如何合理線程池大??？(建議收藏)
來源：ifeve.com/how-to-calculate-threadpool-size/
在我們?nèi)粘I(yè)務(wù)開發(fā)過程中，或多或少都會(huì)用到并發(fā)的功能。那么在用到并發(fā)功能的過程中，就肯定會(huì)碰到下面這個(gè)問題
并發(fā)線程池到底設(shè)置多大呢？
通常有點(diǎn)年紀(jì)的程序員或許都聽說這樣一個(gè)說法 （其中 N 代表 CPU 的個(gè)數(shù)）
CPU 密集型應(yīng)用，線程池大小設(shè)置為 N + 1
IO 密集型應(yīng)用，線程池大小設(shè)置為 2N?
這個(gè)說法到底是不是正確的呢？
其實(shí)這是極不正確的。那為什么呢？
首先我們從反面來看，假設(shè)這個(gè)說法是成立的，那我們?cè)谝慌_(tái)服務(wù)器上部署多少個(gè)服務(wù)都無所謂了。因?yàn)榫€程池的大小只能服務(wù)器的核數(shù)有關(guān)，所以這個(gè)說法是不正確的。那具體應(yīng)該怎么設(shè)置大小呢？
假設(shè)這個(gè)應(yīng)用是兩者混合型的，其中任務(wù)即有 CPU 密集，也有 IO 密集型的，那么我們改怎么設(shè)置呢？是不是只能拋硬盤來決定呢？
那么我們到底該怎么設(shè)置線程池大小呢？有沒有一些具體實(shí)踐方法來指導(dǎo)大家落地呢？讓我們來深入地了解一下。
Little's Law（利特爾法則）
一個(gè)系統(tǒng)請(qǐng)求數(shù)等于請(qǐng)求的到達(dá)率與平均每個(gè)單獨(dú)請(qǐng)求花費(fèi)的時(shí)間之乘積假設(shè)服務(wù)器單核的，對(duì)應(yīng)業(yè)務(wù)需要保證請(qǐng)求量（QPS）：10 ，真正處理一個(gè)請(qǐng)求需要 1 秒，那么服務(wù)器每個(gè)時(shí)刻都有 10 個(gè)請(qǐng)求在處理，即需要 10 個(gè)線程
同樣，我們可以使用利特爾法則（Little’s law）來判定線程池大小。我們只需計(jì)算請(qǐng)求到達(dá)率和請(qǐng)求處理的平均時(shí)間。然后，將上述值放到利特爾法則（Little’s law）就可以算出系統(tǒng)平均請(qǐng)求數(shù)。估算公式如下
*線程池大小 = （（線程 IO time + 線程 CPU time ）/線程 CPU time ）?CPU數(shù)目**
具體實(shí)踐
通過公式，我們了解到需要 3 個(gè)具體數(shù)值
一個(gè)請(qǐng)求所消耗的時(shí)間 (線程 IO time + 線程 CPU time)
該請(qǐng)求計(jì)算時(shí)間 （線程 CPU time）
CPU 數(shù)目
請(qǐng)求消耗時(shí)間
Web 服務(wù)容器中，可以通過 Filter 來攔截獲取該請(qǐng)求前后消耗的時(shí)間
public class MoniterFilter implements Filter {private static final Logger logger = LoggerFactory.getLogger(MoniterFilter.class);public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) throws IOException,ServletException {long start = System.currentTimeMillis();HttpServletRequest httpRequest = (HttpServletRequest) request;HttpServletResponse httpResponse = (HttpServletResponse) response;String uri = httpRequest.getRequestURI();String params = getQueryString(httpRequest);try {chain.doFilter(httpRequest, httpResponse);} finally {long cost = System.currentTimeMillis() - start;logger.info("access url [{}{}], cost time [{}] ms )", uri, params, cost);}private String getQueryString(HttpServletRequest req) {StringBuilder buffer = new StringBuilder("?");EnumerationemParams = req.getParameterNames(); try {while (emParams.hasMoreElements()) {String sParam = emParams.nextElement();String sValues = req.getParameter(sParam);buffer.append(sParam).append("=").append(sValues).append("&");}return buffer.substring(0, buffer.length() - 1);} catch (Exception e) {logger.error("get post arguments error", buffer.toString());}return "";}}
CPU 計(jì)算時(shí)間
CPU 計(jì)算時(shí)間 = 請(qǐng)求總耗時(shí) - CPU IO time
假設(shè)該請(qǐng)求有一個(gè)查詢 DB 的操作，只要知道這個(gè)查詢 DB 的耗時(shí)（CPU IO time），計(jì)算的時(shí)間不就出來了嘛，我們看一下怎么才能簡(jiǎn)潔，明了的記錄 DB 查詢的耗時(shí)。
通過（JDK 動(dòng)態(tài)代理/ CGLIB）的方式添加 AOP 切面，來獲取線程 IO 耗時(shí)。代碼如下，請(qǐng)參考：
public class DaoInterceptor implements MethodInterceptor {private static final Logger logger = LoggerFactory.getLogger(DaoInterceptor.class);public Object invoke(MethodInvocation invocation) throws Throwable {StopWatch watch = new StopWatch();watch.start();Object result = null;Throwable t = null;try {result = invocation.proceed();} catch (Throwable e) {t = e == null ? null : e.getCause();throw e;} finally {watch.stop();logger.info("({}ms)", watch.getTotalTimeMillis());}return result;}}
CPU 數(shù)目
邏輯 CPU 個(gè)數(shù) ，設(shè)置線程池大小的時(shí)候參考的 CPU 個(gè)數(shù)
cat?/proc/cpuinfo|?grep?"processor"|?wc?-l總結(jié)
合適的配置線程池大小其實(shí)很不容易，但是通過上述的公式和具體代碼，我們就能快速、落地的算出這個(gè)線程池該設(shè)置的多大。
不過最后的最后，我們還是需要通過壓力測(cè)試來進(jìn)行微調(diào)，只有經(jīng)過壓測(cè)測(cè)試的檢驗(yàn)，我們才能最終保證的配置大小是準(zhǔn)確的。
--end--
推薦閱讀：
數(shù)據(jù)倉庫建設(shè)規(guī)范.pdf
OLAP核心技術(shù)壓測(cè)報(bào)告.pdf
2021年大數(shù)據(jù)肌肉猿公眾號(hào)獎(jiǎng)勵(lì)制度
掃描下方二維碼 添加好友，備注【交流】 可私聊交流，也可進(jìn)資源豐富學(xué)習(xí)群
更文不易，點(diǎn)個(gè)“在看”支持一下?