如何合理地估算线程池大小？

感谢网友【蒋小强】投稿。

如何合理地估算线程池大小？

这个问题虽然看起来很小，却并不那么容易回答。大家如果有更好的方法欢迎赐教，先来一个天真的估算方法：假设要求一个系统的TPS（Transaction Per Second或者Task Per Second）至少为20，然后假设每个Transaction由一个线程完成，继续假设平均每个线程处理一个Transaction的时间为4s。那么问题转化为：

如何设计线程池大小，使得可以在1s内处理完20个Transaction？

计算过程很简单，每个线程的处理能力为0.25TPS，那么要达到20TPS，显然需要20/0.25=80个线程。

很显然这个估算方法很天真，因为它没有考虑到CPU数目。一般服务器的CPU核数为16或者32，如果有80个线程，那么肯定会带来太多不必要的线程上下文切换开销。

再来第二种简单的但不知是否可行的方法（N为CPU总核数）：

  • 如果是CPU密集型应用，则线程池大小设置为N+1
  • 如果是IO密集型应用，则线程池大小设置为2N+1

如果一台服务器上只部署这一个应用并且只有这一个线程池，那么这种估算或许合理，具体还需自行测试验证。

接下来在这个文档：服务器性能IO优化 中发现一个估算公式：

1 最佳线程数目 = （（线程等待时间+线程CPU时间）/线程CPU时间 ）* CPU数目

比如平均每个线程CPU运行时间为0.5s，而线程等待时间（非CPU运行时间，比如IO）为1.5s，CPU核心数为8，那么根据上面这个公式估算得到：((0.5+1.5)/0.5)*8=32。这个公式进一步转化为：

1 最佳线程数目 = （线程等待时间与线程CPU时间之比 + 1）* CPU数目

可以得出一个结论：

线程等待时间所占比例越高，需要越多线程。线程CPU时间所占比例越高，需要越少线程。

上一种估算方法也和这个结论相合。

一个系统最快的部分是CPU，所以决定一个系统吞吐量上限的是CPU。增强CPU处理能力，可以提高系统吞吐量上限。但根据短板效应，真实的系统吞吐量并不能单纯根据CPU来计算。那要提高系统吞吐量，就需要从“系统短板”（比如网络延迟、IO）着手：

  • 尽量提高短板操作的并行化比率，比如多线程下载技术
  • 增强短板能力，比如用NIO替代IO

第一条可以联系到Amdahl定律，这条定律定义了串行系统并行化后的加速比计算公式：

1 加速比=优化前系统耗时 / 优化后系统耗时

加速比越大，表明系统并行化的优化效果越好。Addahl定律还给出了系统并行度、CPU数目和加速比的关系，加速比为Speedup，系统串行化比率（指串行执行代码所占比率）为F，CPU数目为N：

1 Speedup <= 1 / (F + (1-F)/N)

当N足够大时，串行化比率F越小，加速比Speedup越大。

写到这里，我突然冒出一个问题。

是否使用线程池就一定比使用单线程高效呢？

答案是否定的，比如Redis就是单线程的，但它却非常高效，基本操作都能达到十万量级/s。从线程这个角度来看，部分原因在于：

  • 多线程带来线程上下文切换开销，单线程就没有这种开销
  • 锁

当然“Redis很快”更本质的原因在于：Redis基本都是内存操作，这种情况下单线程可以很高效地利用CPU。而多线程适用场景一般是：存在相当比例的IO和网络操作。

所以即使有上面的简单估算方法，也许看似合理，但实际上也未必合理，都需要结合系统真实情况（比如是IO密集型或者是CPU密集型或者是纯内存操作）和硬件环境（CPU、内存、硬盘读写速度、网络状况等）来不断尝试达到一个符合实际的合理估算值。

最后来一个“Dark Magic”估算方法（因为我暂时还没有搞懂它的原理），使用下面的类：

001 package pool_size_calculate;
002  
003 import java.math.BigDecimal;
004 import java.math.RoundingMode;
005 import java.util.Timer;
006 import java.util.TimerTask;
007 import java.util.concurrent.BlockingQueue;
008  
009 /**
010  * A class that calculates the optimal thread pool boundaries. It takes the
011  * desired target utilization and the desired work queue memory consumption as
012  * input and retuns thread count and work queue capacity.
013  *
014  * @author Niklas Schlimm
015  *
016  */
017 public abstract class PoolSizeCalculator {
018  
019     /**
020      * The sample queue size to calculate the size of a single {@link Runnable}
021      * element.
022      */
023     private final int SAMPLE_QUEUE_SIZE = 1000;
024  
025     /**
026      * Accuracy of test run. It must finish within 20ms of the testTime
027      * otherwise we retry the test. This could be configurable.
028      */
029     private final int EPSYLON = 20;
030  
031     /**
032      * Control variable for the CPU time investigation.
033      */
034     private volatile boolean expired;
035  
036     /**
037      * Time (millis) of the test run in the CPU time calculation.
038      */
039     private final long testtime = 3000;
040  
041     /**
042      * Calculates the boundaries of a thread pool for a given {@link Runnable}.
043      *
044      * @param targetUtilization
045      *            the desired utilization of the CPUs (0 <= targetUtilization <=   *            1)     * @param targetQueueSizeBytes   *            the desired maximum work queue size of the thread pool (bytes)     */     protected void calculateBoundaries(BigDecimal targetUtilization,            BigDecimal targetQueueSizeBytes) {      calculateOptimalCapacity(targetQueueSizeBytes);         Runnable task = creatTask();        start(task);        start(task); // warm up phase       long cputime = getCurrentThreadCPUTime();       start(task); // test intervall      cputime = getCurrentThreadCPUTime() - cputime;      long waittime = (testtime * 1000000) - cputime;         calculateOptimalThreadCount(cputime, waittime, targetUtilization);  }   private void calculateOptimalCapacity(BigDecimal targetQueueSizeBytes) {        long mem = calculateMemoryUsage();      BigDecimal queueCapacity = targetQueueSizeBytes.divide(new BigDecimal(              mem), RoundingMode.HALF_UP);        System.out.println("Target queue memory usage (bytes): "                + targetQueueSizeBytes);        System.out.println("createTask() produced "                 + creatTask().getClass().getName() + " which took " + mem               + " bytes in a queue");         System.out.println("Formula: " + targetQueueSizeBytes + " / " + mem);       System.out.println("* Recommended queue capacity (bytes): "                 + queueCapacity);   }   /**      * Brian Goetz' optimal thread count formula, see 'Java Concurrency in   * Practice' (chapter 8.2)   *       * @param cpu    *            cpu time consumed by considered task   * @param wait   *            wait time of considered task   * @param targetUtilization      *            target utilization of the system   */     private void calculateOptimalThreadCount(long cpu, long wait,           BigDecimal targetUtilization) {         BigDecimal waitTime = new BigDecimal(wait);         BigDecimal computeTime = new BigDecimal(cpu);       BigDecimal numberOfCPU = new BigDecimal(Runtime.getRuntime()                .availableProcessors());        BigDecimal optimalthreadcount = numberOfCPU.multiply(targetUtilization)                 .multiply(                      new BigDecimal(1).add(waitTime.divide(computeTime,                              RoundingMode.HALF_UP)));        System.out.println("Number of CPU: " + numberOfCPU);        System.out.println("Target utilization: " + targetUtilization);         System.out.println("Elapsed time (nanos): " + (testtime * 1000000));        System.out.println("Compute time (nanos): " + cpu);         System.out.println("Wait time (nanos): " + wait);       System.out.println("Formula: " + numberOfCPU + " * "                + targetUtilization + " * (1 + " + waitTime + " / "                 + computeTime + ")");       System.out.println("* Optimal thread count: " + optimalthreadcount);    }   /**      * Runs the {@link Runnable} over a period defined in {@link #testtime}.     * Based on Heinz Kabbutz' ideas     * (http://www.javaspecialists.eu/archive/Issue124.html).    *       * @param task   *            the runnable under investigation   */     public void start(Runnable task) {      long start = 0;         int runs = 0;       do {            if (++runs > 5) {
046                 throw new IllegalStateException("Test not accurate");
047             }
048             expired = false;
049             start = System.currentTimeMillis();
050             Timer timer = new Timer();
051             timer.schedule(new TimerTask() {
052                 public void run() {
053                     expired = true;
054                 }
055             }, testtime);
056             while (!expired) {
057                 task.run();
058             }
059             start = System.currentTimeMillis() - start;
060             timer.cancel();
061         } while (Math.abs(start - testtime) > EPSYLON);
062         collectGarbage(3);
063     }
064  
065     private void collectGarbage(int times) {
066         for (int i = 0; i < times; i++) {
067             System.gc();
068             try {
069                 Thread.sleep(10);
070             } catch (InterruptedException e) {
071                 Thread.currentThread().interrupt();
072                 break;
073             }
074         }
075     }
076  
077     /**
078      * Calculates the memory usage of a single element in a work queue. Based on
079      * Heinz Kabbutz' ideas
080      * (http://www.javaspecialists.eu/archive/Issue029.html).
081      *
082      * @return memory usage of a single {@link Runnable} element in the thread
083      *         pools work queue
084      */
085     public long calculateMemoryUsage() {
086         BlockingQueue queue = createWorkQueue();
087         for (int i = 0; i < SAMPLE_QUEUE_SIZE; i++) {
088             queue.add(creatTask());
089         }
090         long mem0 = Runtime.getRuntime().totalMemory()
091                 - Runtime.getRuntime().freeMemory();
092         long mem1 = Runtime.getRuntime().totalMemory()
093                 - Runtime.getRuntime().freeMemory();
094         queue = null;
095         collectGarbage(15);
096         mem0 = Runtime.getRuntime().totalMemory()
097                 - Runtime.getRuntime().freeMemory();
098         queue = createWorkQueue();
099         for (int i = 0; i < SAMPLE_QUEUE_SIZE; i++) {
100             queue.add(creatTask());
101         }
102         collectGarbage(15);
103         mem1 = Runtime.getRuntime().totalMemory()
104                 - Runtime.getRuntime().freeMemory();
105         return (mem1 - mem0) / SAMPLE_QUEUE_SIZE;
106     }
107  
108     /**
109      * Create your runnable task here.
110      *
111      * @return an instance of your runnable task under investigation
112      */
113     protected abstract Runnable creatTask();
114  
115     /**
116      * Return an instance of the queue used in the thread pool.
117      *
118      * @return queue instance
119      */
120     protected abstract BlockingQueue createWorkQueue();
121  
122     /**
123      * Calculate current cpu time. Various frameworks may be used here,
124      * depending on the operating system in use. (e.g.
125      * http://www.hyperic.com/products/sigar). The more accurate the CPU time
126      * measurement, the more accurate the results for thread count boundaries.
127      *
128      * @return current cpu time of current thread
129      */
130     protected abstract long getCurrentThreadCPUTime();
131  
132 }

然后自己继承这个抽象类并实现它的三个抽象方法，比如下面是我写的一个示例（任务是请求网络数据），其中我指定期望CPU利用率为1.0（即100%），任务队列总大小不超过100,000字节：

01 package pool_size_calculate;
02  
03 import java.io.BufferedReader;
04 import java.io.IOException;
05 import java.io.InputStreamReader;
06 import java.lang.management.ManagementFactory;
07 import java.math.BigDecimal;
08 import java.net.HttpURLConnection;
09 import java.net.URL;
10 import java.util.concurrent.BlockingQueue;
11 import java.util.concurrent.LinkedBlockingQueue;
12  
13 public class SimplePoolSizeCaculatorImpl extends PoolSizeCalculator {
14  
15     @Override
16     protected Runnable creatTask() {
17         return new AsyncIOTask();
18     }
19  
20     @Override
21     protected BlockingQueue createWorkQueue() {
22         return new LinkedBlockingQueue(1000);
23     }
24  
25     @Override
26     protected long getCurrentThreadCPUTime() {
27         return ManagementFactory.getThreadMXBean().getCurrentThreadCpuTime();
28     }
29  
30     public static void main(String[] args) {
31         PoolSizeCalculator poolSizeCalculator = new SimplePoolSizeCaculatorImpl();
32         poolSizeCalculator.calculateBoundaries(new BigDecimal(1.0), new BigDecimal(100000));
33     }
34  
35 }
36  
37 /**
38  * 自定义的异步IO任务
39  * @author Will
40  *
41  */
42 class AsyncIOTask implements Runnable {
43  
44     @Override
45     public void run() {
46         HttpURLConnection connection = null;
47         BufferedReader reader = null;
48         try {
49             String getURL = "http://baidu.com";
50             URL getUrl = new URL(getURL);
51  
52             connection = (HttpURLConnection) getUrl.openConnection();
53             connection.connect();
54             reader = new BufferedReader(new InputStreamReader(
55                     connection.getInputStream()));
56  
57             String line;
58             while ((line = reader.readLine()) != null) {
59                 // empty loop
60             }
61         }
62  
63         catch (IOException e) {
64  
65         } finally {
66             if(reader != null) {
67                 try {
68                     reader.close();
69                 }
70                 catch(Exception e) {
71  
72                 }
73             }
74             connection.disconnect();
75         }
76  
77     }
78  
79 }

得到的输出如下：

01 Target queue memory usage (bytes): 100000
02 createTask() produced pool_size_calculate.AsyncIOTask which took 40 bytes in a queue
03 Formula: 100000 / 40
04 * Recommended queue capacity (bytes): 2500
05 Number of CPU: 4
06 Target utilization: 1
07 Elapsed time (nanos): 3000000000
08 Compute time (nanos): 47181000
09 Wait time (nanos): 2952819000
10 Formula: 4 * 1 * (1 + 2952819000 / 47181000)
11 * Optimal thread count: 256

推荐的任务队列大小为2500，线程数为256，有点出乎意料之外。我可以如下构造一个线程池：

1 ThreadPoolExecutor pool =
2  new ThreadPoolExecutor(256, 256, 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue(2500));
时间： 2024-02-19 07:39:20

如何合理地估算线程池大小？的相关文章

如何计算tomcat线程池大小？

背景 在我们的日常开发中都涉及到使用tomcat做为服务器,但是我们该设置多大的线程池呢?以及根据什么原则来设计这个线程池呢? 接下来,我将介绍本人是怎么设计以及计算的. 目标 确定tomcat服务器线程池大小 具体方法 众所周知,tomcat接受一个request后处理过程中,会涉及到cpu和IO时间.其中IO等待时,cpu被动放弃执行,其他线程就可以利用这段时间片进行操作. 所以我们可以采用服务器IO优化的通用规则: 线程大小 = ( (线程io时间 + 线程cpu)  / 线程cpu ti

ThreadPoolExecutor使用和思考(上)-线程池大小设置与BlockingQueue的三种实现区别(转)

工作中多处接触到了ThreadPoolExecutor.趁着现在还算空,学习总结一下. 前记: jdk官方文档(javadoc)是学习的最好,最权威的参考. 文章分上中下.上篇中主要介绍ThreadPoolExecutor接受任务相关的两方面入参的意义和区别,池大小参数corePoolSize和maximumPoolSize,BlockingQueue选型(SynchronousQueue,LinkedBlockingQueue,ArrayBlockingQueue):中篇中主要聊聊与keepA

jvm启动参数 怎样设置线程池的大小

问题描述 jvm启动参数 怎样设置线程池的大小 被问过几次jvm怎样设置线程池大小,网上查询无果,请大师帮助解答,若问题本身就有问题,还请大神们指点 解决方案 -XX:ThreadStackSize=512

线程池规模调优浅析

线程池应该配置成多大? 先前一位朋友通过Skype问我关于运行在64位机器JVM集群一些问题,该集群每天会运行几次30万+个线程的任务.30万+个线程运行时,核心模块花了太多时间管理它们,导致应用程序极其不稳定.很明显,该应用程序需要一个线程池,从而保证可以杀死客户端,而不是放任客户端把整个应用程序搞崩溃. 上面的示例是比较极端的情况,但它强调了我们使用线程池的原因.尽管我们合理使用了线程池,仍可能由于数据丢失或交易失败惹恼用户.若我们的线程池定义得过大或过小,都有可能让应用程序完全瘫痪.大小合

利用Doug Lea的并发包实现带超时机制的线程池

   jdk5引入的concurrent包来自于Doug Lea的卓越贡献.最近我在查找服务器OOM的原因之后,决定采用这个包重写应用中一个servlet,这个servlet调用了一个阻塞方法,当被阻塞之后,服务器中的线程数(因为阻塞了,后续请求不断地新增线程)突然增加导致了服务器当机,因此决定采用一个线程池,并且设置超时,如果阻塞方法超过一定时间就取消线程.因为我们的项目仍然跑在jdk 1.4.2上面,短期内不可能升级到jdk5,还是要利用这个并发包.去这里下载源码并自己打包成jar,加入项目

java concurrent包自带线程池和队列详细讲解

Java线程池使用说明一简介线程的使用在java中占有极其重要的地位,在jdk1.4极其之前的jdk版本中,关于线程池的使用是极其简陋的.在jdk1.5之后这一情况有了很大的改观.Jdk1.5之后加入了java.util.concurrent包,这个包中主要介绍java中线程以及线程池的使用.为我们在开发中处理线程的问题提供了非常大的帮助.二:线程池线程池的作用:线程池作用就是限制系统中执行线程的数量.     根据系统的环境情况,可以自动或手动设置线程数量,达到运行的最佳效果:少了浪费了系统资

ava实现线程池原理：适用于电商网站之类的交互频繁的网站

线程池是一种多线程处理形式,处理过程中将任务添加到队列,然后在创建线程后自动启动这些任务.线程池线程都是后台线程.每个线程都使用默认的堆栈大小,以默认的优先级运行,并处于多线程单元中.如果某个线程在托管代码中空闲(如正在等待某个事件),则线程池将插入另一个辅助线程来使所有处理器保持繁忙.如果所有线程池线程都始终保持繁忙,但队列中包含挂起的工作,则线程池将在一段时间后创建另一个辅助线程但线程的数目永远不会超过最大值.超过最大值的线程可以排队,但他们要等到其他线程完成后才启动. 组成部分 1.线程池

Java自带的线程池简介

从 Java 5 开始,Java 提供了自己的线程池.线程池就是一个线程的容器,每次只执行额定数量的线程. java.util.concurrent.ThreadPoolExecutor 就是这样的线程池.它很灵活,但使用起来也比较复杂,本文就对其做一个介绍. 首先是构造函数.以最简单的构造函数为例: public ThreadPoolExecutor( int corePoolSize, int maximumPoolSize, long keepAliveTime, TimeUnit uni

线程池

线程池的源码及原理[JDK1.6实现] 1.线程池的包含的内容 2.线程池的数据结构[核心类ThreadPoolExecutor]:   worker:工作类,一个worker代表启动了一个线程,它启动后会循环执行workQueue里面的所有任务 workQueue:任务队列,用于存放待执行的任务 keepAliveTime:线程活动保持时间,线程池的工作线程空闲后,保持存活的时间.   线程池原理:预先启动一些线程,线程无限循环从任务队列中获取一个任务进行执行,直到线程池被关闭.如果某个线程因