阻塞式队列、定时器、线程池

1. JUC：多线程的很多类都在 java.util.concurrent 这个包里。

2.一个典型应用场景：生产者消费者模型

特点：

1）应用解耦

解耦

架构设计：高内聚低耦合

耦合：降低两个项目之间的关联程度

高内聚：集中精力，把精力都放在自己的项目上

2）异步提速

3）流量削峰

服务B处理请求的速度完全不影响A，哪怕B瘫痪了，也不影响A，A瘫痪了也不会影响B。

3.阻塞队列

（1）又叫消息队列，kafka / RocketMQ / RabbitMQ

是一个队列（先进先出）；线程安全；带有阻塞功能。

JDK也提供了一些阻塞队列的实现。

（2）实现

ps:链表、数组都可以用，数组较简单

4.定时器

（1）到一个时间去执行具体某一个任务。软件开发在中的一个重要组件，类似于一个“闹钟”。

（2）实现

任务以及任务的指向时间；

有一个队列来存储这些任务；（为啥要带优先级呢? --> 因为阻塞队列中的任务都有各自的执行时刻 (delay). 最先执行的任务一定是 delay 最小的. 使用带 优先级的队列就可以高效的把这个 delay 最小的任务找出来.。）

提供一个方法想定时器提交任务；

有一个线程来遍历这个队列，再执行任务。

import java.util.concurrent.BlockingQueue;
import java.util.concurrent.PriorityBlockingQueue;

/**
 * 任务
 */
class MyTask implements Comparable{
    // 使用Runnable 来描述任务
    private Runnable runnable;
    //描述任务的执行时间, 采用时间戳
    private long time;

    /**
     *
     * @param runnable
     * @param after  当前时间后多久开始执行, 单位是ms
     */
    public MyTask(Runnable runnable, long after){
        this.runnable = runnable;
        this.time = System.currentTimeMillis() + after;
    }

    public void run(){
        this.runnable.run();
    }

    public Runnable getRunnable() {
        return runnable;
    }

    public long getTime() {
        return time;
    }

    /**
     * 比较两个任务的大小
     * 按照执行时间去比较
     * time越小, 任务越小(任务执行的越早, 需要放在队首)
     * @param o the object to be compared.
     * @return
     */
    @Override
    public int compareTo(MyTask o) {
        return (int) (this.time - o.getTime());
    }
}

/**
 * 定时器
 */
public class MyTimer {
    //创建一个队列, 来存储任务
    BlockingQueue queue = new PriorityBlockingQueue<>();

    Object locker = new Object();

    /**
     * 向定时器提交任务
     * @param task
     */
    public void schedule(MyTask task){
        try{
            queue.put(task);
            synchronized (locker){
                locker.notify();
            }
        }catch (Exception e){
            e.printStackTrace();
        }

    }
    public MyTimer(){

        Thread thread = new Thread(()->{
            try {
                //取出队首的任务, 判断是否需要执行
                while (true){
                    MyTask task = queue.take();
                    //如果时间未到, 把任务重新放回队列里
                    //如果时间到了, 就执行
                    if (task.getTime()>System.currentTimeMillis()){
                        queue.put(task);
                        //接下来等待一定的时间
                        synchronized (locker){
                            locker.wait(task.getTime() - System.currentTimeMillis());
                        }
                    }else {
                        task.run();
                    }
                }
            }catch (Exception e){
                e.printStackTrace();
            }
        });
        thread.start();
    }

    public static void main(String[] args) {
        MyTimer myTimer = new MyTimer();
        myTimer.schedule(new MyTask(()->{
            System.out.println("执行任务1");
        },5000));

        myTimer.schedule(new MyTask(()->{
            System.out.println("执行任务2");
        },1000));

        myTimer.schedule(new MyTask(()->{
            System.out.println("执行任务3");
        },3000));
    }
}

5. 线程池

（1）线程池：

提前创建好了一批线程，放到池子中，当有任务来时，从池子中取出一个线程去执行；任务执行结束时，把线程放回到池子中。（循环使用）

线程比进程快，创建和销毁、调度都快。线程池就可以省略掉创建和销毁的成本。

PS：有关线程池可参考：http://t.csdn.cn/AWJsp

（2）标准库的线程池

corePoolSIze  核心线程数--->正式工的数量（常备线程数）

maximumPoolSize 最大线程数--->正式工+临时工的数量(常备线程数+临时线程数)（任务多了就创建一些临时线程，任务完了就销毁）

keepAliveTime  线程的空闲时间--->临时工干完活后，领导会考察一段时间

TimeUnit unit  时间单位---> s、ms等

workQueue  工作队列--->没临时工时，任务太多了，正式工会做不完，就把任务存储在工作队列

ThreadFactory threadfactor  线程工厂--->用什么取创建线程，如线程的命名，一般使用默认线程工厂就可以

RejectedExcutionHandler  handler  拒绝策略---> 任务太多时，要把任务记录下来，记录在本子上，但本子记不下了，就会采取拒绝策略（拒绝任务并抛出异常；由调用者来执行；丢弃更老的任务并把新任务加入；直接丢弃且什么也不做）

（3）线程池的工作流程

1）最开始时，线程池是空的；

2）随着任务的提交开始创建线程（

若当前线程数< corePoolSize，就创建线程；

若前线程数== corePoolSize，就把任务添加到工作队列中；

若队列满了，当前线程数< maximumPoolSize ，创建线程；

若队列满了，当前线程数==maximumPoolSize ，就执行拒绝策略）；

3）随着任务的执行，剩余任务逐渐减少，逐渐有利空闲线程（若空闲时间> keepAliveTime 且当前线程数> corePoolSize ，销毁线程，直到当前线程数==corePoolSize）。

（4）线程池的参数设置

一般可分为：

CPU密集型（任务需要大量的CPU来参与运算，任务大多数时间都是CPU来执行）：线程数=CPU的核数 或  CPU核数+1

IO密集型：线程数=CPU的核数*（1+CPU等待时间/CPU执行时间）（或有时  2*CPU的核数+1）                          

 PS：上述理论在实际都要以压测为准，压测就是压力测试。

压测：都是QA压测，但QA 几乎没有压测线程的数量。QA是对整个项目负责的，站在整个项目的角度去测试。接口的响应时间（使用多线程的原因就是为了提高接口的响应时间）。CPU的负载情况（QA关注CPU的负载不要超过多少）。

PS：可参考：http://t.csdn.cn/is9Wb 

 （5）线程池的实现

PS：Excutors，看作一个工具，提供了一些创建线程的方法，这些线程已经有了一些默认的参数配置，就不需要再去写了。ExecutorService，线程池。（Executors 本质上是ThreadPoolExecutor 类的封装。）

1）线程；
2）有一个保存线程的容器；
3）任务；（就使用Runnable 来表示）
4）队列（用来存放任务）；
5）需要提供一个方法，往线程池里添加任务

/**
 * 线程池的实现
 */
import java.util.ArrayList;
import java.util.Date;
import java.util.List;
import java.util.concurrent.BlockingQueue;
import java.util.concurrent.LinkedBlockingQueue;

class Worker extends Thread{
    BlockingQueue queue = null;
    public Worker(BlockingQueue queue){
        this.queue = queue;
    }
    @Override
    public void run() {
        //TODO
        //扫描任务队列, 并执行
        while (true){
            try {
                Runnable runnable = queue.take();
                runnable.run();
            }catch (Exception e){
                e.printStackTrace();
            }
        }

    }
}
public class MyThreadPool {
    public static void main(String[] args) {
        MyThreadPool pool = new MyThreadPool(3);//创建3个线程池
        for (int i = 0; i < 10; i++) {
            pool.submit(() -> {
                System.out.println("hello" + new Date());
                try {
                    Thread.sleep(1000);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
            });
        }
    }
    BlockingQueue queue = new LinkedBlockingQueue();

    List workerList = new ArrayList<>();

    public MyThreadPool(int corePoolSize){
        for (int i = 0; i < corePoolSize; i++) {
            Worker worker = new Worker(queue);
            worker.start();
            workerList.add(worker);
        }
    }

    public void submit(Runnable runnable){
        try {
            queue.put(runnable);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
}