如何合理设置线程池大小

要想合理的配置线程池的大小，首先得分析任务的特性，可以从以下几个角度分析：

1. 任务的性质：CPU密集型任务、IO密集型任务、混合型任务。
2. 任务的优先级：高、中、低。
3. 任务的执行时间：长、中、短。
4. 任务的依赖性：是否依赖其他系统资源，如数据库连接等。

性质不同的任务可以交给不同规模的线程池执行。

对于不同性质的任务来说，CPU密集型任务应配置尽可能小的线程，如配置CPU个数+1的线程数，IO密集型任务应配置尽可能多的线程，因为IO操作不占用CPU，不要让CPU闲下来，应加大线程数量，如配置两倍CPU个数+1，而对于混合型的任务，如果可以拆分，拆分成IO密集型和CPU密集型分别处理，前提是两者运行的时间是差不多的，如果处理时间相差很大，则没必要拆分了。

若任务对其他系统资源有依赖，如某个任务依赖数据库的连接返回的结果，这时候等待的时间越长，则CPU空闲的时间越长，那么线程数量应设置得越大，才能更好的利用CPU。
当然具体合理线程池值大小，需要结合系统实际情况，在大量的尝试下比较才能得出，以上只是前人总结的规律。

在这篇如何合理地估算线程池大小？文章中发现了一个估算合理值的公式

最佳线程数目 = （（线程等待时间+线程CPU时间）/线程CPU时间 ）* CPU数目

比如平均每个线程CPU运行时间为0.5s，而线程等待时间（非CPU运行时间，比如IO）为1.5s，CPU核心数为8，那么根据上面这个公式估算得到：((0.5+1.5)/0.5)*8=32。这个公式进一步转化为：

最佳线程数目 = （线程等待时间与线程CPU时间之比 + 1）* CPU数目

可以得出一个结论：
线程等待时间所占比例越高，需要越多线程。线程CPU时间所占比例越高，需要越少线程。
以上公式与之前的CPU和IO密集型任务设置线程数基本吻合。

并发编程网上的一个问题
高并发、任务执行时间短的业务怎样使用线程池？并发不高、任务执行时间长的业务怎样使用线程池？并发高、业务执行时间长的业务怎样使用线程池？
（1）高并发、任务执行时间短的业务，线程池线程数可以设置为CPU核数+1，减少线程上下文的切换
（2）并发不高、任务执行时间长的业务要区分开看：
　　a）假如是业务时间长集中在IO操作上，也就是IO密集型的任务，因为IO操作并不占用CPU，所以不要让所有的CPU闲下来，可以适当加大线程池中的线程数目，让CPU处理更多的业务
　　b）假如是业务时间长集中在计算操作上，也就是计算密集型任务，这个就没办法了，和（1）一样吧，线程池中的线程数设置得少一些，减少线程上下文的切换
（3）并发高、业务执行时间长，解决这种类型任务的关键不在于线程池而在于整体架构的设计，看看这些业务里面某些数据是否能做缓存是第一步，增加服务器是第二步，至于线程池的设置，设置参考（2）。最后，业务执行时间长的问题，也可能需要分析一下，看看能不能使用中间件对任务进行拆分和解耦。

如何合理地估算线程池大小？

这个问题虽然看起来很小，却并不那么容易回答。大家如果有更好的方法欢迎赐教，先来一个天真的估算方法：假设要求一个系统的TPS（Transaction Per Second或者Task Per Second）至少为20，然后假设每个Transaction由一个线程完成，继续假设平均每个线程处理一个Transaction的时间为4s。那么问题转化为：

如何设计线程池大小，使得可以在1s内处理完20个Transaction？

计算过程很简单，每个线程的处理能力为0.25TPS，那么要达到20TPS，显然需要20/0.25=80个线程。

很显然这个估算方法很天真，因为它没有考虑到CPU数目。一般服务器的CPU核数为16或者32，如果有80个线程，那么肯定会带来太多不必要的线程上下文切换开销。

再来第二种简单的但不知是否可行的方法（N为CPU总核数）：

• 如果是CPU密集型应用，则线程池大小设置为N+1
• 如果是IO密集型应用，则线程池大小设置为2N+1

如果一台服务器上只部署这一个应用并且只有这一个线程池，那么这种估算或许合理，具体还需自行测试验证。

接下来在这个文档：服务器性能IO优化 中发现一个估算公式：

1	最佳线程数目 = （（线程等待时间+线程CPU时间）/线程CPU时间 ）* CPU数目

比如平均每个线程CPU运行时间为0.5s，而线程等待时间（非CPU运行时间，比如IO）为1.5s，CPU核心数为8，那么根据上面这个公式估算得到：((0.5+1.5)/0.5)*8=32。这个公式进一步转化为：

1	最佳线程数目 = （线程等待时间与线程CPU时间之比 + 1）* CPU数目

可以得出一个结论：

线程等待时间所占比例越高，需要越多线程。线程CPU时间所占比例越高，需要越少线程。

上一种估算方法也和这个结论相合。

一个系统最快的部分是CPU，所以决定一个系统吞吐量上限的是CPU。增强CPU处理能力，可以提高系统吞吐量上限。但根据短板效应，真实的系统吞吐量并不能单纯根据CPU来计算。那要提高系统吞吐量，就需要从“系统短板”（比如网络延迟、IO）着手：

• 尽量提高短板操作的并行化比率，比如多线程下载技术
• 增强短板能力，比如用NIO替代IO

第一条可以联系到Amdahl定律，这条定律定义了串行系统并行化后的加速比计算公式：

1	加速比=优化前系统耗时 / 优化后系统耗时

加速比越大，表明系统并行化的优化效果越好。Addahl定律还给出了系统并行度、CPU数目和加速比的关系，加速比为Speedup，系统串行化比率（指串行执行代码所占比率）为F，CPU数目为N：

1	Speedup <= 1 / (F + (1-F)/N)

当N足够大时，串行化比率F越小，加速比Speedup越大。

写到这里，我突然冒出一个问题。

是否使用线程池就一定比使用单线程高效呢？

答案是否定的，比如Redis就是单线程的，但它却非常高效，基本操作都能达到十万量级/s。从线程这个角度来看，部分原因在于：

• 多线程带来线程上下文切换开销，单线程就没有这种开销
• 锁

当然“Redis很快”更本质的原因在于：Redis基本都是内存操作，这种情况下单线程可以很高效地利用CPU。而多线程适用场景一般是：存在相当比例的IO和网络操作。

所以即使有上面的简单估算方法，也许看似合理，但实际上也未必合理，都需要结合系统真实情况（比如是IO密集型或者是CPU密集型或者是纯内存操作）和硬件环境（CPU、内存、硬盘读写速度、网络状况等）来不断尝试达到一个符合实际的合理估算值。

最后来一个“Dark Magic”估算方法（因为我暂时还没有搞懂它的原理），使用下面的类：

001	package pool_size_calculate;

002

003	import java.math.BigDecimal;

004	import java.math.RoundingMode;

005	import java.util.Timer;

006	import java.util.TimerTask;

007	import java.util.concurrent.BlockingQueue;

008

009

/**

010	* A class that calculates the optimal thread pool boundaries. It takes the

011	* desired target utilization and the desired work queue memory consumption as

012	* input and retuns thread count and work queue capacity.

013

*

014	* @author Niklas Schlimm

015

*

016

*/

017	public abstract class PoolSizeCalculator {

018

019

/**

020	* The sample queue size to calculate the size of a single {@link Runnable}

021	* element.

022

*/

023	private final int SAMPLE_QUEUE_SIZE = 1000;

024

025

/**

026	* Accuracy of test run. It must finish within 20ms of the testTime

027	* otherwise we retry the test. This could be configurable.

028

*/

029	private final int EPSYLON = 20;

030

031

/**

032	* Control variable for the CPU time investigation.

033

*/

034	private volatile boolean expired;

035

036

/**

037	* Time (millis) of the test run in the CPU time calculation.

038

*/

039	private final long testtime = 3000;

040

041

/**

042	* Calculates the boundaries of a thread pool for a given {@link Runnable}.

043

*

044	* @param targetUtilization

045

*            the desired utilization of the CPUs (0 <= targetUtilization <=   *            1)     * @param targetQueueSizeBytes   *            the desired maximum work queue size of the thread pool (bytes)     */     protected void calculateBoundaries(BigDecimal targetUtilization,            BigDecimal targetQueueSizeBytes) {      calculateOptimalCapacity(targetQueueSizeBytes);         Runnable task = creatTask();        start(task);        start(task); // warm up phase       long cputime = getCurrentThreadCPUTime();       start(task); // test intervall      cputime = getCurrentThreadCPUTime() - cputime;      long waittime = (testtime * 1000000) - cputime;         calculateOptimalThreadCount(cputime, waittime, targetUtilization);  }   private void calculateOptimalCapacity(BigDecimal targetQueueSizeBytes) {        long mem = calculateMemoryUsage();      BigDecimal queueCapacity = targetQueueSizeBytes.divide(new BigDecimal(              mem), RoundingMode.HALF_UP);        System.out.println("Target queue memory usage (bytes): "                + targetQueueSizeBytes);        System.out.println("createTask() produced "                 + creatTask().getClass().getName() + " which took " + mem               + " bytes in a queue");         System.out.println("Formula: " + targetQueueSizeBytes + " / " + mem);       System.out.println("* Recommended queue capacity (bytes): "                 + queueCapacity);   }   /**      * Brian Goetz' optimal thread count formula, see 'Java Concurrency in   * Practice' (chapter 8.2)   *       * @param cpu    *            cpu time consumed by considered task   * @param wait   *            wait time of considered task   * @param targetUtilization      *            target utilization of the system   */     private void calculateOptimalThreadCount(long cpu, long wait,           BigDecimal targetUtilization) {         BigDecimal waitTime = new BigDecimal(wait);         BigDecimal computeTime = new BigDecimal(cpu);       BigDecimal numberOfCPU = new BigDecimal(Runtime.getRuntime()                .availableProcessors());        BigDecimal optimalthreadcount = numberOfCPU.multiply(targetUtilization)                 .multiply(                      new BigDecimal(1).add(waitTime.divide(computeTime,                              RoundingMode.HALF_UP)));        System.out.println("Number of CPU: " + numberOfCPU);        System.out.println("Target utilization: " + targetUtilization);         System.out.println("Elapsed time (nanos): " + (testtime * 1000000));        System.out.println("Compute time (nanos): " + cpu);         System.out.println("Wait time (nanos): " + wait);       System.out.println("Formula: " + numberOfCPU + " * "                + targetUtilization + " * (1 + " + waitTime + " / "                 + computeTime + ")");       System.out.println("* Optimal thread count: " + optimalthreadcount);    }   /**      * Runs the {@link Runnable} over a period defined in {@link #testtime}.     * Based on Heinz Kabbutz' ideas     * (http://www.javaspecialists.eu/archive/Issue124.html).    *       * @param task   *            the runnable under investigation   */     public void start(Runnable task) {      long start = 0;         int runs = 0;       do {            if (++runs > 5) {

046	throw new IllegalStateException("Test not accurate");

047

}

048	expired = false;

049	start = System.currentTimeMillis();

050	Timer timer = new Timer();

051	timer.schedule(new TimerTask() {

052	public void run() {

053	expired = true;

054

}

055	}, testtime);

056	while (!expired) {

057	task.run();

058

}

059	start = System.currentTimeMillis() - start;

060	timer.cancel();

061	} while (Math.abs(start - testtime) > EPSYLON);

062	collectGarbage(3);

063

}

064

065	private void collectGarbage(int times) {

066	for (int i = 0; i < times; i++) {

067	System.gc();

068

try {

069	Thread.sleep(10);

070	} catch (InterruptedException e) {

071	Thread.currentThread().interrupt();

072

break;

073

}

074

}

075

}

076

077

/**

078	* Calculates the memory usage of a single element in a work queue. Based on

079	* Heinz Kabbutz' ideas

080	* (http://www.javaspecialists.eu/archive/Issue029.html).

081

*

082	* @return memory usage of a single {@link Runnable} element in the thread

083	*         pools work queue

084

*/

085	public long calculateMemoryUsage() {

086	BlockingQueue queue = createWorkQueue();

087	for (int i = 0; i < SAMPLE_QUEUE_SIZE; i++) {

088	queue.add(creatTask());

089

}

090	long mem0 = Runtime.getRuntime().totalMemory()

091	- Runtime.getRuntime().freeMemory();

092	long mem1 = Runtime.getRuntime().totalMemory()

093	- Runtime.getRuntime().freeMemory();

094	queue = null;

095	collectGarbage(15);

096	mem0 = Runtime.getRuntime().totalMemory()

097	- Runtime.getRuntime().freeMemory();

098	queue = createWorkQueue();

099	for (int i = 0; i < SAMPLE_QUEUE_SIZE; i++) {

100	queue.add(creatTask());

101

}

102	collectGarbage(15);

103	mem1 = Runtime.getRuntime().totalMemory()

104	- Runtime.getRuntime().freeMemory();

105	return (mem1 - mem0) / SAMPLE_QUEUE_SIZE;

106

}

107

108

/**

109	* Create your runnable task here.

110

*

111	* @return an instance of your runnable task under investigation

112

*/

113	protected abstract Runnable creatTask();

114

115

/**

116	* Return an instance of the queue used in the thread pool.

117

*

118	* @return queue instance

119

*/

120	protected abstract BlockingQueue createWorkQueue();

121

122

/**

123	* Calculate current cpu time. Various frameworks may be used here,

124	* depending on the operating system in use. (e.g.

125	* http://www.hyperic.com/products/sigar). The more accurate the CPU time

126	* measurement, the more accurate the results for thread count boundaries.

127

*

128	* @return current cpu time of current thread

129

*/

130	protected abstract long getCurrentThreadCPUTime();

131

132

}

然后自己继承这个抽象类并实现它的三个抽象方法，比如下面是我写的一个示例（任务是请求网络数据），其中我指定期望CPU利用率为1.0（即100%），任务队列总大小不超过100,000字节：

01	package pool_size_calculate;

02

03	import java.io.BufferedReader;

04	import java.io.IOException;

05	import java.io.InputStreamReader;

06	import java.lang.management.ManagementFactory;

07	import java.math.BigDecimal;

08	import java.net.HttpURLConnection;

09	import java.net.URL;

10	import java.util.concurrent.BlockingQueue;

11	import java.util.concurrent.LinkedBlockingQueue;

12

13	public class SimplePoolSizeCaculatorImpl extends PoolSizeCalculator {

14

15

@Override

16	protected Runnable creatTask() {

17	return new AsyncIOTask();

18

}

19

20

@Override

21	protected BlockingQueue createWorkQueue() {

22	return new LinkedBlockingQueue(1000);

23

}

24

25

@Override

26	protected long getCurrentThreadCPUTime() {

27	return ManagementFactory.getThreadMXBean().getCurrentThreadCpuTime();

28

}

29

30	public static void main(String[] args) {

31	PoolSizeCalculator poolSizeCalculator = new SimplePoolSizeCaculatorImpl();

32	poolSizeCalculator.calculateBoundaries(new BigDecimal(1.0), new BigDecimal(100000));

33

}

34

35

}

36

37

/**

38	* 自定义的异步IO任务

39	* @author Will

40

*

41

*/

42	class AsyncIOTask implements Runnable {

43

44

@Override

45	public void run() {

46	HttpURLConnection connection = null;

47	BufferedReader reader = null;

48

try {

49	String getURL = "http://baidu.com";

50	URL getUrl = new URL(getURL);

51

52	connection = (HttpURLConnection) getUrl.openConnection();

53	connection.connect();

54	reader = new BufferedReader(new InputStreamReader(

55	connection.getInputStream()));

56

57	String line;

58	while ((line = reader.readLine()) != null) {

59	// empty loop

60

}

61

}

62

63	catch (IOException e) {

64

65	} finally {

66	if(reader != null) {

67

try {

68	reader.close();

69

}

70	catch(Exception e) {

71

72

}

73

}

74	connection.disconnect();

75

}

76

77

}

78

79

}

得到的输出如下：

01	Target queue memory usage (bytes): 100000

02	createTask() produced pool_size_calculate.AsyncIOTask which took 40 bytes in a queue

03	Formula: 100000 / 40

04	* Recommended queue capacity (bytes): 2500

05	Number of CPU: 4

06	Target utilization: 1

07	Elapsed time (nanos): 3000000000

08	Compute time (nanos): 47181000

09	Wait time (nanos): 2952819000

10	Formula: 4 * 1 * (1 + 2952819000 / 47181000)

11	* Optimal thread count: 256

推荐的任务队列大小为2500，线程数为256，有点出乎意料之外。我可以如下构造一个线程池：

1	ThreadPoolExecutor pool =

2	new ThreadPoolExecutor(256, 256, 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue(2500));

原创文章，转载请注明： 转载自并发编程网 – ifeve.com本文链接地址: 如何合理地估算线程池大小？