JUC（10）线程池

文章目录

• ​​一、三大方法​​
• ​​二、七大参数​​
• ​​三、四种拒绝策略​​

• ​​3.1 new ThreadPoolExecutor.AbortPolicy()​​
• ​​3.2 new ThreadPoolExecutor.CallerRunsPolicy()​​
• ​​3.3 new ThreadPoolExecutor.DiscardPolicy()​​
• ​​3.4 new ThreadPoolExecutor.DiscardOldestPolicy()：​​

• ​​四、手动创建线程池​​
• ​​五、小结和拓展(CPU密集型和IO密集型！)​​
• ​​六、Fork/Join框架​​

• ​​6.1如何使用ForkJoin?​​

此部分可以参考

• 线程池：三大方法、7大参数、4种拒绝策略
• 池化技术

• 程序的运行，本质：占用系统的资源！我们需要去优化资源的使用 ===> 池化技术
• 线程池、JDBC的连接池、内存池、对象池 等等。。。。
• 资源的创建、销毁十分消耗资源
• 池化技术：事先准备好一些资源，如果有人要用，就来我这里拿，用完之后还给我，以此来提高效率。

• 线程池的好处：

• 1、降低资源的消耗；
• 2、提高响应的速度；
• 3、方便管理；

• 线程池的作用：线程复用、可以控制最大并发数、管理线程；

一、三大方法

• ExecutorService threadPool = Executors.newSingleThreadExecutor();//单个线程
• ExecutorService threadPool2 = Executors.newFixedThreadPool(5); //创建一个固定的线程池的大小
• ExecutorService threadPool3 = Executors.newCachedThreadPool(); //可伸缩的

package com.wlw.pool;

import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;

public class Demo01 {
public static void main(String[] args) {
//ExecutorService threadPool = Executors.newSingleThreadExecutor();//单个线程
//ExecutorService threadPool = Executors.newFixedThreadPool(5);//创建一个固定大小的线程池
ExecutorService threadPool = Executors.newCachedThreadPool(); //可伸缩的

try {
for (int i = 0; i < 20; i++) {
//使用线程池来创建线程
threadPool.execute(new Runnable() {
@Override
public void run() {
System.out.println(Thread.currentThread().getName()+"ok");
}
});
}
} catch (Exception e) {
e.printStackTrace();
} finally {
//线程池用完必须要关闭线程池
threadPool.shutdown();
}
}
}

二、七大参数

• 源码分析

public static ExecutorService newSingleThreadExecutor() {
return new FinalizableDelegatedExecutorService
(new ThreadPoolExecutor(1, 1,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue<Runnable>()));
}public static ExecutorService newFixedThreadPool(int nThreads) {
return new ThreadPoolExecutor(nThreads, nThreads,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue<Runnable>());
}public static ExecutorService newCachedThreadPool() {
return new ThreadPoolExecutor(0, Integer.MAX_VALUE, //21亿
60L, TimeUnit.SECONDS,
new SynchronousQueue<Runnable>());
}

• 本质：三种方法都是开启的ThreadPoolExecutor

public ThreadPoolExecutor(int corePoolSize, //核心线程池大小
int maximumPoolSize, //最大的线程池大小
long keepAliveTime, //超时了没有人调用就会释放
TimeUnit unit, //超时单位
BlockingQueue<Runnable> workQueue, //阻塞队列
ThreadFactory threadFactory, //线程工厂 创建线程的 一般不用动
RejectedExecutionHandler handler //拒绝策略
) {
if (corePoolSize < 0 ||
maximumPoolSize <= 0 ||
maximumPoolSize < corePoolSize ||
keepAliveTime < 0)
throw new IllegalArgumentException();
if (workQueue == null || threadFactory == null || handler == null)
throw new NullPointerException();
this.corePoolSize = corePoolSize;
this.maximumPoolSize = maximumPoolSize;
this.workQueue = workQueue;
this.keepAliveTime = unit.toNanos(keepAliveTime);
this.threadFactory = threadFactory;
this.handler = handler;
}

• 阿里巴巴的Java操作手册中明确说明：对于Integer.MAX_VALUE初始值较大，所以一般情况我们要使用底层的ThreadPoolExecutor来创建线程池。

• 七个参数的说明

• 要说明的是当银行人满了的时候，就会执行拒绝策略，不再让顾客入内
• 非核心（Core）线程，如果超过设定的时间还没有被使用，就会关闭

三、四种拒绝策略

• 这是七大参数中最后一个参数：拒绝策略的类型

3.1 new ThreadPoolExecutor.AbortPolicy()

• 该拒绝策略为：整个线程池满了，还有线程进来，不处理这个想进来的线程，并抛出异常
• 而判断线程池满？ 线程池的最大承载量为 ：阻塞队列+最大的线程池大小 ，超过报java.util.concurrent.RejectedExecutionException

3.2 new ThreadPoolExecutor.CallerRunsPolicy()

• 该拒绝策略为：哪来的去哪里 ，让 main线程去进行处理多余的线程

3.3 new ThreadPoolExecutor.DiscardPolicy()

• 该拒绝策略为：队列满了，把多余的线程（任务）丢掉，不会抛出异常。

3.4 new ThreadPoolExecutor.DiscardOldestPolicy()：

• 该拒绝策略为：队列满了，尝试去和最早的进程竞争，不会抛出异常

四、手动创建线程池

package com.wlw.pool;

import java.util.concurrent.*;

public class Demo01 {
public static void main(String[] args) {
//ExecutorService threadPool = Executors.newSingleThreadExecutor();//单个线程
//ExecutorService threadPool = Executors.newFixedThreadPool(5);//创建一个固定大小的线程池
//ExecutorService threadPool = Executors.newCachedThreadPool(); //可伸缩的

ExecutorService threadPool = new ThreadPoolExecutor(
2,
5,
3,
TimeUnit.SECONDS,
new LinkedBlockingQueue<>(3),
Executors.defaultThreadFactory(),
new ThreadPoolExecutor.AbortPolicy()); //该拒绝策略为：银行满了，还有人进来，不处理这个人的，并抛出异常

//该线程池最大承载量为： maximumPoolSize + BlockingQueue = 5+3 = 8
try {
for (int i = 0; i < 8; i++) {
//使用线程池来创建线程
threadPool.execute(new Runnable() {
@Override
public void run() {
System.out.println(Thread.currentThread().getName()+"==>ok");
}
});
}
} catch (Exception e) {
e.printStackTrace();
} finally {
//线程池用完必须要关闭线程池
threadPool.shutdown();
}
}
}

五、小结和拓展(CPU密集型和IO密集型！)

• 如何去设置线程池的最大大小（ maximumPoolSize）如何去设置？
• 利用CPU密集型和IO密集型！：

• CPU密集型：电脑的核数是几核就选择几；这个大小就是maximunPoolSize的大小

• Runtime.getRuntime().availableProcessors() 获取cpu的核数

• I/O密集型：在程序中有15个大型任务，io十分占用资源；I/O密集型就是判断我们程序中十分耗I/O的线程数量，然后将maximunPoolSize设置成大约是最大I/O数的一倍到两倍之间。

package com.wlw.pool;
import java.util.concurrent.*;

public class Demo01 {
public static void main(String[] args) {

ExecutorService threadPool = new ThreadPoolExecutor(
2,
Runtime.getRuntime().availableProcessors(),
3,
TimeUnit.SECONDS,
new LinkedBlockingQueue<>(3),
Executors.defaultThreadFactory(),
new ThreadPoolExecutor.AbortPolicy()); //该拒绝策略为：银行满了，还有人进来，不处理这个人的，并抛出异常

//该线程池最大承载量为： maximumPoolSize + BlockingQueue = 5+3 = 8
try {
for (int i = 0; i < 8; i++) {
//使用线程池来创建线程
threadPool.execute(new Runnable() {
@Override
public void run() {
System.out.println(Thread.currentThread().getName()+"==>ok");
}
});
}
} catch (Exception e) {
e.printStackTrace();
} finally {
//线程池用完必须要关闭线程池
threadPool.shutdown();
}
}
}

六、Fork/Join框架

• 什么是ForkJoin? (分支合并)

• ForkJoin 在JDK1.7，并行执行任务！提高效率~。在大数据量速率会更快！
• 大数据中：MapReduce 核心思想->把大任务拆分为小任务！

• ForkJoin 的特点：工作窃取！

• 实现原理是：双端队列！从上面和下面都可以去拿到任务进行执行！

6.1如何使用ForkJoin?

• 通过ForkJoinPool来执行
• 计算任务forkjoinPool. execute(ForkJoinTask task)

package com.wlw.forkjoin;

import java.util.concurrent.RecursiveTask;

public class ForkJoinDemo extends RecursiveTask<Long> {

private Long start;
private Long end;

//临界值
private Long temp = 10000L;

public ForkJoinDemo(Long start, Long end) {
this.start = start;
this.end = end;
}

//计算方法
@Override
protected Long compute() {
if((end - start) < temp){
Long sum = 0L;
for (Long i = start;i <= end ; i++){
sum = sum + i;
}
return sum;
}else {
//使用forkjoin 分而治之 计算
Long middle = (start+end)/2;
//拆分任务，把线程任务压入线程队列
ForkJoinDemo forkJoinDemoTask1 = new ForkJoinDemo(start, middle);
forkJoinDemoTask1.fork();
//拆分任务，把线程任务压入线程队列
ForkJoinDemo forkJoinDemoTask2 = new ForkJoinDemo(middle+1, end);
forkJoinDemoTask2.fork();

//获取结果
Long sum = forkJoinDemoTask1.join() + forkJoinDemoTask2.join();
return sum;
}
}
}package com.wlw.forkjoin;

import java.util.OptionalLong;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.ForkJoinTask;
import java.util.stream.LongStream;

public class Test {
public static void main(String[] args) throws ExecutionException, InterruptedException {
//test1(); //sum=500000000500000000,时间：8598
//test2(); //sum=500000000500000000,时间：4835
test3(); //sum=500000000500000000时间：512
}

public static void test1(){
Long start = System.currentTimeMillis();
Long sum = 0L;
for (Long i = 0L;i <= 10_0000_0000L; i++){
sum = sum + i;
}
Long end = System.currentTimeMillis();
System.out.println("sum="+sum+",时间："+(end-start));
}

public static void test2() throws ExecutionException, InterruptedException {
Long start = System.currentTimeMillis();
ForkJoinPool forkJoinPool = new ForkJoinPool();
ForkJoinDemo forkJoinDemoTask = new ForkJoinDemo(0L,10_0000_0000L);
ForkJoinTask<Long> submit = forkJoinPool.submit(forkJoinDemoTask);
Long aLong = submit.get();
Long end = System.currentTimeMillis();
System.out.println("sum="+aLong+",时间："+(end-start));
}

public static void test3(){
Long start = System.currentTimeMillis();
//使用Stream
Long sum = LongStream.rangeClosed(0L, 10_0000_0000L).parallel().reduce(0,(x,y)->{return x+y;});

Long end = System.currentTimeMillis();
System.out.println("sum="+sum+"时间："+(end-start));
}
}