【面试实战】# 并发编程之线程池配置实战
1.先了解线程池的几个参数含义
corePoolSize
(核心线程池大小):
- 作用: 指定了线程池维护的核心线程数量,即使这些线程处于空闲状态,它们也不会被回收。
- 用途: 核心线程用于处理长期的任务,保持最低的线程数量,以减少线程的创建和销毁的开销。
maximumPoolSize
(最大线程池大小):
- 作用: 指定了线程池中允许的最大线程数。超过这个数量的线程将不会被创建。
- 用途: 限制了线程池的大小,以防止资源耗尽。
keepAliveTime
(线程空闲时间):
- 作用: 当线程数超过
corePoolSize
时,多余的线程在空闲时间超过指定时间后将会被终止和回收。 - 用途: 用于回收不再需要的线程,降低资源消耗。只对超过
corePoolSize
的线程起作用。
unit
(时间单位):
- 作用: 与
keepAliveTime
一起使用,指定线程空闲时间的时间单位(如秒、毫秒)。 - 用途: 定义
keepAliveTime
的时间单位。
workQueue
(任务队列):
作用: 用于保存等待执行的任务的队列。
用途
: 管理任务的排队和处理方式,不同的队列类型可以影响线程池的行为。
- 常见的队列类型有:
SynchronousQueue
: 不存储任务,任务直接交给线程执行。如果没有空闲线程,则创建新线程。LinkedBlockingQueue
: 无界队列,可以存储任意多的任务。只有在任务队列为空时,才会创建新线程。ArrayBlockingQueue
: 有界队列,存储固定数量的任务,当队列满时,任务将被拒绝。
- 常见的队列类型有:
threadFactory
(线程工厂):
- 作用: 用于创建线程的工厂,可以定制线程的创建,比如设置线程名、优先级等。
- 用途: 统一管理线程的创建细节,有助于调试和监控。
handler
(饱和策略/拒绝策略):
作用: 当任务无法提交给线程池(例如线程池已满且任务队列已满)时,如何处理新任务。
用途
: 定义任务无法被执行时的处理方式。
- 常见策略有:
AbortPolicy
: 抛出RejectedExecutionException
异常。CallerRunsPolicy
: 由调用者线程执行该任务。DiscardPolicy
: 丢弃新提交的任务。DiscardOldestPolicy
: 丢弃队列中最旧的任务。
- 常见策略有:
2.调整线程池配置应对高并发(常规操作)
为了应对高并发的需求,可以考虑以下调整:
- 增大
corePoolSize
和maximumPoolSize
:- 增加核心线程和最大线程数可以提高线程池的并发处理能力,减少任务的等待时间。
- 调整
keepAliveTime
和unit
:- 减少
keepAliveTime
可以更快地回收闲置线程,释放资源。相反,增加keepAliveTime
适用于任务间隔较长的场景,以避免频繁创建和销毁线程。
- 减少
- 选择合适的
workQueue
:- 使用
SynchronousQueue
可以在任务很多但线程数不足时迅速增加线程数。 - 使用
LinkedBlockingQueue
可以应对任务队列过长的问题,但可能导致线程数不会增加到最大。 - 使用
ArrayBlockingQueue
适合在任务数有限的场景,防止资源耗尽。
- 使用
- 合理配置
handler
:- 根据系统需求选择适合的拒绝策略。比如,在希望任务尽量被处理时使用
CallerRunsPolicy
,在任务不能丢失时选择AbortPolicy
。
- 根据系统需求选择适合的拒绝策略。比如,在希望任务尽量被处理时使用
- 优化
threadFactory
:- 使用自定义的线程工厂设置线程名、优先级、守护线程等,提高线程管理的清晰度和系统稳定性。
- 监控和调整:
- 定期监控线程池的性能指标,如任务队列长度、线程使用率等,并根据实际情况动态调整参数配置。
// 创建线程池
ThreadPoolExecutor executor = new ThreadPoolExecutor(10, // corePoolSize50, // maximumPoolSize60, // keepAliveTimeTimeUnit.SECONDS, // keepAliveTime's unitnew LinkedBlockingQueue<>(100), // workQueueExecutors.defaultThreadFactory(), // threadFactorynew ThreadPoolExecutor.AbortPolicy() // handler
);// 提交任务
executor.submit(() -> {// Task implementation
});// 关闭线程池
executor.shutdown();
3.IO密集型、CPU密集型任务的合理配置(生产常用)
3.1 IO密集型任务
IO密集型任务:(例如网络操作、文件读写)通常不需要大量的CPU时间,但可能会等待IO操作的完成。为了有效利用系统资源,可以配置
更多
的线程来掩盖IO操作的等待时间。
配置建议:
corePoolSize
和maximumPoolSize
:- 建议的线程数通常远超过 CPU 核心数,因为线程在等待IO操作时不会占用CPU。可以使用
(CPU 核心数 * 2)
或更多,甚至是(CPU 核心数 * 2) + 1
这种经验值。 - 如果线程数太少,CPU资源可能未能充分利用。太多的线程可能会导致线程上下文切换的开销。
- 建议的线程数通常远超过 CPU 核心数,因为线程在等待IO操作时不会占用CPU。可以使用
keepAliveTime
和unit
:- 适当地增加
keepAliveTime
,让线程在空闲时保留一段时间,以便在短时间内有任务到达时无需重新创建线程。
- 适当地增加
workQueue
:LinkedBlockingQueue
是常见选择,因为它可以有效处理大量任务,而不需要频繁地创建和销毁线程。SynchronousQueue
也可以用于高并发IO场景,确保任务直接交给线程执行,迅速响应。
示例:
int numCores = Runtime.getRuntime().availableProcessors();
ThreadPoolExecutor ioBoundExecutor = new ThreadPoolExecutor(numCores * 2, // corePoolSizenumCores * 2 + 1, // maximumPoolSize60L, // keepAliveTimeTimeUnit.SECONDS, // keepAliveTime's unitnew LinkedBlockingQueue<>(), // workQueueExecutors.defaultThreadFactory(), // threadFactorynew ThreadPoolExecutor.CallerRunsPolicy() // handler
);
3.2 CPU密集型任务
CPU密集型任务:(例如计算密集的操作、数据处理)主要消耗
CPU 资源
,因此线程数应该与 CPU 核心数相匹配,以避免过度的线程上下文切换和资源竞争。
配置建议:
corePoolSize
和maximumPoolSize
:- 通常设置为
CPU 核心数
或CPU 核心数 + 1
。 - 过多的线程可能导致频繁的上下文切换,降低性能。
- 通常设置为
keepAliveTime
和unit
:keepAliveTime
通常设置较短,适合及时回收空闲线程。
workQueue
:SynchronousQueue
或ArrayBlockingQueue
是不错的选择,可以避免任务堆积,确保线程数控制在合理范围内。
示例:
int numCores = Runtime.getRuntime().availableProcessors();
ThreadPoolExecutor cpuBoundExecutor = new ThreadPoolExecutor(numCores, // corePoolSizenumCores + 1, // maximumPoolSize30L, // keepAliveTimeTimeUnit.SECONDS, // keepAliveTime's unitnew SynchronousQueue<>(), // workQueueExecutors.defaultThreadFactory(), // threadFactorynew ThreadPoolExecutor.AbortPolicy() // handler
);
3.3 关键考虑因素
- 系统资源和负载:
- 监控系统的实际负载和资源使用情况,定期调整配置。
- 任务特性:
- 根据任务的性质(长任务、短任务、IO 密集型、CPU 密集型)选择合适的线程池配置。
- 阻塞时间:
- 对于 IO 密集型任务,理解和分析任务的阻塞时间,并根据其阻塞时间设置合适的线程池大小。
- 拒绝策略:
- 合理选择拒绝策略(如
AbortPolicy
,CallerRunsPolicy
),确保系统在负载过高时能平稳处理任务。
- 合理选择拒绝策略(如
4.专业级线程池配置(大厂规范)
4.1 线程池大小的计算公式
IO 密集型任务
对于IO密集型任务,可以使用以下公式计算适合的线程池大小:
N_threads
: 推荐的线程池大小N_cores
: CPU核心数W
: 任务的等待时间(包括IO操作的等待时间)C
: 任务的计算时间U
: 期望的CPU使用率,通常设为0.8~0.9,避免CPU负载过高(0 < U < 1)解释: 公式中的 W/C反映了IO操作占用的时间比,
1 - U
是为了预留一定的CPU资源。
示例:
假设有一个任务,CPU核心数为8,IO等待时间为200ms,计算时间为100ms,期望的CPU使用率为80%,则推荐的线程池大小为:
这意味着你可能需要配置大约120个线程来处理IO密集型任务。
CPU 密集型任务
对于CPU密集型任务,线程池的大小通常可以通过以下公式估算:
在CPU密集型场景下,由于
W
很小或接近于零,因此公式通常简化为:
示例:
假设有一个任务,CPU核心数为8,计算时间大部分占用时间,等待时间可以忽略不计,则推荐的线程池大小为:
5.根据TPS和QPS进行线程池计算(生产常用)
其实和4的公式差不多
5.1 基础概念:
TPS (Transactions Per Second)
: 每秒系统处理的事务
数量。这通常用于描述系统处理更复杂的业务逻辑的能力。QPS (Queries Per Second)
: 每秒系统处理的查询
数量,通常用于衡量服务端API或数据库的查询处理能力。响应时间
: 单个请求或事务的平均处理时间。
5.2 公式:
N_threads
: 推荐的线程池大小Q
: 每秒的请求数(TPS 或 QPS)R
: 平均响应时间(秒)U
: 系统期望的CPU利用率(< 1, 通常为80%~90%)
解释: 公式描述了在满足特定吞吐量和响应时间的情况下,需要的线程数,预留了一部分CPU资源以防过载。
5.3 IO密集型、CPU密集型任务选择
这里我们主要举例说明IO密集型任务
因为:
CPU密集型
任务主要消耗CPU资源,线程数接近CPU核心数就足够,可以加一个额外的线程来处理。Nthreads=Ncores+1
IO密集型:
公式:
说明: 由于IO密集型任务在等待IO时不会占用CPU,因此线程数可以较高,适用于处理高并发的IO操作。
示例:
假设系统需要处理每秒500个请求(Q = 500),每个请求的平均响应时间为0.2秒,系统期望的CPU利用率为80%(U = 0.8):
这意味着你可能需要大约500个线程来处理这些IO密集型请求。
示例代码:
int qps = 500;
double responseTime = 0.2;
double targetUtilization = 0.8;int nThreads = (int) (qps * responseTime / (1 - targetUtilization));ThreadPoolExecutor ioBoundExecutor = new ThreadPoolExecutor(nThreads, // corePoolSizenThreads, // maximumPoolSize60L, // keepAliveTimeTimeUnit.SECONDS, // keepAliveTime's unitnew LinkedBlockingQueue<>(), // workQueueExecutors.defaultThreadFactory(), // threadFactorynew ThreadPoolExecutor.CallerRunsPolicy() // handler
);
6.总结
- IO密集型任务: 使用公式
计算线程池大小。
- CPU密集型任务: 使用公式
计算线程池大小。
- 混合型任务: 综合IO和CPU的公式进行计算和调整。
W
: 平均等待时间C
: 平均计算时间
- 实际应用: 根据QPS或TPS、响应时间、期望的CPU利用率等参数进行计算,并定期监控系统负载进行调整。
合理的线程池配置可以显著提升系统的处理能力和资源利用率,因此根据具体需求和系统指标进行精细配置是至关重要的。
相关文章:

【面试实战】# 并发编程之线程池配置实战
1.先了解线程池的几个参数含义 corePoolSize (核心线程池大小): 作用: 指定了线程池维护的核心线程数量,即使这些线程处于空闲状态,它们也不会被回收。用途: 核心线程用于处理长期的任务,保持最低的线程数量,以减少线程的创建和…...

Pytest 读取excel文件参数化应用
本文是基于Pytest框架,读取excel中的文件,传入页面表单中,并做相应的断言实现。 1、编辑媒体需求 首先明确一下需求,我们需要对媒体的表单数据进行编辑,步骤如下: 具体表单如下图所示 1、登录 2、点击我…...

qt 一个可以拖拽的矩形
1.概要 2.代码 2.1 mycotrl.h #ifndef MYCOTRL_H #define MYCOTRL_H#include <QWidget> #include <QMouseEvent>class MyCotrl: public QWidget {Q_OBJECT public://MyCotrl();MyCotrl(QWidget *parent nullptr); protected:void paintEvent(QPaintEvent *even…...
C# 启动exe 程序
(1) publicbool Start () System.Diagnostics.Process process new System.Diagnostics.Process(); process.StartInfo.FileName "iexplore.exe"; //IE浏览器,可以更换 process.StartInfo.Arguments "http://www.baidu.com"; process.…...
Netty中的Reactor模型实现
Netty版本:4.1.17 Reactor模型是Doug Lea在《Scalable IO in Java》提出的,主要是针对NIO的。 其中的主从Reactor模式在Netty中的配置如下: EventLoopGroup bossGroup new NioEventLoopGroup(1); EventLoopGroup workerGroup new NioEv…...

dll丢失应该怎么解决,总结5种解决DLL丢失问题的方法
在数字时代,我们与计算机的每一天都密不可分。然而,就像所有技术产品一样,我们的计算设备也时不时地会出现一些问题,让人头疼不已。就在上周,我遭遇了一个令人崩溃的技术挑战——DLL文件丢失。这个看似微不足道的小问题…...

dial tcp 10.96.0.1:443: connect: no route to host
1、创建Pod一直不成功,执行kubectl describe pod runtime-java-c8b465b98-47m82 查看报错 Warning FailedCreatePodSandBox 2m17s kubelet Failed to create pod sandbox: rpc error: code Unknown desc failed to setup network for…...

VScode创建ROS项目 ROS集成开发环境
ROS使用VScode创建项目步骤 1.创建ROS工作空间2.启动VScode3.VScode编译ROS4.创建ROS功能包C语言开发Python语言开发 本文章介绍了如何在Ubuntu18.04系统下搭建VScode 的ROS项目 搭建项目分为一下几个步骤: 1.创建ROS工作空间 创建一个demo的ROS工作空间࿰…...

nodejs从基础到实战学习笔记-nodejs简介
一、Node.js简介 • Node.js是一个能够在服务器端运行JavaScript的开放源代码、跨平台JavaScript运行环境。 • Node采用Google开发的V8引擎运行js代码,使用事件驱动、非阻塞和异步I/O模型等技术来提高性能,可优化应用程序的传输量和规模。 1.1 特性 …...
2024年最新版------二进制安装部署Kubernetes(K8S)集群
Kubernetes二进制集群部署 文章目录 Kubernetes二进制集群部署资源列表基础环境一、环境准备1.1、绑定映射关系1.2、所有主机安装Docker1.3、所有主机设置iptables防火墙 二、生成通信加密证书2.1、master上成功CA证书2.2.1、创建证书存放位置并安装证书生成工具2.2.2、拷贝证书…...
【mysql】关键词搜索实现
关键词搜索实现两种方式 -- 方式1 模糊匹配搜索 -- 场景一:搜索出来地址内包含‘李’和‘中国’的 select * from tn_md_cust_link where address like concat (%李%) or address like concat (%中国%) -- 场景二:搜索地址或者名称包含 ‘181’ 的 …...
Python面试十问2
一、如何使用列表创建⼀个DataFrame # 导入pandas库 import pandas as pd# 创建一个列表,其中包含数据 data [[A, 1], [B, 2], [C, 3]]# 使用pandas的DataFrame()函数将列表转换为DataFrame df pd.DataFrame(data, columns[Letter, Number]) # 列名# 显示创建的…...
C# OpenCvSharp 图像处理函数-颜色通道-cvtColor
使用 OpenCvSharp 中的 cvtColor 函数进行图像颜色转换 在图像处理领域,颜色空间转换是一个非常常见的操作。OpenCvSharp 提供了一个强大的函数 cvtColor 来处理这类转换。本文将详细介绍 cvtColor 函数的使用方法,并通过具体的示例演示如何在实际项目中应用这些知识。 函数…...
总结之LangChain(三)——模型IO缓存
一、聊天模型缓存 LangChain为聊天模型提供了一个可选的缓存层。这有两个好处: 如果您经常多次请求相同的完成结果,它可以通过减少您对LLM提供程序的API调用次数来帮您节省费用。 它可以通过减少您对LLM提供程序的API调用次数来加快您的应用程序速度。…...
判断一个Java服务是不是GateWay
方法 直接在对应服务的url后变加上后缀/actuator/gateway/routes,看是否会返回Gateway的路由信息。 如果返回了GateWay的路由列表,则该服务为Gateway服务。...
三次插值曲线--插值技术
三次插值曲线 1.1.三次样条曲线 三次样条曲线的基本思想是,在给定的一系列点(称为控制点或数据点)之间,通过一系列三次多项式曲线段来拟合这些点,使得整个曲线既平滑又准确地通过所有控制点。 1.1.1.数学定义 给定…...

python循环结构
1.while 循环 语句: while 循环条件表达式: 代码块 else: 代码块 小练: 设计一百以内的偶数相加 n 0 while n < 100:n 1if n % 2 0 :print(n) 判断是不是闰年(四年一润和百年不润,或者四百年一润&am…...
深入理解Netty的Pipeline机制:原理与实践详解
深入理解Netty的Pipeline机制:原理与实践详解 Netty是一个基于Java的高性能异步事件驱动的网络应用框架,广泛应用于高并发网络编程。(学习netty请参考:深入浅出Netty:高性能网络应用框架的原理与实践)Nett…...

直方图均衡化示例
禹晶、肖创柏、廖庆敏《数字图像处理(面向新工科的电工电子信息基础课程系列教材)》 图3-17...

私域电商新纪元:消费增值模式的创新与成功实践
大家好,我是吴军,很高兴能够与您分享私域电商领域的魅力与机遇。今天,我将为大家呈现一个令人瞩目的成功案例,这个案例充分展现了私域电商的巨大潜力和无限可能。 在短短一个月的时间里,我们的客户成功实现了业绩的飞跃…...

springboot 百货中心供应链管理系统小程序
一、前言 随着我国经济迅速发展,人们对手机的需求越来越大,各种手机软件也都在被广泛应用,但是对于手机进行数据信息管理,对于手机的各种软件也是备受用户的喜爱,百货中心供应链管理系统被用户普遍使用,为方…...

SCAU期末笔记 - 数据分析与数据挖掘题库解析
这门怎么题库答案不全啊日 来简单学一下子来 一、选择题(可多选) 将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务?(C) A. 频繁模式挖掘 B.分类和预测 C.数据预处理 D.数据流挖掘 A. 频繁模式挖掘:专注于发现数据中…...
Qt Widget类解析与代码注释
#include "widget.h" #include "ui_widget.h"Widget::Widget(QWidget *parent): QWidget(parent), ui(new Ui::Widget) {ui->setupUi(this); }Widget::~Widget() {delete ui; }//解释这串代码,写上注释 当然可以!这段代码是 Qt …...
基于Uniapp开发HarmonyOS 5.0旅游应用技术实践
一、技术选型背景 1.跨平台优势 Uniapp采用Vue.js框架,支持"一次开发,多端部署",可同步生成HarmonyOS、iOS、Android等多平台应用。 2.鸿蒙特性融合 HarmonyOS 5.0的分布式能力与原子化服务,为旅游应用带来…...

微服务商城-商品微服务
数据表 CREATE TABLE product (id bigint(20) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT 商品id,cateid smallint(6) UNSIGNED NOT NULL DEFAULT 0 COMMENT 类别Id,name varchar(100) NOT NULL DEFAULT COMMENT 商品名称,subtitle varchar(200) NOT NULL DEFAULT COMMENT 商…...
GitHub 趋势日报 (2025年06月08日)
📊 由 TrendForge 系统生成 | 🌐 https://trendforge.devlive.org/ 🌐 本日报中的项目描述已自动翻译为中文 📈 今日获星趋势图 今日获星趋势图 884 cognee 566 dify 414 HumanSystemOptimization 414 omni-tools 321 note-gen …...
Axios请求超时重发机制
Axios 超时重新请求实现方案 在 Axios 中实现超时重新请求可以通过以下几种方式: 1. 使用拦截器实现自动重试 import axios from axios;// 创建axios实例 const instance axios.create();// 设置超时时间 instance.defaults.timeout 5000;// 最大重试次数 cons…...

SpringCloudGateway 自定义局部过滤器
场景: 将所有请求转化为同一路径请求(方便穿网配置)在请求头内标识原来路径,然后在将请求分发给不同服务 AllToOneGatewayFilterFactory import lombok.Getter; import lombok.Setter; import lombok.extern.slf4j.Slf4j; impor…...
高防服务器能够抵御哪些网络攻击呢?
高防服务器作为一种有着高度防御能力的服务器,可以帮助网站应对分布式拒绝服务攻击,有效识别和清理一些恶意的网络流量,为用户提供安全且稳定的网络环境,那么,高防服务器一般都可以抵御哪些网络攻击呢?下面…...

有限自动机到正规文法转换器v1.0
1 项目简介 这是一个功能强大的有限自动机(Finite Automaton, FA)到正规文法(Regular Grammar)转换器,它配备了一个直观且完整的图形用户界面,使用户能够轻松地进行操作和观察。该程序基于编译原理中的经典…...