简介

线程池想必大家也都用过，JDK的Executors 也自带一些线程池。针对这个问题，我们必须要明确我们的需求是计算密集型还是IO密集型。

计算密集型：
顾名思义就是应用需要非常多的CPU计算资源，在多核CPU时代，我们要让每一个CPU核心都参与计算，将CPU的性能充分利用起来，这样才算是没有浪费服务器配置。

IO密集型
我们现在做的开发大部分都是WEB应用，涉及到大量的网络传输，不仅如此，与数据库，与缓存间的交互也涉及到IO，一旦发生IO，线程就会处于等待状态，当IO结束，数据准备好后，线程才会继续执行。因此从这里可以发现，对于IO密集型的应用，我们可以多设置一些线程池中线程的数量，这样就能让在等待IO的这段时间内，线程可以去做其它事，提高并发处理效率。

代码

package com.kingxunlian.invoice.service.config;

import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.scheduling.annotation.EnableAsync;
import org.springframework.scheduling.concurrent.ThreadPoolTaskExecutor;

import java.util.concurrent.Executor;

@Configuration
@EnableAsync
public class ExecutorConfig {
    /**
     * 线程池维护线程的最小数量. .
     */
    private final int corePoolSize = 30;
    /**
     * 线程池维护线程的最大数量. .
     */
    private final int maxPoolSize = 300;
    /**
     * 队列最大长度.
     */
    private final int queueCapacity = 10240;

    @Bean(name = "invoiceExecutor")
    public Executor invoiceExecutor() {
        ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
        executor.setCorePoolSize(corePoolSize);
        executor.setMaxPoolSize(maxPoolSize);
        executor.setQueueCapacity(queueCapacity);
        executor.setThreadNamePrefix("glj-thread-sf-dk-");
        executor.setKeepAliveSeconds(300);
        executor.initialize();
        return executor;
    }
}

上面我们通过使用ThreadPoolTaskExecutor创建了一个线程池，
同时设置了以下这些参数：

核心线程数30：线程池创建时候初始化的线程数
最大线程数300：线程池最大的线程数，只有在缓冲队列满了之后才会申请超过核心线程数的线程
缓冲队列10240：用来缓冲执行任务的队列
允许线程的空闲时间300秒：当超过了核心线程出之外的线程在空闲时间到达之后会被销毁
线程池名的前缀：设置好了之后可以方便我们定位处理任务所在的线程池
线程池对拒绝任务的处理策略：这里采用了CallerRunsPolicy策略，当线程池没有处理能力的时候，该策略会直接在 execute 方法的调用线程中运行被拒绝的任务；如果执行程序已关闭，则会丢弃该任务

代码

package com.glj.test.demo.biz.controller;

import com.glj.test.demo.config.ThreadPoolConfig;
import io.swagger.annotations.Api;
import io.swagger.annotations.ApiOperation;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.http.MediaType;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

import java.math.BigDecimal;
import java.time.LocalDateTime;
import java.time.temporal.ChronoUnit;
import java.util.List;
import java.util.concurrent.CompletableFuture;
import java.util.stream.Collectors;
import java.util.stream.IntStream;

/**
 * @description: TODO
 * @author: glj
 * @create: 2019-12-04 15:04
 **/
@RestController
@Api(tags = "测试接口")
@RequestMapping("/test-demo/thread")
@Slf4j
public class ThreadController {
    @Autowired
    private ThreadPoolConfig taskExecutePool;

    @ApiOperation(value = "测试多线程")
    @PostMapping(value = "/thredExecute",produces = MediaType.APPLICATION_JSON_VALUE)
    public String thredExecute() {
        // 开始执行时间
        LocalDateTime startDateTime = LocalDateTime.now();

        List<Integer> integerList = IntStream.range(1,1000).boxed().collect(Collectors.toList());

       List<CompletableFuture<String>> list = integerList.stream()
                .map(e -> CompletableFuture.supplyAsync(()->exc(e),taskExecutePool.getAsyncExecutor())).collect(Collectors.toList());

        List<String> res = list.stream()
                .map(CompletableFuture::join) // 等待流中Future执行完毕，提取各自返回值
                .collect(Collectors.toList());

        res.stream().forEach(v -> System.out.println(v));

        long s = ChronoUnit.SECONDS.between(startDateTime, LocalDateTime.now());
        log.info("执行时间:{}",s);
        return String.valueOf(s);
    }

    @ApiOperation(value = "单个线程执行")
    @PostMapping(value = "/execute",produces = MediaType.APPLICATION_JSON_VALUE)
    public String execute() {
        // 开始执行时间
        LocalDateTime startDateTime = LocalDateTime.now();

        List<Integer> integerList = IntStream.range(1,1000).boxed().collect(Collectors.toList());

       List<String> res= integerList.stream().map(v ->exc(v)).collect(Collectors.toList());

        res.stream().forEach(v -> System.out.println(v));

        long s = ChronoUnit.SECONDS.between(startDateTime, LocalDateTime.now());
        log.info("执行时间:{}",s);
        return String.valueOf(s);
    }


    public String exc(int i ) {
        try {
            Thread.sleep(20);
            log.info("{}开始执行第{}个",Thread.currentThread().getName(),i);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }

        return "第"+i+"个";
    }

}

最后咱们通过代码测试一下，同样是遍历一千次，执行操作，单个线程需要20s，而多线程2s就执行完毕了，可见效率高了很多。

image.png image.png