Web服务器软件,常用于搭建网站和服务。以下是Apache的安装步骤: 在官方网站(https://httpd.apache.org/)下载最新版本的Apache软件包。解压下载的软件包到指定目录。运行安装程序&#xff…...

axios的详细使用

目录 axios:现代前端开发的HTTP客户端王者 一、axios简介 二、axios的基本用法 1. 安装axios 2. 发起GET请求 3. 发起POST请求 三、axios的高级特性 1. 拦截器 2. 取消请求 3. 自动转换JSON数据 四、axios在前端开发中的应用 五、总结 axios&#xff1a…...

空间复杂度的OJ练习——轮转数组

旋转数组OJ链接:https://leetcode-cn.com/problems/rotate-array/ 题目: 思路: 通过题目我们可以知道这是一个无序数组,只需要将数组中的数按给定条件重新排列,因此我们可以想到以下几种方法: 1.暴力求解法…...

学习与学习理论 - 2024教招 - test

一 方向 所有学习理论大的观点,到某个人物个人的观点。抖音:按照粉丝数量、收藏数量、点赞数量排名从编程(思想)、java、自己所拥有的特点看学习方法顺序:java、自身、教学理论的总观点、教学理论代表人物的观点、散兵…...

Spring web开发(入门)

1、我们在执行程序时,运行的需要是这个界面 2、简单的web接口(127.0.0.1表示本机IP) package com.example.demo;import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestCont…...

这是谁的女儿?其母亲早已红过头了,现在小小年纪的她也爆红网络,没想到吧?

这是谁的女儿?其母亲早已红过头了,现在小小年纪的她也爆红网络,没想到吧? 原来,作母亲的她在红极一时后似乎沉寂了下来,没想到她11岁的女儿近年来也在社交媒体上走红,她为何也成了小网红呢&…...

鸿蒙开发之gson解析

作为老牌的Java程序员,几乎每个项目都逃不掉fastjson/gson等三方库。那么在OpenHarmony/HarmonyOS应用开发中,做数据解析时能不能使用fastjson/gson三方库呢?于是我搜索了一下,其实在arkts开发过程中也是可以使用JS里自带的JSONparse和JSONstringify方法来实现JSON和对象转…...

图形库实战丨C语言扫雷小游戏(超2w字,附图片素材)

目录 效果展示 游玩链接(无需安装图形库及VS) 开发环境及准备 1.VS2022版本 2.图形库 游戏初始化 1.头文件 2.创建窗口 3.主函数框架 开始界面函数 1.初始化 1-1.设置背景颜色及字体 1-2.处理背景音乐及图片素材 1-3.处理背景图位置 2.选…...

c++: string中 find, rfind, find_frist_of, find_laste_of 与 substr之间的操作

在 C 的 std::string 类中,有几个成员函数可以用于在字符串中执行搜索和子字符串提取操作。以下是这些函数的简要说明: find(): 查找子字符串的第一个出现位置。 size_t find(const string& str, size_t pos 0) const; size_t find(const char* s, …...

[python3] dataclass的对象排序

在使用 dataclass(orderTrue) 中,会比较数据类中定义的所有属性。具体来说,生成的比较运算符方法会按照数据类中定义属性的顺序逐个比较属性的取值。 下面是一个示例代码,演示了 orderTrue 比较数据类中所有属性的情况: from da…...

数据库基础——mysql知识体系(掌握mysql,看完这篇文章就够了)

1.关系型数据库 关系型数据库是一种基于关系模型的数据库系统,将数据组织成表格的形式,表格由行和列组成,每行代表一个记录,每列代表一个属性。它使用结构化查询语言SQL进行数据管理和操作。 特点:1.数据的组织&…...

Zynq—AD9238数据采集DDR3缓存千兆以太网发送实验(二)

Zynq—AD9238数据采集DDR3缓存千兆以太网发送实验(前导) Zynq—AD9238数据采集DDR3缓存千兆以太网发送实验(一) Zynq—AD9238数据采集DDR3缓存千兆以太网发送实验(三) 五、实验目的 本次实验使用电脑上的…...

高级语言讲义2010计专(仅高级语言部分)

1.编写一程序&#xff0c;对输入的正整数&#xff0c;求他的约数和。 如&#xff1a;18的约数和为1236939 #include <stdio.h>int getsum(int n){int i,sum0;for(i1;i<n;i)if(n%i0)sumi;return sum; } int main(){int sum getsum(18);printf("%d",sum); …...

你喜欢那种舞者呢?

迷宫中的舞者&#xff1a;程序员职业赛道的探索与魅力 在数字世界的深处&#xff0c;程序员的职业赛道宛如一座神秘而迷人的迷宫。这个迷宫中&#xff0c;每个转角都隐藏着无限的可能&#xff0c;每个领域都散发着独特的魅力。前端开发者如同花园中的精灵&#xff0c;后端工程师…...

LeetCode每日一题之 快乐数

目录 题目介绍&#xff1a; 算法原理&#xff1a; 鸽巢原理&#xff1a; 如何找到环里元素&#xff1a; 代码实现&#xff1a; 题目介绍&#xff1a; 题目链接&#xff1a;. - 力扣&#xff08;LeetCode&#xff09; 算法原理&#xff1a; 我先简单举两个例子&#xff…...

【机器学习】在Python中进行K-Means聚类和层次聚类

Python中聚类算法API的使用指南 聚类分析是数据分析中一种常见的无监督学习方法&#xff0c;通过将相似的对象分组在一起&#xff0c;我们能够识别出数据集中的自然分群。本文将介绍如何使用Python中的聚类算法接口&#xff0c;KMeans和层次聚类方法。 K-Means 聚类 K-Means…...

springboot254小区团购管理

小区团购管理设计与实现 摘 要 传统办法管理信息首先需要花费的时间比较多&#xff0c;其次数据出错率比较高&#xff0c;而且对错误的数据进行更改也比较困难&#xff0c;最后&#xff0c;检索数据费事费力。因此&#xff0c;在计算机上安装小区团购管理软件来发挥其高效地信…...

Word中的文档网格线与行距问题

在使用Word编辑文档时&#xff0c;经常会发生以下动图展示的这种情况&#xff1a; 上面的动图里&#xff0c;将文字大小放大到某个字号时&#xff0c;单倍行距的间距突然增加很多。造成这种情况的原因是文档中定义了网格线&#xff0c;并且设置了对齐到网格线。如果取消文档中…...

【简写Mybatis】03-Mapper xml的注册和使用

前言 在学习MyBatis源码文章中&#xff0c;斗胆想将其讲明白&#xff1b;故有此文章&#xff0c;如有问题&#xff0c;不吝指教&#xff01; 注意&#xff1a; 学习源码一定一定不要太关注代码的编写&#xff0c;而是注意代码实现思想&#xff1b; 通过设问方式来体现代码中的…...

别再死记硬背了!图解‘等价类’和‘划分’,帮你彻底理解数据库表设计中的范式

图解数据库范式设计&#xff1a;用等价类思维破解数据冗余难题 记得刚入行时&#xff0c;我接手过一个学生选课系统的数据库。每次教师更换办公室&#xff0c;都要更新上百条记录&#xff1b;某门课程信息调整&#xff0c;整个系统就陷入混乱。直到理解了范式设计背后的集合划分…...

如何高效使用Python-miio:5个实战场景完整指南

如何高效使用Python-miio&#xff1a;5个实战场景完整指南 【免费下载链接】python-miio Python library & console tool for controlling Xiaomi smart appliances 项目地址: https://gitcode.com/gh_mirrors/py/python-miio Python-miio是一个强大的开源工具&…...

超越AUC:DCA、NRI与IDI如何为临床预测模型提供更优的评估视角

1. 为什么AUC不够用&#xff1f;临床预测模型评估的痛点 我第一次做临床预测模型的时候&#xff0c;和大多数新手一样&#xff0c;盯着AUC值看了半天。0.75的AUC&#xff0c;看起来还不错&#xff1f;但当我拿着这个模型去找临床医生时&#xff0c;他们问的问题让我哑口无言&am…...

避坑指南:昆仑通态屏幕制作中常见的串口通信问题与解决方案

昆仑通态屏幕串口通信实战&#xff1a;从数据延迟到校验错误的系统化解决方案 1. 串口通信基础与常见故障图谱 在工业自动化领域&#xff0c;昆仑通态人机界面(HMI)作为关键的人机交互设备&#xff0c;其串口通信稳定性直接影响整个控制系统的可靠性。根据实际工程统计&#xf…...

【JVM深度解析】第24篇:JVM内存模型(JMM)核心原理

摘要 JMM&#xff08;Java Memory Model&#xff0c;Java 内存模型&#xff09;是 Java 并发编程的基础&#xff0c;它定义了线程之间共享变量的可见性、有序性问题&#xff0c;以及如何通过 Happens-Before 规则和内存屏障来解决这些问题。理解 JMM&#xff0c;你才能真正明白…...

5个简单步骤,用免费工具Untrunc快速修复损坏的MP4视频文件

5个简单步骤&#xff0c;用免费工具Untrunc快速修复损坏的MP4视频文件 【免费下载链接】untrunc Restore a truncated mp4/mov. Improved version of ponchio/untrunc 项目地址: https://gitcode.com/gh_mirrors/un/untrunc 你是否曾遇到过珍贵的视频文件突然无法播放&a…...

【入门C++语法】break和continue

第9章 break和continue 一、 break语句 在使用for循环或while循环时,有时我们不需要执行完所有循环次数,而是希望在满足某个特定条件时立即终止循环,此时就需要用到break语句。 题目描述 找到目标值后停止循环。 在1~10的整数中查找数字"7",找到后就停止查找,…...

ZCU104 HDMI显示不匹配?手把手教你用串口菜单调分辨率(附完整指令清单)

ZCU104 HDMI显示问题终极排查指南&#xff1a;从串口控制到分辨率精准匹配 当你在ZCU104开发板上成功跑通HDMI例程&#xff0c;却发现显示器一片漆黑或者画面扭曲时&#xff0c;那种挫败感我深有体会。这就像精心准备了一顿大餐&#xff0c;最后却发现客人根本吃不到——硬件链…...

前端路由管理方案

前端路由管理方案是现代Web应用开发中的核心技术之一&#xff0c;它决定了用户如何与单页面应用&#xff08;SPA&#xff09;交互&#xff0c;以及页面如何在不刷新的情况下实现动态切换。随着前端框架的普及&#xff0c;路由管理从简单的URL跳转演变为复杂的导航控制、权限校验…...

2026最权威的六大AI写作方案实际效果

Ai论文网站排名&#xff08;开题报告、文献综述、降aigc率、降重综合对比&#xff09; TOP1. 千笔AI TOP2. aipasspaper TOP3. 清北论文 TOP4. 豆包 TOP5. kimi TOP6. deepseek 伴随着人工智能生成内容也就是AIGC的普遍运用&#xff0c;各种各样的AI检测系统也跟着普及开…...