利用Doug Lea的并发包实现带超时机制的线程池

利用Doug Lea的并发包实现带超时机制的线程池
jdk5引入的concurrent包来自于Doug Lea的卓越贡献。最近我在查找服务器OOM的原因之后，决定采用这个包重写应用中一个servlet，这个servlet调用了一个阻塞方法，当被阻塞之后，服务器中的线程数（因为阻塞了，后续请求不断地新增线程）突然增加导致了服务器当机，因此决定采用一个线程池，并且设置超时，如果阻塞方法超过一定时间就取消线程。因为我们的项目仍然跑在jdk 1.4.2上面，短期内不可能升级到jdk5，还是要利用这个并发包。去这里下载源码并自己打包成jar，加入项目的lib，然后利用PooledExecutor和TimedCallable来实现我们的需求。首先是线程池，相当简单：
import EDU.oswego.cs.dl.util.concurrent.BoundedBuffer;
import EDU.oswego.cs.dl.util.concurrent.PooledExecutor;
/**
*

类说明：线程池

*

注意事项：

*

*

创建日期：Sep 7, 2007 1:25:33 PM

* @author:dennis zane
* @version $Id:$
*/
public class MyThreadPool{
private static PooledExecutor exec = new PooledExecutor(new BoundedBuffer(
20), 30);
static {
exec.setKeepAliveTime(1000 * 60 * 5);
exec.createThreads(5);
exec.setMinimumPoolSize(4);
}

public static void execute(final Runnable r) throws InterruptedException{
exec.execute(r);
}

public static void shutdown() {
exec.shutdownAfterProcessingCurrentlyQueuedTasks();
exec = null;
}

}


静态初始化并设置一个PoolExecutor，设置空闲线程的存活时间为5分钟，设置最小线程数为4，最大线程数为30,一开始创建5个线程以待使用（根据各自的应用调整这些参数），另外提供了shutdown方法以供ServeltContextListener的contextDestroyed 方法调用以关闭线程池。那么，结合TimedCallable来实现提交线程的超时机制,调用类似：
//设置超时时间
private static final long timeout = 1000;
......
......
try{
Callable callable = new Callable() {
public Object call() {
return new YourProgram().run();
}
};
TimedCallable timedCallable = new TimedCallable(callable, timeout);
FutureResult future = new FutureResult();
Runnable cmd = future.setter(timedCallable);
//提交给线程池来执行
MyThreadPool.execute(cmd);
//获取任务结果
YourObject obj= (YourObject) future.get();
......
......
} catch (InterruptedException e) {
if (e instanceof TimeoutException) {
log.error("任务超时");
...
}
}catch(InvocationTargetException e)
{
//清理任务..
}
......
如果不是很理解这段代码，那么也许你应该先看看jdk5引入的Future、FutureTask等类，或者看看这里的文档。对于超时时间的大小估算，你应当在生产环境中计算该阻塞方法的调用时间，正常运行一段时间，利用脚本语言（比如ruby、python）分析日志以得到一个调用花费时间的最大值作为timeout，这里的单位是毫秒。而线程池大小的估算，要看你提交给线程执行的任务的类型：如果是计算密集型的任务，那么线程池的大小一般是（cpu个数+1）；如果是IO密集型的任务（一般的web应用皆是此类），那么估算有一个公式,
假设N-cpu是cpu个数，U是目标CPU使用率，W/C是任务的等待时间与计算时间的比率，那么最优的池大小等于：
N-threads=N-cpu*U*(1+W/C)