- 之前我们介绍了线程池的四种拒绝策略，了解了线程池参数的含义，那么今天我们来聊聊
Java中常见的几种线程池，以及在jdk7加入的ForkJoin新型线程池 - 首先我们列出
Java中的六种线程池如下
| 线程池名称 | 描述 |
|---|---|
| FixedThreadPool | 核心线程数与最大线程数相同 |
| SingleThreadExecutor | 一个线程的线程池 |
| CachedThreadPool | 核心线程为0，最大线程数为Integer. MAX_VALUE |
| ScheduledThreadPool | 指定核心线程数的定时线程池 |
| SingleThreadScheduledExecutor | 单例的定时线程池 |
| ForkJoinPool | JDK 7 新加入的一种线程池 |
- 在了解集中线程池时我们先来熟悉一下主要几个类的关系，
ThreadPoolExecutor的类图，以及Executors的主要方法：
- 上面看到的类图，方便帮助下面的理解和查看，我们可以看到一个核心类
ExecutorService, 这是我们线程池都实现的基类，我们接下来说的都是它的实现类。
FixedThreadPool
FixedThreadPool线程池的特点是它的核心线程数和最大线程数一样，我们可以看它的实现代码在Executors#newFixedThreadPool(int)中，如下：
public static ExecutorService newFixedThreadPool(int nThreads) {
return new ThreadPoolExecutor(nThreads, nThreads,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue());
} 我们可以看到方法内创建线程调用的实际是ThreadPoolExecutor类，这是线程池的核心执行器，传入的nThread参数作为核心线程数和最大线程数传入，队列采用了一个链表结构的有界队列。
- 这种线程池我们可以看作是固定线程数的线程池，它只有在开始初始化的时候线程数会从0开始创建，但是创建好后就不再销毁，而是全部作为常驻线程池，这里如果对线程池参数不理解的可以看之前文章 《解释线程池各个参数的含义》。
- 对于这种线程池他的第三个和第四个参数是没意义，它们是空闲线程存活时间，这里都是常驻不存在销毁，当线程处理不了时会加入到阻塞队列，这是一个链表结构的有界阻塞队列，最大长度是Integer. MAX_VALUE
SingleThreadExecutor
SingleThreadExecutor线程的特点是它的核心线程数和最大线程数均为1，我们也可以将其任务是一个单例线程池，它的实现代码是Executors#newSingleThreadExcutor(), 如下：
public static ExecutorService newSingleThreadExecutor() {
return new FinalizableDelegatedExecutorService
(new ThreadPoolExecutor(1, 1,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue()));
}
public static ExecutorService newSingleThreadExecutor(ThreadFactory threadFactory) {
return new FinalizableDelegatedExecutorService
(new ThreadPoolExecutor(1, 1,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue(),
threadFactory));
} - 上述代码中我们发现它有一个重载函数，传入了一个
ThreadFactory的参数，一般在我们开发中会传入我们自定义的线程创建工厂，如果不传入则会调用默认的线程工厂 - 我们可以看到它与
FixedThreadPool线程池的区别仅仅是核心线程数和最大线程数改为了1，也就是说不管任务多少，它只会有唯一的一个线程去执行 - 如果在执行过程中发生异常等导致线程销毁，线程池也会重新创建一个线程来执行后续的任务
- 这种线程池非常适合所有任务都需要按被提交的顺序来执行的场景，是个单线程的串行。
CachedThreadPool
cachedThreadPool线程池的特点是它的常驻核心线程数为0，正如其名字一样，它所有的县城都是临时的创建，关于它的实现在Executors#newCachedThreadPool()中，代码如下：
public static ExecutorService newCachedThreadPool() {
return new ThreadPoolExecutor(0, Integer.MAX_VALUE,
60L, TimeUnit.SECONDS,
new SynchronousQueue());
}
public static ExecutorService newCachedThreadPool(ThreadFactory threadFactory) {
return new ThreadPoolExecutor(0, Integer.MAX_VALUE,
60L, TimeUnit.SECONDS,
new SynchronousQueue(),
threadFactory);
} - 从上述代码中我们可以看到
CachedThreadPool线程池中，最大线程数为Integer.MAX_VALUE, 意味着他的线程数几乎可以无限增加。 - 因为创建的线程都是临时线程，所以他们都会被销毁，这里空闲 线程销毁时间是60秒，也就是说当线程在60秒内没有任务执行则销毁
- 这里我们需要注意点，它使用了
SynchronousQueue的一个阻塞队列来存储任务，这个队列是无法存储的，因为他的容量为0，它只负责对任务的传递和中转，效率会更高，因为核心线程都为0，这个队列如果存储任务不存在意义。
ScheduledThreadPool
ScheduledThreadPool线程池是支持定时或者周期性执行任务，他的创建代码Executors.newSchedsuledThreadPool(int)中，如下所示：
public static ScheduledExecutorService newScheduledThreadPool(int corePoolSize) {
return new ScheduledThreadPoolExecutor(corePoolSize);
}
public static ScheduledExecutorService newScheduledThreadPool(
int corePoolSize, ThreadFactory threadFactory) {
return new ScheduledThreadPoolExecutor(corePoolSize, threadFactory);
}- 我们发现这里调用了
ScheduledThreadPoolExecutor这个类的构造函数，进一步查看发现ScheduledThreadPoolExecutor类是一个继承了ThreadPoolExecutor的，同时实现了ScheduledExecutorService接口，我们看到它的几个构造函数都是调用父类ThreadPoolExecutor的构造函数
public ScheduledThreadPoolExecutor(int corePoolSize) {
super(corePoolSize, Integer.MAX_VALUE, 0, NANOSECONDS,
new DelayedWorkQueue());
}
public ScheduledThreadPoolExecutor(int corePoolSize,
ThreadFactory threadFactory) {
super(corePoolSize, Integer.MAX_VALUE, 0, NANOSECONDS,
new DelayedWorkQueue(), threadFactory);
}
public ScheduledThreadPoolExecutor(int corePoolSize,
RejectedExecutionHandler handler) {
super(corePoolSize, Integer.MAX_VALUE, 0, NANOSECONDS,
new DelayedWorkQueue(), handler);
}
public ScheduledThreadPoolExecutor(int corePoolSize,
ThreadFactory threadFactory,
RejectedExecutionHandler handler) {
super(corePoolSize, Integer.MAX_VALUE, 0, NANOSECONDS,
new DelayedWorkQueue(), threadFactory, handler);
}- 从上面代码我们可以看到和其他线程池创建并没有差异，只是这里的任务队列是
DelayedWorkQueue关于阻塞丢列我们下篇文章专门说，这里我们先创建一个周期性的线程池来看一下
public static void main(String[] args) {
ScheduledExecutorService service = Executors.newScheduledThreadPool(5);
// 1. 延迟一定时间执行一次
service.schedule(() ->{
System.out.println("schedule ==> 云栖简码-i-code.online");
},2, TimeUnit.SECONDS);
// 2. 按照固定频率周期执行
service.scheduleAtFixedRate(() ->{
System.out.println("scheduleAtFixedRate ==> 云栖简码-i-code.online");
},2,3,TimeUnit.SECONDS);
//3. 按照固定频率周期执行
service.scheduleWithFixedDelay(() -> {
System.out.println("scheduleWithFixedDelay ==> 云栖简码-i-code.online");
},2,5,TimeUnit.SECONDS);
}- 上面代码是我们简单创建了
newScheduledThreadPool，同时演示了里面的三个核心方法，首先看执行的结果：
- 首先我们看第一个方法
schedule, 它有三个参数，第一个参数是线程任务，第二个delay表示任务执行延迟时长，第三个unit表示延迟时间的单位，如上面代码所示就是延迟两秒后执行任务
public ScheduledFuture schedule(Runnable command,
long delay, TimeUnit unit);- 第二个方法是
scheduleAtFixedRate如下, 它有四个参数，command参数表示执行的线程任务 ，initialDelay参数表示第一次执行的延迟时间，period参数表示第一次执行之后按照多久一次的频率来执行，最后一个参数是时间单位。如上面案例代码所示，表示两秒后执行第一次，之后按每隔三秒执行一次
public ScheduledFuture scheduleAtFixedRate(Runnable command,
long initialDelay,
long period,
TimeUnit unit);- 第三个方法是
scheduleWithFixedDelay如下，它与上面方法是非常类似的，也是周期性定时执行, 参数含义和上面方法一致。这个方法和scheduleAtFixedRate的区别主要在于时间的起点计时不同
public ScheduledFuture scheduleWithFixedDelay(Runnable command,
long initialDelay,
long delay,
TimeUnit unit);scheduleAtFixedRate是以任务开始的时间为时间起点来计时，时间到就执行第二次任务，与任务执行所花费的时间无关；而scheduleWithFixedDelay是以任务执行结束的时间点作为计时的开始。如下所示
SingleThreadScheduledExecutor
- 它实际和
ScheduledThreadPool线程池非常相似，它只是ScheduledThreadPool的一个特例，内部只有一个线程，它只是将ScheduledThreadPool的核心线程数设置为了 1。如源码所示：
public static ScheduledExecutorService newSingleThreadScheduledExecutor() {
return new DelegatedScheduledExecutorService
(new ScheduledThreadPoolExecutor(1));
}- 上面我们介绍了五种常见的线程池，对于这些线程池我们可以从核心线程数、最大线程数、存活时间三个维度进行一个简单的对比，有利于我们加深对这几种线程池的记忆。
| FixedThreadPool | SingleThreadExecutor | CachedThreadPool | ScheduledThreadPool | SingleThreadScheduledExecutor | |
|---|---|---|---|---|---|
| corePoolSize | 构造函数传入 | 1 | 0 | 构造函数传入 | 1 |
| maxPoolSize | 同corePoolSize | 1 | Integer. MAX_VALUE | Integer. MAX_VALUE | Integer. MAX_VALUE |
| keepAliveTime | 0 | 0 | 60 | 0 | 0 |
ForkJoinPool
ForkJoinPool这是一个在JDK7引入的新新线程池，它的主要特点是可以充分利用多核CPU, 可以把一个任务拆分为多个子任务，这些子任务放在不同的处理器上并行执行，当这些子任务执行结束后再把这些结果合并起来，这是一种分治思想。ForkJoinPool也正如它的名字一样，第一步进行Fork拆分，第二步进行Join合并，我们先来看一下它的类图结构
ForkJoinPool的使用也是通过调用submit(ForkJoinTask或task) invoke(ForkJoinTask方法来执行指定任务了。其中任务的类型是task) ForkJoinTask类，它代表的是一个可以合并的子任务，他本身是一个抽象类，同时还有两个常用的抽象子类RecursiveAction和RecursiveTask，其中RecursiveTask表示的是有返回值类型的任务，而RecursiveAction则表示无返回值的任务。下面是它们的类图：
- 下面我们通过一个简单的代码先来看一下如何使用
ForkJoinPool线程池
/**
* @url: i-code.online
* @author: AnonyStar
* @time: 2020/11/2 10:01
*/
public class ForkJoinApp1 {
/**
目标： 打印0-200以内的数字，进行分段每个间隔为10以上，测试forkjoin
*/
public static void main(String[] args) {
// 创建线程池，
ForkJoinPool joinPool = new ForkJoinPool();
// 创建根任务
SubTask subTask = new SubTask(0,200);
// 提交任务
joinPool.submit(subTask);
//让线程阻塞等待所有任务完成 在进行关闭
try {
joinPool.awaitTermination(2, TimeUnit.SECONDS);
} catch (InterruptedException e) {
e.printStackTrace();
}
joinPool.shutdown();
}
}
class SubTask extends RecursiveAction {
int startNum;
int endNum;
public SubTask(int startNum,int endNum){
super();
this.startNum = startNum;
this.endNum = endNum;
}
@Override
protected void compute() {
if (endNum - startNum < 10){
// 如果分裂的两者差值小于10 则不再继续，直接打印
System.out.println(Thread.currentThread().getName()+": [startNum:"+startNum+",endNum:"+endNum+"]");
}else {
// 取中间值
int middle = (startNum + endNum) / 2;
//创建两个子任务，以递归思想，
SubTask subTask = new SubTask(startNum,middle);
SubTask subTask1 = new SubTask(middle,endNum);
//执行任务， fork() 表示异步的开始执行
subTask.fork();
subTask1.fork();
}
}
}结果：
- 从上面的案例我们可以看到我们，创建了很多个线程执行，因为我测试的电脑是12线程的，所以这里实际是创建了12个线程，也侧面说明了充分调用了每个处理的线程处理能力
- 上面案例其实我们发现很熟悉的味道，那就是以前接触过的递归思想，将上面的案例图像化如下，更直观的看到，
- 上面的例子是无返回值的案例，下面我们来看一个典型的有返回值的案例，相信大家都听过及很熟悉斐波那契数列，这个数列有个特点就是最后一项的结果等于前两项的和，如：
0，1，1，2，3，5...f(n-2)+f(n-1), 即第0项为0 ，第一项为1，则第二项为0+1=1，以此类推。我们最初的解决方法就是使用递归来解决，如下计算第n项的数值：
private int num(int num){
if (num <= 1){
return num;
}
num = num(num-1) + num(num -2);
return num;
}- 从上面简单代码中可以看到，当
n<=1时返回n, 如果n>1则计算前一项的值f1，在计算前两项的值f2, 再将两者相加得到结果，这就是典型的递归问题，也是对应我们的ForkJoin的工作模式，如下所示，根节点产生子任务，子任务再次衍生出子子任务，到最后在进行整合汇聚，得到结果。
- 我们通过
ForkJoinPool来实现斐波那契数列的计算，如下展示：
/**
* @url: i-code.online
* @author: AnonyStar
* @time: 2020/11/2 10:01
*/
public class ForkJoinApp3 {
public static void main(String[] args) throws ExecutionException, InterruptedException {
ForkJoinPool pool = new ForkJoinPool();
//计算第二是项的数值
final ForkJoinTask submit = pool.submit(new Fibonacci(20));
// 获取结果，这里获取的就是异步任务的最终结果
System.out.println(submit.get());
}
}
class Fibonacci extends RecursiveTask{
int num;
public Fibonacci(int num){
this.num = num;
}
@Override
protected Integer compute() {
if (num <= 1) return num;
//创建子任务
Fibonacci subTask1 = new Fibonacci(num - 1);
Fibonacci subTask2 = new Fibonacci(num - 2);
// 执行子任务
subTask1.fork();
subTask2.fork();
//获取前两项的结果来计算和
return subTask1.join()+subTask2.join();
}
}
- 通过
ForkJoinPool可以极大的发挥多核处理器的优势，尤其非常适合用于递归的场景，例如树的遍历、最优路径搜索等场景。 - 上面说的是
ForkJoinPool的使用上的，下面我们来说一下其内部的构造，对于我们前面说的几种线程池来说，它们都是里面只有一个队列，所有的线程共享一个。但是在ForkJoinPool中，其内部有一个共享的任务队列，除此之外每个线程都有一个对应的双端队列Deque, 当一个线程中任务被Fork分裂了，那么分裂出来的子任务就会放入到对应的线程自己的Deque中，而不是放入公共队列。这样对于每个线程来说成本会降低很多，可以直接从自己线程的队列中获取任务而不需要去公共队列中争夺，有效的减少了线程间的资源竞争和切换。
- 有一种情况，当线程有多个如
t1,t2,t3...，在某一段时间线程t1的任务特别繁重，分裂了数十个子任务，但是线程t0此时却无事可做，它自己的deque队列为空，这时为了提高效率，t0就会想办法帮助t1执行任务，这就是“work-stealing”的含义。 - 双端队列
deque中，线程t1获取任务的逻辑是后进先出，也就是LIFO（Last In Frist Out），而线程t0在“steal”偷线程t1的deque中的任务的逻辑是先进先出，也就是FIFO（Fast In Frist Out），如图所示，图中很好的描述了两个线程使用双端队列分别获取任务的情景。你可以看到，使用 “work-stealing” 算法和双端队列很好地平衡了各线程的负载。
本文由AnonyStar 发布,可转载但需声明原文出处。
欢迎关注微信公账号 ：云栖简码 获取更多优质文章
更多文章关注笔者博客 ： 云栖简码 i-code.online