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：

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：

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（阿姆达尔定律），这条定律定义了串行系统并行化后的加速比计算公式：

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（阿姆达尔定律）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：

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：

package pool_size_calculate;import java.math.BigDecimal;
import java.math.RoundingMode;
import java.util.Timer;
import java.util.TimerTask;
import java.util.concurrent.BlockingQueue;/*** A class that calculates the optimal thread pool boundaries. It takes the* desired target utilization and the desired work queue memory consumption as* input and retuns thread count and work queue capacity.** @author Niklas Schlimm**/
public abstract class PoolSizeCalculator {/*** The sample queue size to calculate the size of a single {@link Runnable}* element.*/private final int SAMPLE_QUEUE_SIZE = 1000;/*** Accuracy of test run. It must finish within 20ms of the testTime* otherwise we retry the test. This could be configurable.*/private final int EPSYLON = 20;/*** Control variable for the CPU time investigation.*/private volatile boolean expired;/*** Time (millis) of the test run in the CPU time calculation.*/private final long testtime = 3000;/*** Calculates the boundaries of a thread pool for a given {@link Runnable}.** @param targetUtilization*            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) {throw new IllegalStateException("Test not accurate");}expired = false;start = System.currentTimeMillis();Timer timer = new Timer();timer.schedule(new TimerTask() {public void run() {expired = true;}}, testtime);while (!expired) {task.run();}start = System.currentTimeMillis() - start;timer.cancel();} while (Math.abs(start - testtime) > EPSYLON);collectGarbage(3);}private void collectGarbage(int times) {for (int i = 0; i < times; i++) {System.gc();try {Thread.sleep(10);} catch (InterruptedException e) {Thread.currentThread().interrupt();break;}}}/*** Calculates the memory usage of a single element in a work queue. Based on* Heinz Kabbutz' ideas* (http://www.javaspecialists.eu/archive/Issue029.html).** @return memory usage of a single {@link Runnable} element in the thread*         pools work queue*/public long calculateMemoryUsage() {BlockingQueue queue = createWorkQueue();for (int i = 0; i < SAMPLE_QUEUE_SIZE; i++) {queue.add(creatTask());}long mem0 = Runtime.getRuntime().totalMemory()- Runtime.getRuntime().freeMemory();long mem1 = Runtime.getRuntime().totalMemory()- Runtime.getRuntime().freeMemory();queue = null;collectGarbage(15);mem0 = Runtime.getRuntime().totalMemory()- Runtime.getRuntime().freeMemory();queue = createWorkQueue();for (int i = 0; i < SAMPLE_QUEUE_SIZE; i++) {queue.add(creatTask());}collectGarbage(15);mem1 = Runtime.getRuntime().totalMemory()- Runtime.getRuntime().freeMemory();return (mem1 - mem0) / SAMPLE_QUEUE_SIZE;}/*** Create your runnable task here.** @return an instance of your runnable task under investigation*/protected abstract Runnable creatTask();/*** Return an instance of the queue used in the thread pool.** @return queue instance*/protected abstract BlockingQueue createWorkQueue();/*** Calculate current cpu time. Various frameworks may be used here,* depending on the operating system in use. (e.g.* http://www.hyperic.com/products/sigar). The more accurate the CPU time* measurement, the more accurate the results for thread count boundaries.** @return current cpu time of current thread*/protected abstract long getCurrentThreadCPUTime();}

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：

package pool_size_calculate;import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.lang.management.ManagementFactory;
import java.math.BigDecimal;
import java.net.HttpURLConnection;
import java.net.URL;
import java.util.concurrent.BlockingQueue;
import java.util.concurrent.LinkedBlockingQueue;public class SimplePoolSizeCaculatorImpl extends PoolSizeCalculator {@Overrideprotected Runnable creatTask() {return new AsyncIOTask();}@Overrideprotected BlockingQueue createWorkQueue() {return new LinkedBlockingQueue(1000);}@Overrideprotected long getCurrentThreadCPUTime() {return ManagementFactory.getThreadMXBean().getCurrentThreadCpuTime();}public static void main(String[] args) {PoolSizeCalculator poolSizeCalculator = new SimplePoolSizeCaculatorImpl();poolSizeCalculator.calculateBoundaries(new BigDecimal(1.0), new BigDecimal(100000));}}/*** 自定义的异步IO任务* @author Will**/
class AsyncIOTask implements Runnable {@Overridepublic void run() {HttpURLConnection connection = null;BufferedReader reader = null;try {String getURL = "http://baidu.com";URL getUrl = new URL(getURL);connection = (HttpURLConnection) getUrl.openConnection();connection.connect();reader = new BufferedReader(new InputStreamReader(connection.getInputStream()));String line;while ((line = reader.readLine()) != null) {// empty loop}}catch (IOException e) {} finally {if(reader != null) {try {reader.close();}catch(Exception e) {}}connection.disconnect();}}}

得到的输出如下：

Target queue memory usage (bytes): 100000
createTask() produced pool_size_calculate.AsyncIOTask which took 40 bytes in a queue
Formula: 100000 / 40
* Recommended queue capacity (bytes): 2500
Number of CPU: 4
Target utilization: 1
Elapsed time (nanos): 3000000000
Compute time (nanos): 47181000
Wait time (nanos): 2952819000
Formula: 4 * 1 * (1 + 2952819000 / 47181000)
* 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：

ThreadPoolExecutor pool =new ThreadPoolExecutor(256, 256, 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue(2500));

多线程：如何合理地估算线程池大小？相关推荐

如何合理地估算线程池大小？
点击上方"方志朋",选择"置顶或者星标" 你的关注意义重大! 来源:蒋小强 , ifeve.com/how-to-calculate-threadpool-si ...
如何合理地估算线程池大小
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 ...
java线程池队列大小_GitHub - sunshanpeng/dark_magic: 合理估算线程池大小及队列数
合理估算java的线程池大小及队列数原理分析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 ...
Java多线程估算线程池
原理多线程的线程池可以提高程序的运行性能,这是毋庸置疑的,但是如何设置线程池的大小,以前一直是靠猜,或者根据经验配置,这两天对系统的线程池进行优化配置时,找到了如何合理地估算线程池大小这篇文章,在这 ...
python3 ThreadPoolExecutor 线程池大小设置
线程池的理想大小取决于被提交任务的类型以及所部署系统的特性.线程池应该避免设置的过大或过小,如果线程池过大,大量的线程将在相对很少的CPU和内存资源上发生竞争,这不仅会导致更高的内存使用量,而且还可能 ...
线程池大小设置和CPU核心数的关系
文章目录 1.线程池和CPU核心数的关系 2.常见概念:CPU的核心数,CPU的线程数 3.是否使用线程池就一定比使用单线程高效呢? 1.线程池和CPU核心数的关系一般说来,大家认为线程池的大小经验 ...
合理的估算线程池的大小
一般说来,大家认为线程池的大小经验值应该这样设置:(其中N为CPU的个数) 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 ...
线程池大小设置，CPU的核心数、线程数的关系和区别，同步与堵塞完全是两码事
线程池应该设置多少线程合适,怎么样估算出来.最近接触到一些相关资料,现作如下总结. 最开始接触线程池的时候,没有想到就仅仅是设置一个线程池的大小居然还有这么多的学问,汗颜啊. 首先,需要考虑到线程池所 ...
java线程池大小_线程池大小设置多少合适？java如何合理设置线程池大小？
在连接数据库时我们经常会用到线程池,而有时候我们就会烦恼,线程池的大小究竟该设置成多大才合适呢?小伙伴们知道要如何合理设置线程池大小吗?下面跟小编一起来看看吧. 一般来说,我们线程池究竟设置多大是基于 ...

多线程：如何合理地估算线程池大小？

如何合理地估算线程池大小

如何设计线程池大小，使得可以在1s内处理完20个Transaction

多线程：如何合理地估算线程池大小？相关推荐

最新文章

热门文章