Java线程池ThreadPoolExecutor面试总结思维导图速记

优点

---

1. 降低资源消耗，通过重复利用已创建的线程降低线程创建和销毁造成的消耗。
2. 提高响应速度，当任务到达时，可以不需要等待线程创建就能立即执行。
3. 提高线程的可管理性

类关系

---

接 Executor 一个无返回值的execute方法
接 ExecutorService 返回值为Future类型的submit方法
类 AbstractExecutorService
类 ThreadPoolExecutor

创建

---

ThreadPoolExecutor类

包含参数

corePoolSize： 核心线程数最大值
maximumPoolSize： 最大线程数大小
keepAliveTime： 非核心线程空闲的存活时间大小
unit： 线程空闲存活时间单位
workQueue： 存放任务的阻塞队列
threadFactory： 用于设置创建线程的工厂
handler：  线城池的饱和策略事件

参数workQueue有如下几种队列

1. ArrayBlockingQueue; 必须带参构造，数组，默认非公平可指定，FIFO
2. LinkedBlockingQueue; 可带参构造，大小默认int最大，FIFO
3. SynchronousQueue;不存储元素，每个插入操作必须等到另一个线程调用移除操作，否则堵塞
4. PriorityBlockingQueue;优先级，数组
5. DelayQueue; 基于PriorityQueue，延时阻塞队列，只有当其指定的延迟时间到了，才能够从队列中获取到该元素。

参数hander有如下几种

1. AbortPolicy 丢弃任务并抛异常，默认
2. DiscardPolicy 直接丢弃任务
3. DiscardOldestPolicy 丢弃队列最前面的任务，然后重新尝试执行任务（重复此过程）
4. CallerRunsPolicy 由调用线程处理该任务

Executors类

阿里巴巴开发规范不允许使用Executors去创建，因为队列OOM。
主要有如下几种

1. newCachedThreadPool()：一个任务创建一个线程，使用SynchronousQueue，用于并发执行大量短期的小任务。
2. newFixedThreadPool(nThreads)：所有任务使用固定大小的线程池，使用LinkedBlockingQueue，适用执行长期的任务
3. newSingleThreadExecutor()：只有一个线程的线程池，使用LinkedBlockingQueue，适用于串行执行任务的场景，

执行流程

---

在 execute() 中实现，当提交一个线程时

1. 如果正在运行的线程数 < coreSize，马上创建线程执行该task，不排队等待；
2. 如果正在运行的线程数 >= coreSize，把该task放入队列；
3. 如果队列已满 && 正在运行的线程数 < maximumPoolSize，创建新的线程执行该task；
   4 . 如果队列已满 && 正在运行的线程数 >= maximumPoolSize，线程池调用handler的reject方法拒绝本次提交。

异常捕获

---

默认不捕获异常，捕获方法如下

1. try-catch
2. submit执行，Future.get接受异常
3. 重写ThreadPoolExecutor的afterExecute方法，处理传递的异常引用
4. 为工作者线程设置UncaughtExceptionHandler，在uncaughtException方法中处理异常

线程池状态

---

running
该状态的线程池会接收新任务，并处理阻塞队列中的任务;

1. shutdown() -> shutdown
2. shutdownNow() -> stop

shutdown
该状态的线程池不会接收新任务，但会处理阻塞队列中的任务；

1. 队列为空，并且线程池中执行的任务也为空,进入tidying状态;

stop
该状态的线程不会接收新任务，也不会处理阻塞队列中的任务，而且会中断正在运行的任务；

1. 线程池中执行的任务为空,进入tidying状态;

tidying
该状态表明所有的任务已经运行终止，记录的任务数量为0。

1. terminated() -> terminated

terminated
该状态表示线程池彻底终止

线程大小设置

---

1. 如果是CPU密集型任务，就需要尽量压榨CPU，参考值可以设为 N(cpu) + 1
2. 如果是IO密集型任务，参考值可以设置为2 * N(cpu)

思维导图(右键另存为下载)

喜欢可以点个赞，感谢！