使用线程池你应该知道的知识点

cnblogs 2024-07-29 12:09:01 阅读 51

线程编程是每一个开发必知必会的技能,在实际项目中,为了避免频繁创建和销毁线程,我们通常使用池化的思想,用线程池进行多线程开发。

线程池在开发中使用频率非常高,也包含不少知识点,是一个高频面试题,本篇总结线程池的使用经验和需要注意的问题,更好的应对日常开发和面试。

如有更多知识点,欢迎补充~

异常处理

正如我们在异常处理机制所讲,如果你没有对提交给线程池的任务进行异常捕获,那么异常信息将会丢失,不利于问题排查。

通常异常处理要么是手动处理掉,要么是往上抛由全局异常处理器统一处理,切勿吃掉异常。

在实际开发中,我们可以使用装饰器模式对TheradPoolExecutor进行封装,重写它的execute和submit方法,进行try-catch处理,打印日志,防止开发同学直接使用ThreadPoolExecutor提交任务而漏了异常处理。

traceid

完整的日志链路对日志分析,问题排查是至关重要的,否则拿到一堆日志没有关联性,根本无从下手。

一个完整的请求可能经过很多个方法调用,服务调用,mq消息发送等,要串联起来需要一个全局id,称为traceid。

例如我们使用spring cloud sleuth链路跟踪,它就会在上下文(MDC)塞一个traceid,并不断传递下去。

很遗憾,如果你在请求过程使用线程池(直接new ThreadPoolExecutor),那么traceid将会丢失,例如你会看到如下日志:

tp-q1.png

很明显,线程池里打印的日志跟外面的关联不起来了,这会影响我们分析排查问题。

解决方案,可以使用spring提供的ThreadPoolTaskExecutor,它内部也包装了ThreadPoolExecutor,提供更多功能。将其注册到spring容器中,使用spring cloud sleuth时,它会判断如果实现了ExecutorService接口的bean,就会进行动态代理为TraceableExecutorService,它会将当前上下文的traceid传递给线程池的线程,那么就可以关联起来了。如:

tp-q2.png

当然你也可以像前面说的,封装自己的ThreadPoolExecutor注册到spring容器,也一样会被代理。

关于traceid我们还在xxl这边有写到,可以参考给xxl新增traceId和spanId。

ThreadLocal

ThreadLocal是线程内一块数据结构(Thread类内有一个ThreadLocal.ThreadLocalMap),线程间互不干扰,没有并发问题。上面我们提到使用MDC可以在各个位置打印traceid,实际就是利用了ThreadLocal,如使用logback:

tp-q3.png

ThreadLocal在线程内传递数据是没有问题的,但涉及到子线程怎么办呢?这个时候就无法传递过去了,不过Thread类内还有一个ThreadLocal.ThreadLocalMap inheritableThreadLocals,当创建子线程的时候会把父线程的ThreadLocal“继承”过来。

tp-q4.png

但使用线程池场景又不太一样了,因为线程池里的线程是只创建一次,后续复用的,而前面说的“继承”是创建时一次性传递过来,后续就不会更改,很明显不符合线程池的场景,使用线程池时希望线程每次都从父线程获取最新的ThreadLocal。

解决方案,可以使用阿里的transmittable-thread-local,它的原理也不复杂,就是在每次提交任务给线程池的时候,拷贝ThreadLocal。 关于ThreadLocal我们之前有过介绍,有兴趣可以看下面试再也不怕问ThreadLocal了,ThreadLocal扩展。

核心参数

这是入门级八股文了吧,基本烂到面试官都不问了,但有一些点我仍想发掘一下亮点。

<code> public ThreadPoolExecutor(int corePoolSize,

int maximumPoolSize,

long keepAliveTime,

TimeUnit unit,

BlockingQueue<Runnable> workQueue,

ThreadFactory threadFactory,

RejectedExecutionHandler handler)

如上是参数最全的构造方法,参数解释:

  • corePoolSize

    核心线程数,默认是不初始化创建核心线程,也不回收。可以通过prestartCoreThread/prestartAllCoreThreads方法对线程池进行预热,也可以通过allowCoreThreadTimeOut方法对核心线程进行回收。

  • maximumPoolSize

    最大线程数,当核心线程开到最大,且任务队列也满了,还有任务提交,就会继续开线程到直到最大线程数。

  • keepAliveTime

    当线程数大于核心线程数,线程最大空闲时间,超过就会被销毁回收。

  • unit

    keepAliveTime的时间单位。

  • workQueue

    队列,核心线程满了,任务会暂存到队列,等待执行。

  • threadFactory

    线程工厂,默认是Executors.defaultThreadFactory(),线程名称由:pool-数字-thread 组成。

  • RejectedExecutionHandler

    拒绝策略,当队列满了,最大线程数也满了,还提交任务就会触发拒绝策略,jdk提供了4种拒绝策略,默认是AbortPolicy,也可以自定义拒绝策略。

    tp-q5.png

需要提到的点是:

  • 根据业务定义不同的线程

    有的人喜欢定义一个所谓“通用”的线程池来处理各种业务,这种做法不好,每种业务的核心参数需求不一样,且会相互竞争资源,正确的做法应该是每种业务定义一个线程池。

  • 有意义的线程名称

    从上面可以看到默认的线程名称不是特别友好,我们可以根据业务取一个有意义的名称。这里我用到guava里的ThreadFactoryBuilder,例如:

<code>new ThreadFactoryBuilder()

.setNameFormat(“taskDispatchPool” + "-%d")

.build();

  • 合适的队列长度

    过长的队列长度可能导致应用OOM,实际要根据具体情况指定,不宜过大,禁止使用无界队列。

    jdk的Executors辅助类创建的线程池队列长度很多都是无界的,稍有不慎就会导致内存溢出,这也是为什么阿里java开发规范明确禁止使用Executors创建线程池的原因。

  • 与tomcat/hystirx线程池的区别

    jdk的线程池是在核心线程满了,任务先进入队列,队列满了再继续创建线程到最大线程数。

    而tomcat/hystrix的线程池策略是,核心线程满了,就继续创建线程到最大线程数,再有任务就进入队列。

  • 设置合适的核心参数

    一般任务可以分为cpu密集型或io密集型,对于cpu密集型比较容易设置,一般设置为cpu核数即可,不宜过大,因为cpu密集型线程过大会有大量的线程切换,反而降低性能。

    io密集型就不好估算了,而且大部分情况下都是io密集型,没有万能公式,只能根据经验,测试,生产运行观察,调整,才能达到一个比较合适的值,这就要求我们的线程池要支持动态调整参数,下面还会说到。

如果跟面试官提这些点,说明你不是单纯背八股文,是有真的在思考总结~

动态线程池

上面我们说到线程池的核心参数(主要是线程数和队列长度)不太好估算,设置过小可能任务处理不过来导致阻塞,设置过大可能影响整体服务或影响下游服务,所以生产环境的线程池要支持动态调整。幸运的是ThreadPoolExecutor提供了方法可以直接对核心参数进行修改,例如setCorePoolSize,setMaximumPoolSize,我们可以在运行过程进行设置,线程池内部就会根据参数调整线程了。

笔者所在的项目一份代码会部署在各个国家(环境),每个环境的业务,数据量不一样,机器配置也不一样,所以需要根据环境设置不同的参数。在实际运行过程中,有时候为了提升处理效率设置比较大的线程数,而忽略对下游服务的影响,导致下游服务被压垮。也有时候开始估算太小,后面业务增长,导致处理不过来的情况。所以需要动态调整,我们把线程池参数配置接入到apollo,随时可以调整生效,同时我们也把线程池的运行情况上报到grafana,可以进行监控,告警。

关于动态线程池,之前也写过,可以参考:

加强版ThreadPoolExecutor升级

Java线程池实现原理及其在美团业务中的实践

hippo4j

如何设置线程池参数?美团给出了一个让面试官虎躯一震的回答

任务统计

有时候我们需要对提交给线程池的任务进行统计,例如本次执行成功多少,失败多少,过滤多少。线程池就没有提供这种实现了,因为它是一直运行的状态,区分不了业务上的东西,只能简单获取总体完成成功次数(getCompletedTaskCount),或触发拒绝策略次数(getRejectCount)。

业务上的统计我们就可以结合CountDownLatch来进行计数,主线程提交完要进行await等待线程池所有任务完成,每个线程完成一次任务就countDown一次,任务计数可以使用LongAdder统计,相比AtomicLong更加高效。这也回应了我们上面说要根据业务定义不同的线程池的原因,不同类型的统计不会相互影响。

后来我们有个同学提醒jdk还有个Phaser类,比CountDownLatch好用,也可以用它来完成,具体参见:并发工具类Phaser

默认线程池

你是否在你的团队见过如下代码:

@Test

public void test4() throws InterruptedException {

List<String> list = Lists.newArrayList();

list.parallelStream().forEach(item->{

//run async

});

CompletableFuture.runAsync(()->{

//run async

});

}

这些写法确实都是异步的,但底层都是用了系统默认的线程池ForkJoinPool.commonPool(),默认线程数是Runtime.getRuntime().availableProcessors() - 1。

如果是cpu密集型任务,这么使用也没啥问题。如果是io密集型,就会相互影响。如下,业务2的任务会卡住,知道业务1执行完成。

//业务1

for (int i = 0; i < ForkJoinPool.commonPool().getParallelism(); i++) {

CompletableFuture.runAsync(() -> {

try {

Thread.sleep(5000);

} catch (InterruptedException e) {

}

});

}

//业务2

for (int i = 0; i < ForkJoinPool.commonPool().getParallelism(); i++) {

CompletableFuture.runAsync(() -> {

System.out.println("running...");

});

}

笔者所在的项目,最开始有的使用上面的写法,有的使用Executors创建,有的使用new ThreadPoolTaskExecutor,有的使用spring ThreadPoolTaskExecutor...,五花八门,直到后来我们统一使用自己封装的线程池,这种情况才得以纠正。

父子线程公用一个线程池

这也是一个实际案例,在我们团队有同学这么使用线程池,逻辑很简单,想要查一批数据的时间和还款概率,实际情况还查了更多信息,做了简化,这些查询需要调用外部接口,为了提升接口性能,把这些查询都丢到线程池里去并发执行,通过Future.get获取结果。同时主线程希望这两个操作也可以并发执行,所以通过CompletableFuture也提交到这个线程池里,最终通过CompletableFuture.join等待所有任务完成。

实际代码比较复杂,简化后如下:

//查一个时间

CompletableFuture<Void> timeFuture = CompletableFuture.runAsync(() -> {

initTime(pageResult);

}, executor);

//预测还款概率

CompletableFuture<Void> repayDesireFuture = CompletableFuture.runAsync(() -> {

initRepayDesire(pageResult);

}, executor);

//主线程等待

CompletableFuture.allOf(timeFuture, repayDesireFuture).join();

private void initTime(List<JobListVo> data) {

List<List<JobListVo>> lists = Lists.partition(data, CommonConst.PAGE_SIZE_50);

List<Future<Result<List<TimeInfo>>>> futures = new ArrayList<>();

lists.forEach(item -> futures.add(executor.submit(() -> client.getTimeList(ids))));

futures.forEach(

item -> {

try {

Result<List<TimeInfo>> result = item.get();

} catch (Exception e) {

log.error("fetch error", e);

}

}

);

}

private void initRepayDesire(List<JobListVo> data) {

List<List<JobListVo>> lists = Lists.partition(data, CommonConst.PAGE_SIZE_50);

List<Future<Result<List<RepayDesire>>>> futures = new ArrayList<>();

lists.forEach(item -> futures.add(executor.submit(() -> client.queryRepayDesire(ids))));

futures.forEach(

item -> {

try {

Result<List<RepayDesire>> result = item.get();

} catch (Exception e) {

log.error("fetch error", e);

}

}

);

}

看到这段代码,可能有的人会说主线程那两个操作并发的意义不大,串行执行即可。但实际分析还是有意义的,假如只有一个请求,查询时间的任务提交到线程池后,线程池资源还有剩余,这个时候并发执行还款概率的任务,是可以加速整个查询速度的。

笔者在review这段代码的时候,感觉总是怪怪的,但逻辑上又好像说得通,直到我看到这边文章线程池遇到父子任务,有大坑,要注意!,这不就跟我们的场景几乎一样吗,确实可能会有问题。

根据文章所述,父子任务提交到同一个线程池可能导致父子任务相互等待,最终卡死。极端一点,假设线程池核心线程数是1,队列长度是1,现在主线程提交了一个任务,使用了这个核心线程,开始执行,并等待子线程执行完成。它的执行逻辑是在子线程内再提交一个任务给线程池,由于只有一个核心线程,所以这个任务进入队列等待。等到什么时候呢,等到主线程那个任务完成线程才能释放,主线程又什么时候完成呢,等待子线程执行完成,死循环了...

总结:父子任务,不要公用一个线程池。

shutdown/shutdownNow

这两个方法都是关闭线程池的,区别是shutdown是不再接收新任务,但提交的任务还会执行,而shutdownNow除了不再接收新任务,已提交的任务也不会执行,正在执行中的任务会终止。

一般在线程池不再使用或应用下线前,就会调用线程关闭方法。如果关闭后再提交任务,就会触发拒绝策略。

最好确保在关闭后不再有任务提交给线程池,否则可能会有问题,笔者之前就遇到线程池关闭后还有请求(服务下线前)进来,导致报TimeoutException错误,具体分析在这篇/线程池shutdown引发TimeoutException,有兴趣的可以看下。

内存泄漏

将线程池变量定义为局部变量时,可能会发生内存泄漏。如下:

@GetMapping(value = "/test")

public Result<Void> info() {

ExecutorService executorService = Executors.newFixedThreadPool(1);

executorService.submit(() -> System.out.println("active thread"));

return Result.success();

}

在我们印象中,executorService作为一个局部变量,在方法返回时,生命周期就结束了,这个时候应该是可以被gc回收的,怎么会发生内存泄漏呢?

使用线程池时有点不同,因为这里有个隐含的条件是,虽然方法返回结束了,但线程仍存活这,而存活的线程是可以作为gc root的。

我们知道线程池里的线程会被包装为Worker对象,这是定义在ThreadPoolExecutor里的非静态内部类。如下代码,Worker也实现了Runnable接口,把它作为参数传递给Thread对象。

tp-q6.png

tp-q7.png

活跃的线程作为gc root的,也就是不会被垃圾回收,而这个线程又引用着这个Worker对象,所以它也不会被回收。

那个线程池对象又有什么关系呢?上面说到Worker是作为ThreadPoolExecutor里的非静态内部类,非静态内部类有一个规则就是持有外部类的引用,例如我们可以在InnerClass里调用外部类的方法。

或者通过编译后查看class文件也可以看到InnerClass持有外部类的this引用。

<code>public class OuterClass {

public OuterClass(Runnable runnable) {

}

public void outterFunction() {

}

class InnerClass {

public InnerClass() {

outterFunction();

}

}

}

所以,由于Worker持有ThreadPoolExecutor的引用,所以它也不会被回收,用一张图表示就是:

tp-q8.png

解决方案,1.不要使用局部线程池变量,定义为全局变量。2.调用shutdown/shutdownNow关闭线程池,关闭后线程就会被回收,线程池也可以被回收。

附chatgpt:jdk8中,哪些对象可以作为gc root?

tp-q11.png

虚拟线程

在jdk21以前,我们在java里使用的线程都称为平台线程,与内核线程是一对一的关系,开篇就说到,平台线程的使用成本比较高,所以才使用线程线程池来缓存复用它。

tp-q9.png

jdk21虚拟线程成为正式功能,可以投入生产使用。java里的虚拟线程类似于goland中的协程,虚拟线程与内核线程不再是一对一的关系,而是多对一,在jvm层面进行调度,可以大大内核线程的数量。

如图,可以看到多个虚拟线程在底层还是公用一个内核线程,它们之间的执行调度由jvm自动完成,虚拟线程的创建成本非常低,可以创建的虚拟线程数量可以远大于平台线程。

当我们的程序遇到io的时候,以往的方式是将当前线程挂起,cpu进行线程切换,执行另外的任务。使用虚拟线程则不需要,任务的调度执行是在jvm层面完成的,cpu还是一直在执行同一个线程。

tp-q10.png

代码示例:

<code>Thread.ofVirtual().start(()->{});

springboot3.2 tomcat开启虚拟线程

spring.threads.virtual.enabled = true

那么使用虚拟线程,还需要线程池吗?答案是不需要的,我们之所以池化是因为对象的创建、销毁成本较高,每次使用都创建,用完就丢弃,太浪费了,但虚拟线程的使用成本很低,所以它不需要池化了。

虚拟线程的设计虽然不是为了取代传统线程和编程方式,可以看到jdk是通过扩展支持虚拟线程的,我们依然可以像以前一样编程开发,但在高并发场景虚拟线程是更好的选择,这也是大势所趋,说不定以后哪一天线程池也会被无情的标记上@Deprecated。

更多分享,欢迎关注我的github:https://github.com/jmilktea/jtea



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。