线程池基础知识

发布日期: 2023-07-22

线程池基础知识。

为什么使用线程池

线程是不能够重复启动的，创建或销毁线程存在一定的开销，所以利用线程池技术来提高系统资源利用效率，并简化线程管理。创建一个线程，需要调用操作系统内核的 API，然后操作系统要为线程分配一系列的资源，这个成本就很高了，所以线程是一个重量级的对象，应该避免频繁创建和销毁。那应该怎样创建线程呢？你应该立刻想到了用线程池。利用线程池把资源池化，使得线程资源能复用，可以避免频繁地创建和销毁。

线程池

Executors 目前提供了 5 种不同的线程池创建配置：

线程池创建

Executors 目前提供了 5 种不同的线程池创建配置：

newCachedThreadPool()，它是一种用来处理大量短时间工作任务的线程池，具有几个鲜明特点：它会试图缓存线程并重用，当无缓存线程可用时，就会创建新的工作线程；如果线程闲置的时间超过 60 秒，则被终止并移出缓存；长时间闲置时，这种线程池，不会消耗什么资源。其内部使用 SynchronousQueue 作为工作队列。
newFixedThreadPool(int nThreads)，重用指定数目（nThreads）的线程，其背后使用的是无界的工作队列，任何时候最多有 nThreads 个工作线程是活动的。这意味着，如果任务数量超过了活动队列数目，将在工作队列中等待空闲线程出现；如果有工作线程退出，将会有新的工作线程被创建，以补足指定的数目 nThreads。

newFixedThreadPool中核心线程数和最大线程数相等，因为使用的是无界队列，所以最大线程数就失去了意义。因为核心线程数与最大线程数相等，不会有线程消亡，所以keepAliveTime会设置成0。
newSingleThreadExecutor()，它的特点在于工作线程数目被限制为 1，操作一个无界的工作队列，所以它保证了所有任务的都是被顺序执行，最多会有一个任务处于活动状态，并且不允许使用者改动线程池实例，因此可以避免其改变线程数目。
newSingleThreadScheduledExecutor() 和 newScheduledThreadPool(int corePoolSize)，创建的是个 ScheduledExecutorService，可以进行定时或周期性的工作调度，区别在于单一工作线程还是多个工作线程。
newWorkStealingPool(int parallelism)，这是一个经常被人忽略的线程池，Java 8 才加入这个创建方法，其内部会构建ForkJoinPool，利用Work-Stealing算法，并行地处理任务，不保证处理顺序。

submit和execute

execute接收的是Runnable参数，无返回值
submit既可接收Runnable参数又可接收Callable参数，返回值为Future。方便Exception处理

线程池各个状态之间的切换如下图所示：

线程池状态转换

线程池状态描述

线程池任务调度

任务调度

拒绝策略

线程池

ThreadPoolTaskExecutor

ThreadPoolTaskExecutor是Spring基于java本身的线程池ThreadPoolExecutor做的二次封装，主要目的还是为了更加方便的在spring框架体系中使用线程池。

@Configuration
@EnableAsync
public class TaskPoolConfig {

    @Bean("syncExecutorPool")
    public Executor taskExecutor() {
        ThreadPoolTaskExecutor taskExecutor = new ThreadPoolTaskExecutor();
        // 核心池大小
        taskExecutor.setCorePoolSize(5);
        // 最大线程数
        taskExecutor.setMaxPoolSize(10);
        // 队列程度
        taskExecutor.setQueueCapacity(100);
        // 线程空闲时间
        taskExecutor.setKeepAliveSeconds(60);
        // 线程前缀名称
        taskExecutor.setThreadNamePrefix("syncExecutor--");
        // 该方法用来设置 线程池关闭 的时候 等待 所有任务都完成后，再继续 销毁 其他的 Bean，
        // 这样这些 异步任务 的 销毁 就会先于 数据库连接池对象 的销毁。
        taskExecutor.setWaitForTasksToCompleteOnShutdown(true);
        // 任务的等待时间 如果超过这个时间还没有销毁就 强制销毁，以确保应用最后能够被关闭，而不是阻塞住。
        taskExecutor.setAwaitTerminationSeconds(300);
        // 线程不够用时由调用的线程处理该任务
        taskExecutor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
        //交给spring托管的会自动初始化，因为实现了InitializingBean接口
        //taskExecutor.initialize()
        executor.setTaskDecorator(new ContextCopyingDecorator());
        return taskExecutor;
    }
}

TaskDecorator

工作中经常遇到需要处理子线程与主线程间数据传递的问题。这时候我们就用到了TaskDecorator

@Slf4j
public class ContextCopyingDecorator implements TaskDecorator {

    @Override
    public Runnable decorate(Runnable runnable) {
    	//获取主线程中设置的 user对象
        Object user = ThreadLocalUtil.get(ThreadLocalUtil.USER_KEY).orElse(null);
        return () -> {
            try {
                //把user对象重新copy传递给子线程
                if (user != null) {
                    ThreadLocalUtil.set(ThreadLocalUtil.USER_KEY, user);
                }
                runnable.run();
            } finally {
                ThreadLocalUtil.remove();
            }
        };
    }
}

public class ThreadLocalUtil {
    public static final String USER_KEY = "user";

    private static final ThreadLocal<Map <String, Object>> THREAD_LOCAL = ThreadLocal.withInitial(() -> new HashMap <>(4));
    public static Optional<Object> get(String key) {
        return Optional.ofNullable(THREAD_LOCAL.get().get(key));
    }
    public static void set(String key, Object obj) {
        THREAD_LOCAL.get().put(key, obj);
    }
    public static void remove() {
        THREAD_LOCAL.remove();
    }
}

通过ContextCopyingDecorator实现了接口TaskDecorator，在Runnable decorate(Runnable runnable)方法中，实现了Threadlocal线程本地变量在线程间的传递。

其中，ContextCopyingDecorator中的finally必须得加，这里是子线程执行完毕后，清理threadlocal，防止内存泄漏

线程池在业务中的实践

快速响应用户请求

用户发起的实时请求，服务追求响应时间。比如说用户要查看一个商品的信息，那么我们需要将商品维度的一系列信息如商品的价格、优惠、库存、图片等等聚合起来，展示给用户
另外，使用线程池也是有考量的，这种场景最重要的就是获取最大的响应速度去满足用户，所以应该不设置队列去缓冲并发任务，调高 corePoolSize 和 maxPoolSize 去尽可能创造多的线程快速执行任务。

快速处理批量任务