池州哪家做网站,旌阳移动网站建设,网站设计的时间计划,黄埔区建设局网站先说结论#xff1a; 假如有20CompletableFuture任务并发执行时#xff0c;都使用默认线程池ForkJoinPool#xff0c;但cpu的核心数又小于3#xff0c;那么就会新建20个线程#xff08;不使用默认线程池了#xff09;#xff0c;这20个线程相互竞争cpu资源和内存#x…先说结论 假如有20CompletableFuture任务并发执行时都使用默认线程池ForkJoinPool但cpu的核心数又小于3那么就会新建20个线程不使用默认线程池了这20个线程相互竞争cpu资源和内存很多线程都在等待浪费了大量的性能在线程上下文切换上。
线程池大小设定
如果服务是cpu密集型的设置为电脑的核数如果服务是io密集型的设置为电脑的核数*2
从runAsync方法点进去 CompletableFutureVoid voidCompletableFuture CompletableFuture.runAsync(() - {System.out.println(1);});可以看见使用的是asyncPool。点进asyncPool public static CompletableFutureVoid runAsync(Runnable runnable) {return asyncRunStage(asyncPool, runnable);}useCommonPool是否为true决定了使用 ForkJoinPool线程池还是新建一个线程池。点进useCommonPool。 private static final Executor asyncPool useCommonPool ?ForkJoinPool.commonPool() : new ThreadPerTaskExecutor();这里判定的是ForkJoinPool common线程池中并行度级别是否大于1。点进 getCommonPoolParallelism() 方法 private static final boolean useCommonPool (ForkJoinPool.getCommonPoolParallelism() 1);返回的是commonParallelism这个字段再往下找。 public static int getCommonPoolParallelism() {return commonParallelism;}发现只有一个地方对这个属性进行赋值继续。 static final int commonParallelism;发现commonParallelism 由par决定par来自common.config SMASK做与运算。SMASK定义为0xffff65535common.config由 makeCommonPool()得到。点进makeCommonPool()方法
...
static final ForkJoinPool common;
static {...common java.security.AccessController.doPrivileged(new java.security.PrivilegedActionForkJoinPool() {public ForkJoinPool run() {return makeCommonPool(); //common的config由此方法返回}});int par common.config SMASK; // report 1 even if threads disabledcommonParallelism par 0 ? par : 1;
}我简化了下面源码parallelism 初始化为 -1若jvm启动参数有java.util.concurrent.ForkJoinPool.common那么parallelism将会被启动参数指定。Runtime.getRuntime().availableProcessors() 是获取虚拟机可使用的处理器数量。在jvm未定义参数的前提下处理器数量若小于等于2那么并行度parallelism就为1反之则为 处理器数量 - 1。定义了jvm参数若参数值大于MAX_CAP32767则重新赋值。即parallelism 总会大于0 继续点进ForkJoinPool的构造方法。 private static ForkJoinPool makeCommonPool() {...int parallelism -1;try { // ignore exceptions in accessing/parsing propertiesString pp System.getProperty(java.util.concurrent.ForkJoinPool.common.parallelism);if (pp ! null)parallelism Integer.parseInt(pp);} catch (Exception ignore) {}if (parallelism 0 // default 1 less than #cores(parallelism Runtime.getRuntime().availableProcessors() - 1) 0)parallelism 1;if (parallelism MAX_CAP)parallelism MAX_CAP;return new ForkJoinPool(parallelism, factory, handler, LIFO_QUEUE, // 注意 LIFO_QUEUE等于0 ForkJoinPool.commonPool-worker-);}发现config也是作位运算即config也会大于0我们拿到这个config返回开始 par 赋值那一块。 private ForkJoinPool(int parallelism,ForkJoinWorkerThreadFactory factory,UncaughtExceptionHandler handler,int mode,String workerNamePrefix) {this.workerNamePrefix workerNamePrefix;this.factory factory;this.ueh handler;this.config (parallelism SMASK) | mode; // SMASK等于65535mode等于0long np (long)(-parallelism); // offset ctl countsthis.ctl ((np AC_SHIFT) AC_MASK) | ((np TC_SHIFT) TC_MASK);}总结就是并行度 parallelism大于0 与 65535111111… 做两次与运算,即本身。继续回到之前
...
static final ForkJoinPool common;
static {...common java.security.AccessController.doPrivileged(new java.security.PrivilegedActionForkJoinPool() {public ForkJoinPool run() {return makeCommonPool(); //common的config由此方法返回}});int par common.config SMASK; // report 1 even if threads disabledcommonParallelism par 0 ? par : 1;
}这里判断
无JVM参数前提下 若服务器的核心数小于等于2commonParallelism 则为1即useCommonPool 为falsenew 一个线程池。若服务器的核心数大于2commonParallelism 则为 核心数 - 1即useCommonPool 为true使用ForkJoinPool线程池。 有JVM参数以设置参数为准。大于1小于等于32767。和上面判断一致。 private static final Executor asyncPool useCommonPool ?ForkJoinPool.commonPool() : new ThreadPerTaskExecutor();private static final boolean useCommonPool (ForkJoinPool.getCommonPoolParallelism() 1);public static int getCommonPoolParallelism() {return commonParallelism;}在ThreadPerTaskExecutor 中 execute他会为每个任务新开一个线程而不是采用ForkJoinPool中的线程。 static final class ThreadPerTaskExecutor implements Executor {public void execute(Runnable r) { new Thread(r).start(); }}结论jvm启动参数中 java.util.concurrent.ForkJoinPool.common 的值为 1或者服务器核心数小于等于2都会导致不采用ForkJoinPool 中的线程而是新起一个线程。
如果服务器只有两核假如业务需要现在起了20个completablefuture任务若使用默认线程池那么就会创建20个线程20个线程并发执行在两个cpu上竞争稀缺的处理器和内存资源浪费大量的时间在上下文切换上。
