线程池手动实现与原理（可动态调节参数的线程池实现）

线程池是一种基于池化思想管理线程的工具，使用线程池可以减少创建销毁线程的开销，避免线程过多导致系统资源耗尽。在高并发的任务处理场景，线程池的使用是必不可少的。在双11主图价格表达项目中为了提升处理性能，很多地方使用到了线程池。随着线程池的使用，逐渐发现一个问题，线程池的参数如何设置？

线程池参数中有三个比较关键的参数，分别是corePoolSize（核心线程数）、maximumPoolSize（最大线程数）、workQueueSzie（工作队列大小）。根据任务的类型可以区分为IO密集型和CPU密集型，对于CPU密集型，一般经验是设置corePoolSize=CPU核数 1，对于IO密集型需要根据具体的RT和流量来设置，没有普适的经验值。然而，我们一般遇到的情况多数是处理IO密集型任务，如果线程池参数不可动态调节，就没办法根据实际情况实时调整处理速度，只能通过发布代码调整参数。

如果线程池参数不合理会导致什么问题呢？下面列举几种可能出现的场景：

1. 最大线程数设置偏小，工作队列大小设置偏小，导致服务接口大量抛出RejectedExecutionException。
2. 最大线程数设置偏小，工作队列大小设置过大，任务堆积过度，接口响应时长变长。
3. 最大线程数设置过大，线程调度开销增大，处理速度反而下降。
4. 核心线程数设置过小，流量突增时需要先创建线程，导致响应时长过大。
5. 核心线程数设置过大，空闲线程太多，占用系统资源。

要明白线程池参数对运行时的影响，就必须理解其中的原理，所以下面先简单总结了线程池的核心原理。

Java中的线程池核心实现类是ThreadPoolExecutor，ThreadPoolExecutor一方面维护自身的生命周期，另一方面同时管理线程和任务，使两者良好的结合从而执行并行任务。用户无需关注如何创建线程，如何调度线程来执行任务，用户只需提供Runnable对象，将任务的运行逻辑提交到执行器(Executor)中，由Executor框架完成线程的调配和任务的执行部分。

ThreadPoolExecutor是如何运行，如何同时维护线程和执行任务的呢？其运行机制如下图所示：

所有任务的调度都是由execute方法完成的，这部分完成的工作是：检查现在线程池的运行状态、运行线程数、运行策略，决定接下来执行的流程，是直接申请线程执行，或是缓冲到队列中执行，亦或是直接拒绝该任务。其执行过程如下：

1. 首先检测线程池运行状态，如果不是RUNNING，则直接拒绝，线程池要保证在RUNNING的状态下执行任务。
2. 如果workerCount < corePoolSize，则创建并启动一个线程来执行新提交的任务。
3. 如果workerCount >= corePoolSize，且线程池内的阻塞队列未满，则将任务添加到该阻塞队列中。
4. 如果workerCount >= corePoolSize && workerCount < maximumPoolSize，且线程池内的阻塞队列已满，则创建并启动一个线程来执行新提交的任务。
5. 如果workerCount >= maximumPoolSize，并且线程池内的阻塞队列已满, 则根据拒绝策略来处理该任务, 默认的处理方式是直接抛异常。

其执行流程如下图所示：

线程池相关的重要参数有三个，分别是核心线程数、最大线程数和工作队列大小，接下来将阐述如何实现动态调节线程池参数。

ThreadPoolExecutor已经提供了两个方法在运行时设置核心线程数和最大线程数，分别是ThreadPoolExecutor.setCorePoolSize()和ThreadPoolExecutor.setMaximumPoolSize()。

setCorePoolSize方法的执行流程是：首先会覆盖之前构造函数设置的corePoolSize，然后，如果新的值比原始值要小，当多余的工作线程下次变成空闲状态的时候会被中断并销毁，如果新的值比原来的值要大且工作队列不为空，则会创建新的工作线程。流程图如下：

setMaximumPoolSize方法执行流程是：首先会覆盖之前构造函数设置的maximumPoolSize，然后，如果新的值比原来的值要小，当多余的工作线程下次变成空闲状态的时候会被中断并销毁。

线程池中是以生产者消费者模式，通过一个阻塞队列来缓存任务，工作线程从阻塞队列中获取任务。工作队列的接口是阻塞队列(BlockingQueue)，在队列为空时，获取元素的线程会等待队列变为非空，当队列满时，存储元素的线程会等待队列可用。

目前JDK提供了以下阻塞队列的实现：

但是很不幸，这些阻塞队列的实现都不支持动态调整大小，那么为什么不自己实现一个可动态调整大小的阻塞队列呢。重复造轮子是不可取的，所以我选择改造轮子。LinkedBlockingQueue是比较常用的一个阻塞队列，它无法修改大小的原因是capacity字段设置成了final private final int capacity;。如果我把final去掉，并提供修改capacity的方法，是不是就满足我们的需求呢？事实证明是可行的，文章末尾上传了ResizeLinkedBlockingQueue的实现。

Diamond可以管理我们的配置，如果可以通过Diamond实现线程池参数管理那就再好不过了。接下来就开始上代码了，首先实现一个Diamond配置管理类DispatchConfig，然后，实现一个线程池管理的工厂方法StreamExecutorFactory。

DispatchConfig类是一个静态类，在初始化的时候获取了对应Diamond的内容并设置了监听，使用的时候只需要DispatchConfig.getConfig().getCorePoolSize()。

/** * @author moda */ @Slf4j @Data public class DispatchConfig { public static final String DATA_ID = "com.alibaba.mkt.turbo.DispatchConfig"; public static final String GROUP_ID = "mkt-turbo"; private static DispatchConfig config; static { try { String content = Diamond.getConfig(DATA_ID, GROUP_ID, 3000); config = JSON.parseObject(content, DispatchConfig.class); Diamond.addListener(DATA_ID, GROUP_ID, new ManagerListenerAdapter() { @Override public void receiveConfigInfo(String content) { try { config = JSON.parseObject(content, DispatchConfig.class); } catch (Throwable t) { log.error("[DispatchConfig] receiveConfigInfo an exception occurs,", t); } } }); } catch (Exception e) { log.error(String.format("[DispatchConfig - init] dataId:%s, groupId:%s ", DATA_ID, GROUP_ID), e); } } public static DispatchConfig getConfig() { return config; } private int corePoolSize = 10; private int maximumPoolSize = 30; private int workQueueSize = 1024; /** * 商品分批处理每批大小 */ private int itemBatchProcessPageSize = 200; }

StreamExecutorFactory是一个静态类，维护了一个静态属性executor，并通过initExecutor()进行初始化。在初始化的时候，工作队列使用了可调节大小的阻塞队列ResizeLinkedBlockingQueue，并设置了监听Diamond变更。Diamond发生变更的时候通过在callback中对比值是否发生改变，如果发生改变则调整workQueueSize、corePoolSize、maximumPoolSize。使用的时候只需要StreamExecutorFactory.getExecutor()，修改Diamond配置就能动态修改线程池参数。

/** * @author moda */ @Slf4j public class StreamExecutorFactory { private static final String THREAD_NAME = "mkt-turbo_stream_dispatch"; private static ThreadPoolExecutor executor = initExecutor(); private static ThreadPoolExecutor initExecutor() { ThreadFactory nameThreadFactory = new ThreadFactoryBuilder().setNameFormat(THREAD_NAME).build(); ResizeLinkedBlockingQueue<Runnable> workQueue = new ResizeLinkedBlockingQueue<>(DispatchConfig.getConfig().getWorkQueueSize()); //拒绝策略，调用者线程处理 RejectedExecutionHandler rejectedExecutionHandler = (r, e) -> { String msg = String.format("[S.E.F - rejectedHandler] Thread pool is EXHAUSTED!" " Thread Name: %s, Pool Size: %d (active: %d, core: %d, max: %d, largest: %d), Task: %d (completed: %d)," " Executor status:(isShutdown:%s, isTerminated:%s, isTerminating:%s)", THREAD_NAME, e.getPoolSize(), e.getActiveCount(), e.getCorePoolSize(), e.getMaximumPoolSize(), e.getLargestPoolSize(), e.getTaskCount(), e.getCompletedTaskCount(), e.isShutdown(), e.isTerminated(), e.isTerminating()); log.warn(msg); if (!e.isShutdown()) { r.run(); } }; ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor( DispatchConfig.getConfig().getCorePoolSize(), DispatchConfig.getConfig().getMaximumPoolSize(), 10, TimeUnit.SECONDS, workQueue, nameThreadFactory, rejectedExecutionHandler ); Diamond.addListener(DispatchConfig.DATA_ID, DispatchConfig.GROUP_ID, new ManagerListenerAdapter() { @Override public void receiveConfigInfo(String content) { try { DispatchConfig config = JSON.parseObject(content, DispatchConfig.class); if (workQueue.getCapacity() != config.getWorkQueueSize()) { workQueue.setCapacity(config.getWorkQueueSize()); } if (threadPoolExecutor.getCorePoolSize() != config.getCorePoolSize()) { threadPoolExecutor.setCorePoolSize(config.getCorePoolSize()); } if (threadPoolExecutor.getMaximumPoolSize() != config.getMaximumPoolSize()) { threadPoolExecutor.setMaximumPoolSize(config.getMaximumPoolSize()); } } catch (Throwable t) { log.error("[S.E.F-receiveConfigInfo] an exception occurs,", t); } } }); return threadPoolExecutor; } public static Executor getExecutor() { return executor; } }

本文为阿里云原创内容，未经允许不得转载。