線程池大小 + 線程數(shù)量到底設置多少？

可能很多人都看到過一個線程數(shù)設置的理論：

• CPU 密集型的程序 - 核心數(shù) + 1
• I/O 密集型的程序 - 核心數(shù) * 2

不會吧，不會吧，真的有人按照這個理論規(guī)劃線程數(shù)？

線程數(shù)和CPU利用率的小測試

拋開一些操作系統(tǒng)，計算機原理不談，說一個基本的理論（不用糾結(jié)是否嚴謹，只為好理解）：一個CPU核心，單位時間內(nèi)只能執(zhí)行一個線程的指令 ** 那么理論上，我一個線程只需要不停的執(zhí)行指令，就可以跑滿一個核心的利用率。

來寫個死循環(huán)空跑的例子驗證一下：

測試環(huán)境：AMD Ryzen 5 3600, 6 - Core, 12 - Threads

public class CPUUtilizationTest {
    public static void main(String[] args) {
        //死循環(huán)，什么都不做
        while (true){
        }
    }
}

運行這個例子后，來看看現(xiàn)在CPU的利用率：

從圖上可以看到，我的3號核心利用率已經(jīng)被跑滿了

那基于上面的理論，我多開幾個線程試試呢？

public class CPUUtilizationTest {
 public static void main(String[] args) {

  for (int j = 0; j < 6; j++) {
   new Thread(new Runnable() {
    @Override
    public void run() {
     while (true){
     }
    }
   }).start();
  }
 }
}

此時再看CPU利用率，1/2/5/7/9/11 幾個核心的利用率已經(jīng)被跑滿：

那如果開12個線程呢，是不是會把所有核心的利用率都跑滿？答案一定是會的：

如果此時我把上面例子的線程數(shù)繼續(xù)增加到24個線程，會出現(xiàn)什么結(jié)果呢？

從上圖可以看到，CPU利用率和上一步一樣，還是所有核心100%，不過此時負載已經(jīng)從11.x增加到了22.x（load average解釋參考scoutapm.com/blog/unders…），說明此時CPU更繁忙，線程的任務無法及時執(zhí)行。

現(xiàn)代CPU基本都是多核心的，比如我這里測試用的AMD 3600，6核心12線程（超線程），我們可以簡單的認為它就是12核心CPU。那么我這個CPU就可以同時做12件事，互不打擾。

如果要執(zhí)行的線程大于核心數(shù)，那么就需要通過操作系統(tǒng)的調(diào)度了。操作系統(tǒng)給每個線程分配CPU時間片資源，然后不停的切換，從而實現(xiàn)“并行”執(zhí)行的效果。

但是這樣真的更快嗎？從上面的例子可以看出，一個線程 就可以把一個核心 的利用率跑滿。如果每個線程都很“霸道”，不停的執(zhí)行指令，不給CPU空閑的時間，并且同時執(zhí)行的線程數(shù)大于CPU的核心數(shù)，就會導致操作系統(tǒng)更頻繁的執(zhí)行切換線程執(zhí)行 ，以確保每個線程都可以得到執(zhí)行。

不過切換是有代價的，每次切換會伴隨著寄存器數(shù)據(jù)更新，內(nèi)存頁表更新等操作 。雖然一次切換的代價和I/O操作比起來微不足道，但如果線程過多，線程切換的過于頻繁，甚至在單位時間內(nèi)切換的耗時已經(jīng)大于程序執(zhí)行的時間，就會導致CPU資源過多的浪費在上下文切換上，而不是在執(zhí)行程序，得不償失。

上面死循環(huán)空跑的例子，有點過于極端了，正常情況下不太可能有這種程序。

大多程序在運行時都會有一些 I/O操作，可能是讀寫文件，網(wǎng)絡收發(fā)報文等，這些 I/O 操作在進行時時需要等待反饋的。比如網(wǎng)絡讀寫時，需要等待報文發(fā)送或者接收到，在這個等待過程中，線程是等待狀態(tài)，CPU沒有工作。此時操作系統(tǒng)就會調(diào)度CPU去執(zhí)行其他線程的指令，這樣就完美利用了CPU這段空閑期，提高了CPU的利用率。

上面的例子中，程序不停的循環(huán)什么都不做，CPU要不停的執(zhí)行指令，幾乎沒有啥空閑的時間。如果插入一段I/O操作呢，I/O 操作期間 CPU是空閑狀態(tài)，CPU的利用率會怎么樣呢？先看看單線程下的結(jié)果：

public class CPUUtilizationTest { public static void main(String[] args) throws InterruptedException {
  for (int n = 0; n < 1; n++) {   new Thread(new Runnable() {    @Override    public void run() {     while (true){                        //每次空循環(huán) 1億 次后，sleep 50ms，模擬 I/O等待、切換      for (int i = 0; i < 100_000_000l; i++) {      }      try {       Thread.sleep(50);      }      catch (InterruptedException e) {       e.printStackTrace();      }     }    }   }).start();  } }}

哇，唯一有利用率的9號核心，利用率也才50%，和前面沒有sleep的100%相比，已經(jīng)低了一半了。現(xiàn)在把線程數(shù)調(diào)整到12個看看：

單個核心的利用率60左右，和剛才的單線程結(jié)果差距不大，還沒有把CPU利用率跑滿，現(xiàn)在將線程數(shù)增加到18：

此時單核心利用率，已經(jīng)接近100%了。由此可見，當線程中有 I/O 等操作不占用CPU資源時，操作系統(tǒng)可以調(diào)度CPU可以同時執(zhí)行更多的線程。

現(xiàn)在將I/O事件的頻率調(diào)高看看呢，把循環(huán)次數(shù)減到一半，50_000_000，同樣是18個線程：

此時每個核心的利用率，大概只有70%左右了。

線程數(shù)和CPU利用率的小總結(jié)

上面的例子，只是輔助，為了更好的理解線程數(shù)/程序行為/CPU狀態(tài)的關(guān)系，來簡單總結(jié)一下：

1. 一個極端的線程（不停執(zhí)行“計算”型操作時），就可以把單個核心的利用率跑滿，多核心CPU最多只能同時執(zhí)行等于核心數(shù)的“極端”線程數(shù)
2. 如果每個線程都這么“極端”，且同時執(zhí)行的線程數(shù)超過核心數(shù)，會導致不必要的切換，造成負載過高，只會讓執(zhí)行更慢
3. I/O 等暫停類操作時，CPU處于空閑狀態(tài)，操作系統(tǒng)調(diào)度CPU執(zhí)行其他線程，可以提高CPU利用率，同時執(zhí)行更多的線程
4. I/O 事件的頻率頻率越高，或者等待/暫停時間越長，CPU的空閑時間也就更長，利用率越低，操作系統(tǒng)可以調(diào)度CPU執(zhí)行更多的線程

線程數(shù)規(guī)劃的公式

前面的鋪墊，都是為了幫助理解，現(xiàn)在來看看書本上的定義。《Java 并發(fā)編程實戰(zhàn)》介紹了一個線程數(shù)計算的公式：

如果希望程序跑到CPU的目標利用率，需要的線程數(shù)公式為：

公式很清晰，現(xiàn)在來帶入上面的例子試試看：

如果我期望目標利用率為90%（多核90），那么需要的線程數(shù)為：

現(xiàn)在把線程數(shù)調(diào)到22，看看結(jié)果：

現(xiàn)在CPU利用率大概80+，和預期比較接近了，由于線程數(shù)過多，還有些上下文切換的開銷，再加上測試用例不夠嚴謹，所以實際利用率低一些也正常。

把公式變個形，還可以通過線程數(shù)來計算CPU利用率：

雖然公式很好，但在真實的程序中，一般很難獲得準確的等待時間和計算時間，因為程序很復雜，不只是“計算” 。一段代碼中會有很多的內(nèi)存讀寫，計算，I/O 等復合操作，精確的獲取這兩個指標很難，所以光靠公式計算線程數(shù)過于理想化。

真實程序中的線程數(shù)

那么在實際的程序中，或者說一些Java的業(yè)務系統(tǒng)中，線程數(shù)（線程池大小）規(guī)劃多少合適呢？

先說結(jié)論：沒有固定答案，先設定預期，比如我期望的CPU利用率在多少，負載在多少，GC頻率多少之類的指標后，再通過測試不斷的調(diào)整到一個合理的線程數(shù)

比如一個普通的，SpringBoot 為基礎的業(yè)務系統(tǒng)，默認Tomcat容器+HikariCP連接池+G1回收器，如果此時項目中也需要一個業(yè)務場景的多線程（或者線程池）來異步/并行執(zhí)行業(yè)務流程。

此時我按照上面的公式來規(guī)劃線程數(shù)的話，誤差一定會很大。因為此時這臺主機上，已經(jīng)有很多運行中的線程了，Tomcat有自己的線程池，HikariCP也有自己的后臺線程，JVM也有一些編譯的線程，連G1都有自己的后臺線程。這些線程也是運行在當前進程、當前主機上的，也會占用CPU的資源。

所以受環(huán)境干擾下，單靠公式很難準確的規(guī)劃線程數(shù)，一定要通過測試來驗證。

流程一般是這樣：

1. 分析當前主機上，有沒有其他進程干擾

2. 分析當前JVM進程上，有沒有其他運行中或可能運行的線程

3. 設定目標

1. 目標CPU利用率 - 我最高能容忍我的CPU飆到多少？

2. 目標GC頻率/暫停時間 - 多線程執(zhí)行后，GC頻率會增高，最大能容忍到什么頻率，每次暫停時間多少？

3. 執(zhí)行效率 - 比如批處理時，我單位時間內(nèi)要開多少線程才能及時處理完畢

4. ……

4. 梳理鏈路關(guān)鍵點，是否有卡脖子的點，因為如果線程數(shù)過多，鏈路上某些節(jié)點資源有限可能會導致大量的線程在等待資源（比如三方接口限流，連接池數(shù)量有限，中間件壓力過大無法支撐等）

5. 不斷的增加/減少線程數(shù)來測試，按最高的要求去測試，最終獲得一個“滿足要求”的線程數(shù)**

而且而且而且！不同場景下的線程數(shù)理念也有所不同：

1. Tomcat中的maxThreads，在Blocking I/O和No-Blocking I/O下就不一樣
2. Dubbo 默認還是單連接呢，也有I/O線程（池）和業(yè)務線程（池）的區(qū)分，I/O線程一般不是瓶頸，所以不必太多，但業(yè)務線程很容易稱為瓶頸
3. Redis 6.0以后也是多線程了，不過它只是I/O 多線程，“業(yè)務”處理還是單線程

所以，不要糾結(jié)設置多少線程了。沒有標準答案，一定要結(jié)合場景，帶著目標，通過測試去找到一個最合適的線程數(shù)。

可能還有同學可能會有疑問：“我們系統(tǒng)也沒啥壓力，不需要那么合適的線程數(shù)，只是一個簡單的異步場景，不影響系統(tǒng)其他功能就可以”

很正常，很多的內(nèi)部業(yè)務系統(tǒng)，并不需要啥性能，穩(wěn)定好用符合需求就可以了，那么我的推薦的線程數(shù)是：CPU核心數(shù)

附錄

Java 獲取CPU核心數(shù)

Runtime.getRuntime().availableProcessors()//獲取邏輯核心數(shù)，如6核心12線程，那么返回的是12

Linux 獲取CPU核心數(shù)

# 總核數(shù) = 物理CPU個數(shù) X 每顆物理CPU的核數(shù)
# 總邏輯CPU數(shù) = 物理CPU個數(shù) X 每顆物理CPU的核數(shù) X 超線程數(shù)

# 查看物理CPU個數(shù)
cat /proc/cpuinfo| grep "physical id"| sort| uniq| wc -l

# 查看每個物理CPU中core的個數(shù)(即核數(shù))
cat /proc/cpuinfo| grep "cpu cores"| uniq

# 查看邏輯CPU的個數(shù)
cat /proc/cpuinfo| grep "processor"| wc -l