如何合理设置线程池大小

460 阅读10分钟

01

线程数和 CPU 利用率的小测试

抛开一些操作系统,计算机原理不谈,说一个基本的理论(不用纠结是否严谨,只为好理解):一个 CPU 核心,单位时间内只能执行一个线程的指令,那么理论上,我一个线程只需要不停的执行指令,就可以跑满一个核心的利用率。

来写个死循环空跑的例子验证一下:

**测试环境:**AMD Ryzen 5 3600,6 - Core,12 - Threads。

public class CPUUtilizationTest {
    public static void main(String[] args) {
        //死循环,什么都不做
        while (true){
        }
    }
} 

运行这个例子后,来看看现在 CPU 的利用率:

图片

从图上可以看到,我的 3 号核心利用率已经被跑满了。那基于上面的理论,我多开几个线程试试呢?

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

        for (int j = 0; j < 6; j++) {
            new Thread(new Runnable() {
                @Override
                public void run() {
                    while (true){
                    }
                }
            }).start();
        }
    }
}

此时再看 CPU 利用率,1/2/5/7/9/11 几个核心的利用率已经被跑满:

图片

那如果开 12 个线程呢,是不是会把所有核心的利用率都跑满?答案一定是会的:

图片

如果此时我把上面例子的线程数继续增加到24个线程,会出现什么结果呢?

图片

从上图可以看到,CPU 利用率和上一步一样,还是所有核心 100%,不过此时负载已经从 11.x 增加到了 22.x,说明此时 CPU 更繁忙,线程的任务无法及时执行。

load average 解释参考:

https://scoutapm.com/blog/understanding-load-averages

现代 CPU 基本都是多核心的,比如我这里测试用的 AMD 3600,6 核心 12 线程(超线程),我们可以简单的认为它就是 12 核心 CPU。那么我这个 CPU 就可以同时做 12 件事,互不打扰。

如果要执行的线程大于核心数,那么就需要通过操作系统的调度了。操作系统给每个线程分配 CPU 时间片资源,然后不停的切换,从而实现“并行”执行的效果。

但是这样真的更快吗?从上面的例子可以看出,一个线程就可以把一个核心的利用率跑满。

如果每个线程都很“霸道”,不停的执行指令,不给 CPU 空闲的时间,并且同时执行的线程数大于 CPU 的核心数,就会导致操作系统更频繁的执行切换线程执行,以确保每个线程都可以得到执行。

不过切换是有代价的,每次切换会伴随着寄存器数据更新,内存页表更新等操作。

虽然一次切换的代价和 I/O 操作比起来微不足道,但如果线程过多,线程切换的过于频繁,甚至在单位时间内切换的耗时已经大于程序执行的时间,就会导致 CPU 资源过多的浪费在上下文切换上,而不是在执行程序,得不偿失。

上面死循环空跑的例子,有点过于极端了,正常情况下不太可能有这种程序。

大多程序在运行时都会有一些 I/O 操作,可能是读写文件,网络收发报文等,这些 I/O 操作在进行时时需要等待反馈的。

比如网络读写时,需要等待报文发送或者接收到,在这个等待过程中,线程是等待状态,CPU 没有工作。

此时操作系统就会调度 CPU 去执行其他线程的指令,这样就完美利用了 CPU 这段空闲期,提高了 CPU 的利用率。

上面的例子中,程序不停的循环什么都不做,CPU 要不停的执行指令,几乎没有啥空闲的时间。

如果插入一段 I/O 操作呢,I/O 操作期间 CPU 是空闲状态,CPU 的利用率会怎么样呢?

先看看单线程下的结果:

public class CPUUtilizationTest {
    public static void main(String[] args) throws InterruptedException {

        for (int n = 0; n < 1; n++) {
            new Thread(new Runnable() {
                @Override
                public void run() {
                    while (true){
                        //每次空循环 1亿 次后,sleep 50ms,模拟 I/O等待、切换
                        for (int i = 0; i < 100_000_000l; i++) { 
                        }
                        try {
                            Thread.sleep(50);
                        }
                        catch (InterruptedException e) {
                            e.printStackTrace();
                        }
                    }
                }
            }).start();
        }
    }
}

图片

哇,唯一有利用率的 9 号核心,利用率也才 50%,和前面没有 sleep 的 100% 相比,已经低了一半了。

现在把线程数调整到12个看看:

图片

单个核心的利用率 60 左右,和刚才的单线程结果差距不大,还没有把 CPU 利用率跑满,现在将线程数增加到 18:

图片

此时单核心利用率,已经接近 100% 了。由此可见,当线程中有 I/O 等操作不占用 CPU 资源时,操作系统可以调度 CPU 可以同时执行更多的线程。

现在将 I/O 事件的频率调高看看呢,把循环次数减到一半,50_000_000,同样是 18 个线程:

图片

此时每个核心的利用率,大概只有 70% 左右了。

02

线程数和 CPU 利用率的小总结

上面的例子,只是辅助,为了更好的理解线程数/程序行为/CPU 状态的关系。

来简单总结一下:

  • 一个极端的线程(不停执行“计算”型操作时),就可以把单个核心的利用率跑满,多核心 CPU 最多只能同时执行等于核心数的“极端”线程数。
  • 如果每个线程都这么“极端”,且同时执行的线程数超过核心数,会导致不必要的切换,造成负载过高,只会让执行更慢。
  • I/O 等暂停类操作时,CPU 处于空闲状态,操作系统调度 CPU 执行其他线程,可以提高 CPU 利用率,同时执行更多的线程。
  • I/O 事件的频率频率越高,或者等待/暂停时间越长,CPU 的空闲时间也就更长,利用率越低,操作系统可以调度 CPU 执行更多的线程。

03

线程数规划的公式

前面的铺垫,都是为了帮助理解,现在来看看书本上的定义。

《Java 并发编程实战》介绍了一个线程数计算的公式:

图片

如果希望程序跑到 CPU 的目标利用率,需要的线程数公式为:

图片

公式很清晰,现在来带入上面的例子试试看。

**如果我期望目标利用率为 90%(多核 90),那么需要的线程数为:**核心数 12利用率 0.9(1+50(sleep 时间)/50(循环 50_000_000 耗时))≈22。

现在把线程数调到 22,看看结果:

图片

现在 CPU 利用率大概 80+,和预期比较接近了,由于线程数过多,还有些上下文切换的开销,再加上测试用例不够严谨,所以实际利用率低一些也正常。

把公式变个形,还可以通过线程数来计算 CPU 利用率:

图片

线程数 22/(核心数12*(1+50(sleep 时间)/50(循环 50_000_000 耗时)))≈0.9。

虽然公式很好,但在真实的程序中,一般很难获得准确的等待时间和计算时间,因为程序很复杂,不只是“计算”。

一段代码中会有很多的内存读写,计算,I/O 等复合操作,精确的获取这两个指标很难,所以光靠公式计算线程数过于理想化。

04

真实程序中的线程数

那么在实际的程序中,或者说一些 Java 的业务系统中,线程数(线程池大小)规划多少合适呢?

**先说结论:**没有固定答案,先设定预期,比如我期望的 CPU 利用率在多少,负载在多少,GC 频率多少之类的指标后,再通过测试不断的调整到一个合理的线程数。

比如一个普通的,SpringBoot 为基础的业务系统,默认 Tomcat 容器+HikariCP 连接池+G1 回收器,如果此时项目中也需要一个业务场景的多线程(或者线程池)来异步/并行执行业务流程。

此时我按照上面的公式来规划线程数的话,误差一定会很大。

因为此时这台主机上,已经有很多运行中的线程了,Tomcat 有自己的线程池,HikariCP 也有自己的后台线程,JVM 也有一些编译的线程,连 G1 都有自己的后台线程。

这些线程也是运行在当前进程、当前主机上的,也会占用 CPU 的资源。

所以受环境干扰下,单靠公式很难准确的规划线程数,一定要通过测试来验证。

流程一般是这样:

  • 分析当前主机上,有没有其他进程干扰。
  • 分析当前 JVM 进程上,有没有其他运行中或可能运行的线程。
  • 设定目标,目标 CPU 利用率:我最高能容忍我的CPU飙到多少?目标 GC 频率/暂停时间:多线程执行后,GC 频率会增高,最大能容忍到什么频率,每次暂停时间多少?执行效率:比如批处理时,我单位时间内要开多少线程才能及时处理完毕……
  • 梳理链路关键点,是否有卡脖子的点,因为如果线程数过多,链路上某些节点资源有限可能会导致大量的线程在等待资源(比如三方接口限流,连接池数量有限,中间件压力过大无法支撑等)。
  • 不断的增加/减少线程数来测试,按最高的要求去测试,最终获得一个“满足要求”的线程数。

而且而且而且!不同场景下的线程数理念也有所不同:

  • Tomcat 中的 maxThreads,在 Blocking I/O 和 No-Blocking I/O 下就不一样。
  • Dubbo 默认还是单连接呢,也有 I/O 线程(池)和业务线程(池)的区分,I/O 线程一般不是瓶颈,所以不必太多,但业务线程很容易称为瓶颈。
  • Redis 6.0 以后也是多线程了,不过它只是 I/O 多线程,“业务”处理还是单线程。

所以,不要纠结设置多少线程了。没有标准答案,一定要结合场景,带着目标,通过测试去找到一个最合适的线程数。

可能还有同学可能会有疑问:“我们系统也没啥压力,不需要那么合适的线程数,只是一个简单的异步场景,不影响系统其他功能就可以”。

很正常,很多的内部业务系统,并不需要啥性能,稳定好用符合需求就可以了。那么我的推荐的线程数是:CPU 核心数。

05

附录

Java 获取 CPU 核心数:

Runtime.getRuntime().availableProcessors()//获取逻辑核心数,如6核心12线程,那么返回的是12

Linux 获取 CPU 核心数:

# 总核数 = 物理CPU个数 X 每颗物理CPU的核数 
# 总逻辑CPU数 = 物理CPU个数 X 每颗物理CPU的核数 X 超线程数

# 查看物理CPU个数
cat /proc/cpuinfo| grep "physical id"| sort| uniq| wc -l

# 查看每个物理CPU中core的个数(即核数)
cat /proc/cpuinfo| grep "cpu cores"| uniq

# 查看逻辑CPU的个数
cat /proc/cpuinfo| grep "processor"| wc -l