凌晨の3点，线程池竟在服务器里偷偷····

凌晨の3点，线程池の竟在服务器里偷偷榨干CPU····

⚡️CPU：JAVA King为窝发声,HELP ME⚡️

---

JAVA KING今天将揭露线程池的罪恶行为

⚡️《线程池：OH,YES》

---

线程池到底对项目做了什么

想象一下：每次点外卖都新雇一个厨师‍，吃完就开除——这就是裸奔线程的日常！在高并发三巨头（电商秒杀、金融交易、大数据处理）中：
1️⃣ CPU哭诉：90%时间在面试线程，10%干活（线程切换开销）
2️⃣ 内存抗议：无限招人导致办公室挤爆（OOM崩溃）
3️⃣ 用户怒骂：响应比蜗牛还慢
在电商秒杀、金融交易、大数据处理等高并发场景中，频繁创建/销毁线程会导致
1️⃣ CPU资源浪费（线程切换开销）
2️⃣ 内存溢出风险（无限制创建线程）
3️⃣ 响应延迟（线程初始化耗时）
线程池 = 智能HR总监：复用老员工 + 弹性扩缩容 + 拒绝996福报！

---

一、项目中线程池的典型应用场景

场景1：异步任务处理（解耦主流程）

案例：用户注册后异步发送邮件/短信

// 配置线程池（Spring Boot）  
@Configuration  
public class ThreadPoolConfig {  
    @Bean("taskExecutor")  
    public Executor asyncExecutor() {  
        ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();  
        executor.setCorePoolSize(5);     // 核心线程数（长期保留）  
        executor.setMaxPoolSize(10);      // 最大线程数（突发流量扩容）  
        executor.setQueueCapacity(100);   // 任务队列容量（缓冲层）  
        executor.setThreadNamePrefix("Async-");  
        executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());  
        executor.initialize();  
        return executor;  
    }  
}  

// 业务层调用  
@Service  
public class UserService {  
    @Autowired  
    private EmailService emailService;  

    @Async("taskExecutor")  // Spring异步注解  
    public void sendWelcomeEmail(User user) {  
        emailService.send(user.getEmail(), "Welcome!");  
    }  

    public void register(User user) {  
        saveUser(user);        // 同步：保存用户  
        sendWelcomeEmail(user); // 异步：非阻塞发送邮件  
    }  
}  

关键点：

• 使用 @Async 注解实现非阻塞调用
• 线程池队列缓冲突发流量，避免OOM
• CallerRunsPolicy：当队列满时，由调用线程执行任务（降级策略）

---

场景2：批量数据处理（并行加速）

案例：批量导出10万条订单数据为Excel

public class OrderExportService {  
    private static final int BATCH_SIZE = 1000;  
    private final ThreadPoolExecutor executor = new ThreadPoolExecutor(  
        8,  // corePoolSize  
        16, // maxPoolSize  
        60, TimeUnit.SECONDS,  
        new LinkedBlockingQueue<>(500), // 有界队列防OOM  
        new CustomThreadFactory("OrderExport-"),  
        new ThreadPoolExecutor.AbortPolicy()  
    );  

    public void exportOrders(List<Order> orders) {  
        List<CompletableFuture<Void>> futures = new ArrayList<>();  
        // 数据分片  
        List<List<Order>> batches = Lists.partition(orders, BATCH_SIZE);  

        for (List<Order> batch : batches) {  
            futures.add(CompletableFuture.runAsync(() -> {  
                exportBatchToExcel(batch);  // 并行处理每个批次  
            }, executor));  
        }  

        // 等待所有任务完成  
        CompletableFuture.allOf(futures.toArray(new CompletableFuture[0])  
                         .join();  
    }  

    private void exportBatchToExcel(List<Order> batch) {  
        // 实际导出逻辑...  
    }  
}  

关键点：

• CompletableFuture.runAsync 提交并行任务
• 数据分片（partition）避免大任务阻塞
• 自定义线程工厂 CustomThreadFactory 命名线程（日志排查友好）

---

场景3：定时任务调度（替代Timer）

案例：每天凌晨统计昨日销售额

ScheduledExecutorService scheduler = Executors.newScheduledThreadPool(2);  

// 每天00:05执行  
scheduler.scheduleAtFixedRate(() -> {  
    salesReportService.generateDailyReport();  
}, calculateInitialDelay(), 24, TimeUnit.HOURS);  

private long calculateInitialDelay() {  
    LocalDateTime now = LocalDateTime.now();  
    LocalDateTime nextRun = now.withHour(0).withMinute(5).plusDays(1);  
    return Duration.between(now, nextRun).toMillis();  
}  

优势 vs Timer：

• 线程池支持多任务并行（Timer单线程）
• 任务异常不会终止整个线程池

---

二、线程池避坑指南

陷阱1：错误的线程池参数配置

• ❌ 错误做法：使用 Executors.newCachedThreadPool()
  • 问题：无界线程池，可能创建大量线程导致OOM
• ✅ 正确做法：手动创建 ThreadPoolExecutor，明确指定队列容量

陷阱2：忽略拒绝策略

• 线上事故场景：队列满且线程数达maxPoolSize时，默认策略 AbortPolicy 抛异常！
• 解决方案：

  // 根据业务选择策略：  
  new ThreadPoolExecutor.CallerRunsPolicy() // 由调用线程执行  
  new CustomRetryPolicy()                  // 自定义重试逻辑  
  

陷阱3：线程池未监控

• 必备监控项：

  // 获取线程池状态  
  executor.getActiveCount();    // 活动线程数  
  executor.getQueue().size();   // 队列积压量  
  executor.getCompletedTaskCount(); // 已完成任务数  
  

• 推荐方案：通过Micrometer暴露指标到Prometheus + Grafana

---

三、高级技巧：动态调参

需求：高峰时段扩容线程数，低谷时缩容

ThreadPoolExecutor executor = ... ;  

// 动态调整核心线程数  
executor.setCorePoolSize(20); // 高峰扩容  

// 动态调整最大线程数  
executor.setMaximumPoolSize(30);  

配合Spring Cloud Config/Nacos实现运行时配置热更新！

---

总结

线程池是Java高并发编程的基石，正确使用能带来：

• 性能提升：任务并行处理加速响应
• ️ 系统稳定：资源可控，避免雪崩
• 灵活管理：参数动态调整适应业务波动

记住黄金法则：

1. 永远手动创建线程池（禁用Executors快捷方法）
2. 队列必须有界（除非确信任务量可控）
3. 拒绝策略必须适配业务

---

附录：线程池参数速查表

参数	说明	推荐值
corePoolSize	核心线程数（长期存活）	CPU密集型：N+1，I/O密集型：2N
maxPoolSize	最大线程数（临时扩容）	根据压测结果动态调整
workQueue	任务队列	ArrayBlockingQueue（有界）
keepAliveTime	非核心线程空闲存活时间	30-60秒
handler	拒绝策略	CallerRunsPolicy（保底）

⚡️JAVA King：我来了⚡️

⚡️线程池：嘿嘿嘿，JAVA KING你来晚了⚡️

⚡️CPU：OH,YES YES⚡️