线程池的基本使用

线程池作用

借由《Java并发编程的艺术》

  • 降低资源消耗。通过重复利用已经创建的线程,能够降低线程创建和销毁造成的消耗。
  • 提高响应速度。当任务到达时,任务可以不需要等待线程的创建就能立即执行。
  • 提高线程的可管理性。线程是稀缺资源,如果无限制地创建,不仅会消耗系统资源,还会降低系统的稳定性,使用线程池可以进行统一的分配,调优和监控。

ThreadPoolExecutor类

public ThreadPoolExecutor(int corePoolSize,
                          int maximumPoolSize,
                          long keepAliveTime,
                          TimeUnit unit,
                          BlockingQueue<Runnable> workQueue,
                          ThreadFactory threadFactory,
                          RejectedExecutionHandler handler) {
    ...
}

ThreadPoolExecutor构造

ThreadPoolExecutor类的构造参数:

  • corePoolSize:核心线程数量,初始化就创建的线程,没有任务也不会被关闭的线程。也会有例外,如:allowCoreThreadTimeOut设置为true时,会被关闭。
  • maximumPoolSize:最大线程数量。
  • keepAliveTime:空闲线程的存活时间,超时后线程会被关闭,核心线程除外。
  • unit:空闲时间单位,一般使用TimeUnit枚举
  • workQueue:工作队列,当所有线程都被占用后,新的任务就会被放在工作队列中。
  • threadFactory:线程工厂。
  • handler:饱和策略,用于线程池中没有空闲线程可以使用且工作列也处于饱和状态时执行的拒绝策略。

常用的拒绝策略

  • AbortPolicy:抛出RejectedExecutionException异常拒绝新的任务处理,默认拒绝策略。
  • CallerRunsPolicy:如果程序关闭,会丢掉任务。此策略提供简单的反馈控制机制,能够减缓新任务的提交速度,但会造成延迟。如果项目可以承受延迟且不能丢弃任何一个任务请求,可以使用此策略。
  • DiscardPolicy:不处理新任务,直接丢掉。
  • DiscardOldestPolicy:丢失最早的未处理的任务。

ThreadPoolExecutor线程状态

  • RUNNING:接收新的任务和处理队列中的任务
  • SHUTDOWN:不能新增任务,但是会继续处理已经添加的任务
  • STOP:不能新增任务,不会继续处理已经添加任务
  • TIDYING:所有的任务已经被终止,工作线程为0
  • TERMINATED:terminated()方法执行完成

创建线程池

创建Runnable接口实现类

public class MyThread implements Runnable {

    private String taskName;

    public MyThread(String taskName) {
        this.taskName = taskName;
    }

    @Override
    public void run() {
        try {
            String threadName = Thread.currentThread().getName();
            System.out.println("线程 " + threadName + " 开始执行:" + taskName);
            Thread.sleep(3000);
            System.out.println("线程 " + threadName + " 开始执行:" + taskName);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }

    @Override
    public String toString() {
        return "MyThread{" +
                "taskName='" + taskName + '\'' +
                '}';
    }
}

使用ThreadPoolExecutor创建

public static void main(String[] args) {

    ThreadPoolExecutor executor = new ThreadPoolExecutor(
            // 核心线程数
            5,
            // 最大线程数
            10,
            // 等待时间
            100,
            // 等待时间单位  秒
            TimeUnit.SECONDS,
            // 任务队列 容量100
            new ArrayBlockingQueue<>(100),
            // 饱和策略
            new ThreadPoolExecutor.CallerRunsPolicy()
    );

    for (int i = 1; i <= 10; i++) {
        MyThread myThread = new MyThread("任务" + i);
        executor.execute(myThread);
    }

    executor.shutdown();
}

几种常见的线程池

固定线程池(FixThreadPool)

线程池中的固定数量线程可以重复使用

public static ExecutorService newFixedThreadPool(int nThreads, ThreadFactory threadFactory) {
    return new ThreadPoolExecutor(nThreads, nThreads,
                                  0L, TimeUnit.MILLISECONDS,
                                  new LinkedBlockingQueue<Runnable>(),
                                  threadFactory);
}

创建方法:

ExecutorService executor = Executors.newFixedThreadPool(5);
for (int i = 1; i <= 10; i++) {
    MyThread myThread = new MyThread("任务" + i);
    executor.execute(myThread);
}
  • 当前运行的线程数小于coreSize的时候,有新任务就创建线程来执行。
  • 当前运行的线程数等于coreSize的时候,有新任务将会追加到LinkedBlockingQueue队列中。
  • 线程池中的线程执行完后,会循环从LinkedBlockingQueue中获取任务执行。

需要注意的是,LinkedBlockingQueue是一个无界队列,它的容量为:Integer.MAX_VALUE,也就是说,当所有线程被占用后,新的任务将会无限堆加到这个队列中,如果任务较多,可能会出现OOM现象。

单一线程池(SingleThreadExecutor)

只有一个线程,空闲也不会被关闭。

public static ExecutorService newSingleThreadExecutor() {
    return new FinalizableDelegatedExecutorService
        (new ThreadPoolExecutor(1, 1,
                                0L, TimeUnit.MILLISECONDS,
                                new LinkedBlockingQueue<Runnable>()));
}

创建方法:

ExecutorService executor = Executors.newSingleThreadExecutor();
for (int i = 1; i <= 10; i++) {
    MyThread myThread = new MyThread("任务" + i);
    executor.execute(myThread);
}

缓存线程池(CachedThreadPool)

线程数量为Integer.MAX_VALUE,空闲线程会被临时缓存60s,没有任务分配会关闭。如果提交任务速度过快,也一样可能会出现OOM现象。

public static ExecutorService newCachedThreadPool() {
    return new ThreadPoolExecutor(0, Integer.MAX_VALUE,
                                  60L, TimeUnit.SECONDS,
                                  new SynchronousQueue<Runnable>());
}

创建方法:

ExecutorService executor = Executors.newCachedThreadPool();
for (int i = 1; i <= 10; i++) {
    MyThread myThread = new MyThread("任务" + i);
    executor.execute(myThread);
}

原文发布在:传送门

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 196,165评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,503评论 2 373
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 143,295评论 0 325
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,589评论 1 267
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,439评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,342评论 1 273
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,749评论 3 387
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,397评论 0 255
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,700评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,740评论 2 313
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,523评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,364评论 3 314
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,755评论 3 300
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,024评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,297评论 1 251
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,721评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,918评论 2 336