线程池配置规则

https://blog.csdn.net/xiang__liu/article/details/82796543

1. 线程池配置规则：  线程池大小=CPU个数 * CPU期望利用率 * (1 + 任务等待时间 / 任务处理时间)

线程池的理想大小取决于被提交任务的类型以及所部署系统的特性。线程池应该避免设置的过大或过小，如果线程池过大，大量的线程将在相对很少的CPU和内存资源上发生竞争，这不仅会导致更高的内存使用量，而且还可能耗尽资源。如果线程池过小，那么将导致许多空闲处理器无法执行任务，降低了系统吞吐率。

要正确设置线程池的大小，必须分析计算环境、资源预算和任务特性。包括所部署系统的CPU个数、内存大小、任务类型（计算密集、IO密集等）。如果待处理任务行为特征差异较大，那应该考虑使用多个线程池，分别处理不同类任务。大致上来说，对于计算密集型任务线程池大小和CPU个数相近通常能实现最优利用率；对于IO密集型任务，由于线程不会一直执行，所以线程吃的规模应该更大。要正确设置线程池大小，需要估算出任务的等待时间（任务从提交到结束耗时）和处理时间（实际处理耗时）的比值。

要是处理器达到期望的使用率，线程池的最优大小等于：

线程池大小=CPU个数 * CPU期望利用率 * (1 + 任务等待时间 / 任务处理时间)

假设有一个定时解析大文件并存入数据库的任务，系统部署在8核服务器上，期望定时任务执行CPU占比约20%,任务平均等待时间为150ms,任务平均处理时间为50ms

线程池最优大小=8*0.2*（1+150/50）=3

三、如何设置参数

默认值

corePoolSize=1

queueCapacity=Integer.MAX_VALUE

maxPoolSize=Integer.MAX_VALUE

keepAliveTime=60s

allowCoreThreadTimeout=false

rejectedExecutionHandler=AbortPolicy()

如何来设置

需要根据几个值来决定

tasks ：每秒的任务数，假设为500~1000

taskcost：每个任务花费时间，假设为0.1s

responsetime：系统允许容忍的最大响应时间，假设为1s

做几个计算

corePoolSize = 每秒需要多少个线程处理？ 

threadcount = tasks/(1/taskcost) =tasks*taskcout =  (500~1000)*0.1 = 50~100 个线程。corePoolSize设置应该大于50

根据8020原则，如果80%的每秒任务数小于800，那么corePoolSize设置为80即可

queueCapacity = (coreSizePool/taskcost)*responsetime

计算可得 queueCapacity = 80/0.1*1 = 80。意思是队列里的线程可以等待1s，超过了的需要新开线程来执行

切记不能设置为Integer.MAX_VALUE，这样队列会很大，线程数只会保持在corePoolSize大小，当任务陡增时，不能新开线程来执行，响应时间会随之陡增。

maxPoolSize = (max(tasks)- queueCapacity)/(1/taskcost)

计算可得 maxPoolSize = (1000-80)/10 = 92

（最大任务数-队列容量）/每个线程每秒处理能力 = 最大线程数

rejectedExecutionHandler：根据具体情况来决定，任务不重要可丢弃，任务重要则要利用一些缓冲机制来处理

keepAliveTime和allowCoreThreadTimeout采用默认通常能满足

以上都是理想值，实际情况下要根据机器性能来决定。如果在未达到最大线程数的情况机器cpu load已经满了，则需要通过升级硬件（呵呵）和优化代码，降低taskcost来处理。