拜託！你真會用線程池嗎？

來源：https://zhenbianshu.github.io

前言

由於線程的創建和銷燬對操作系統來說都是比較重量級的操作，所以線程的池化在各種語言內都有實踐，當然在 Java 語言中線程池是也非常重要的一部分，有 Doug Lea 大神對線程池的封裝，我們使用的時候是非常方便，但也可能會因爲不瞭解其具體實現，對線程池的配置參數存在誤解。

我們經常在一些技術書籍或博客上看到，向線程池提交任務時，線程池的執行邏輯如下：

1. 當一個任務被提交後，線程池首先檢查正在運行的線程數是否達到核心線程數，如果未達到則創建一個線程。
2. 如果線程池內正在運行的線程數已經達到了核心線程數，任務將會被放到 BlockingQueue 內。
3. 如果 BlockingQueue 已滿，線程池將會嘗試將線程數擴充到最大線程池容量。
4. 如果當前線程池內線程數量已經達到最大線程池容量，則會執行拒絕策略拒絕任務提交。

流程如圖（摘自美團技術博客）：

流程描述沒有問題，但如果某些點未經過推敲，容易導致誤解，而且描述中的情境太理想化，如果配置時不考慮運行時環境，也會出現一些非常詭異的問題。

核心池

線程池內線程數量小於等於 coreSize 的部分我稱爲核心池，核心池是線程池的常駐部分，內部的線程一般不會被銷燬，我們提交的任務也應該絕大部分都由核心池內的線程來執行。

線程創建時機的誤解

有關核心池最常見的一個誤區是沒搞清楚核心池內線程的創建時機，這個問題，我覺得甩 10% 的鍋給 Doug Lea 大神應該不算過分，因爲他在文檔裏寫道 “If fewer than corePoolSize threads are running, try to start a new thread with the given command as its first task”，其中 "running" 這個詞就比較有歧義，因爲在我們理解裏 running 是指當前線程已被操作系統調度，擁有操作系統時間分片，或者被理解爲正在執行某個任務。

基於以上的理解，我們很容易就認爲如果任務的 QPS 非常低，線程池內線程數量永遠也達不到 coreSize。 即如果我們配置了 coreSize 爲 1000，實際上 QPS 只有 1，單個任務耗時 1s，那麼核心池大小就會一直是 1，即使有流量抖動，核心池也只會被擴容到 3。因爲一個線程每秒執行執行一個任務，剛好不用創建新線程就足以應對 1QPS。

創建過程

但如果簡單設計一個測試，使用 jstack 打印出線程棧並數一下線程池內線程數量，會發現線程池內的線程數會隨着任務的提交而逐漸增大，直到達到 coreSize。

因爲核心池的設計初衷是想它能作爲常駐池，承載日常流量，所以它應該被儘快初始化，於是線程池的邏輯是在沒有達到 coreSize 之前，每一個任務都會創建一個新的線程，對應的源碼爲：

public void execute(Runnable command) {
    ...
    int c = ctl.get();
    if (workerCountOf(c) < corePoolSize) { // workerCountOf() 方法是獲取線程池內線程數量
        if (addWorker(command, true))
            return;
        c = ctl.get();
    }
    ...
}

而文檔裏的 running 狀態也指的是線程已經被創建，我們也知道線程被創建後，會在一個 while 循環裏嘗試從 BlockingQueue 裏獲取並執行任務，說它正在 running 也不爲過。

基於此，我們對一些高併發服務進行的預熱，其實並不是期望 JVM 能對熱點代碼做 JIT 等優化，對線程池、連接池和本地緩存的預熱纔是重點。

BlockingQueue

BlockingQueue 是線程池內的另一個重要組件，首先它是線程池”生產者-消費者”模型的中間媒介，另外它也可以爲大量突發的流量做緩衝，但理解和配置它也經常會出錯。

運行模型

最常見的錯誤是不理解線程池的運行模型。首先要明確的一點是線程池並沒有準確的調度功能，即它無法感知有哪些線程是處於空閒狀態的，並把提交的任務派發給空閒線程。

線程池採用的是”生產者-消費者”模式，除了觸發線程創建的任務（線程的 firstTask）不會入 BlockingQueue 外，其他任務都要進入到 BlockingQueue，等待線程池內的線程消費，而任務會被哪個線程消費到完全取決於操作系統的調度。

對應的生產者源碼如下：

public void execute(Runnable command) {
    ...
    if (isRunning(c) && workQueue.offer(command)) { isRunning() 是判斷線程池處理戚狀態
        int recheck = ctl.get();
        if (! isRunning(recheck) && remove(command))
            reject(command);
        else if (workerCountOf(recheck) == 0)
            addWorker(null, false);
    }
    ...
}

對應的消費者源碼如下：

private Runnable getTask() {
    for (;;) {
        ...
        Runnable r = timed ?
            workQueue.poll(keepAliveTime, TimeUnit.NANOSECONDS) :
            workQueue.take();
        if (r != null)
            return r;
        ...
    }
}

BlockingQueue 的緩衝作用

基於”生產者-消費者”模型，我們可能會認爲如果配置了足夠的消費者，線程池就不會有任何問題。其實不然，我們還必須考慮併發量這一因素。

設想以下情況：有 1000 個任務要同時提交到線程池內併發執行，在線程池被初始化完成的情況下，它們都要被放到 BlockingQueue 內等待被消費，在極限情況下，消費線程一個任務也沒有執行完成，那麼這 1000 個請求需要同時存在於 BlockingQueue 內，如果配置的 BlockingQueue Size 小於 1000，多餘的請求就會被拒絕。

那麼這種極限情況發生的概率有多大呢？答案是非常大，因爲操作系統對 I/O 線程的調度優先級是非常高的，一般我們的任務都是由 I/O 的準備或完成（如 tomcat 受理了 http 請求）開始的，所以很有可能被調度到的都是 tomcat 線程，它們在一直往線程池內提交請求，而消費者線程卻調度不到，導致請求堆積。

我負責的服務就發生過這種請求被異常拒絕的情況，壓測時 QPS 2000，平均響應時間爲 20ms，正常情況下，40 個線程就可以平衡生產速度，不會堆積。但在 BlockingQueue Size 爲 50 時，即使線程池 coreSize 爲 1000，還會出現請求被線程池拒絕的情況。

這種情況下，BlockingQueue 的重要的意義就是它是一個能長時間存儲任務的容器，能以很小的代價爲線程池提供緩衝。根據上文可知，線程池能支持BlockingQueue Size個任務同時提交，我們把最大同時提交的任務個數，稱爲併發量，配置線程池時，瞭解併發量異常重要。

併發量的計算

我們常用 QPS 來衡量服務壓力，所以配置線程池參數時也經常參考這個值，但有時候 QPS 和併發量有時候相關性並沒有那麼高，QPS 還要搭配任務執行時間來推算峯值併發量。

比如請求間隔嚴格相同的接口，平均 QPS 爲 1000，它的併發量峯值是多少呢？我們並沒有辦法估算，因爲如果任務執行時間爲 1ms，那麼它的併發量只有 1；而如果任務執行時間爲 1s，那麼併發量峯值爲 1000。

可是知道了任務執行時間，就能算出併發量了嗎？也不能，因爲如果請求的間隔不同，可能 1min 內的請求都在一秒內發過來，那這個併發量還要乘以 60，所以上面才說知道了 QPS 和任務執行時間，併發量也只能靠推算。

計算併發量，我一般的經驗值是 QPS*平均響應時間，再留上一倍的冗餘，但如果業務重要的話，BlockingQueue Size 設置大一些也無妨（1000 或以上），畢竟每個任務佔用的內存量很有限。

考慮運行時

GC

除了上面提到的各種情況下，GC 也是一個很重要的影響因素。

我們都知道 GC 是 Stop the World 的，但這裏的 World 指的是 JVM，而一個請求 I/O 的準備和完成是操作系統在進行的，JVM 停止了，但操作系統還是會正常受理請求，在 JVM 恢復後執行，所以 GC 是會堆積請求的。

上文中提到的併發量計算一定要考慮到 GC 時間內堆積的請求同時被受理的情況，堆積的請求數可以通過 QPS*GC時間 來簡單得出，還有一定要記得留出冗餘。

業務峯值

除此之外，配置線程池參數時，一定要考慮業務場景。

假如接口的流量大部分來自於一個定時程序，那麼平均 QPS 就沒有了任何意義，線程池設計時就要考慮給 BlockingQueue 的 Size 設置一個大一些的值；而如果流量非常不平均，一天內只有某一小段時間纔有高流量的話，而且線程資源緊張的情況下，就要考慮給線程池的 maxSize 留下較大的冗餘；在流量尖刺明顯而響應時間不那麼敏感時，也可以設置較大的 BlockingQueue，允許任務進行一定程度的堆積。

當然除了經驗和計算外，對服務做定時的壓測無疑更能幫助掌握服務真實的情況。

小結

總結線程池的配置時，我最大的感受是一定要讀源碼！讀源碼！讀源碼！

只看一些書和文章的總結是無法喫透一些重要概念的，即使搞懂了大部分也很容易會在一些角落踩坑。

深入理解原理後，面對複雜情況，纔有靈活配置的能力。

參考文獻：

https://tech.meituan.com/2020/04/02/java-pooling-pratice-in-meituan.html 近期熱文推薦：

1.600+ 道 Java面試題及答案整理(2021最新版)

2.終於靠開源項目弄到 IntelliJ IDEA 激活碼了，真香！

3.阿里 Mock 工具正式開源，幹掉市面上所有 Mock 工具！

4.Spring Cloud 2020.0.0 正式發佈，全新顛覆性版本！

5.《Java開發手冊（嵩山版）》最新發布，速速下載！

覺得不錯，別忘了隨手點贊+轉發哦！