1.ExecutorService和TaskExecutor的区别和使用
2.线程池调优之动态参数配置
3.Java高并发编程实战5，线k线异步注解@Async自定义线程池

ExecutorService和TaskExecutor的区别和使用

       ExecutorService 和 TaskExecutor 都是使用线程池来管理多线程异步执行任务，他们有什么关联和区别，什么时候该用哪个呢？

        ExecutorService 属于 java.util.concurrent 包下面的，继承于 java.util.concurrent.Executor ，一般使用 java.util.concurrent.Executors 工厂类创建。 Executor 和 ExecutorService 都是 JDK 5 才提供的。

        TaskExecutor 属于 org.springframework.core.task 包下面，也是继承与 java.util.concurrent.Executor

        Java 1.7 引入了一种新的并发框架,程池程池主要用于实现“分而治之”的算法，特别是分治之后递归调用的函数，例如 quick sort 等。

        ForkJoinPool 最适合的是计算密集型的任务，如果存在 I/O，线程间同步，sleep() 等会造成线程长时间阻塞的情况时，最好配合使用 ManagedBlocker。

        具体请移步至

        用于延时或者定期执行的异步任务/线程

        提供线程池执行任务

        ThreadPoolTaskExecutor 同样是提供线程池执行任务，但是可以使用xml或者JavaBean的形式进行配置，初始化。同样， ThreadPoolTaskExecutor 是使用 ThreadPoolExecutor 。即也是 ThreadPoolExecutor 的Spring包装。

       ThreadPoolTaskScheduler 是 ScheduledThreadPoolExecutor 一个spring形式的包装。Spring中任务的调度使用的就是这个类，比如 @Scheduled

       spring的 TaskExecutor 的两个常用实现类均是基于 Executor 实现类的包装，使其更加方便使用，更好的融入spring bean生态。

        关于线程池的创建，拒绝策略，任务的执行状态，任务取消，等待任务完成等，网上资料很多了，将来有机会整理一下。

线程池调优之动态参数配置

       前言线程池的核心参数配置在网上有一大堆的文章介绍，这次结合个人理解写一篇文章记录一下，源码以便加深印象和后续查阅。线k线线程池配置参数

       corePoolSize：线程池核心线程数

       maximumPoolSize：线程池最大线程数

       keepAliveTime：允许线程空闲时间（对非核心工作线程的程池程池回收）

       TimeUnit：线程空闲时间单位

       workQueue：线程队列（当核心线程数满了，新的源码源码分析spring任务就会放入这个队列中）

       threadFactory：线程工厂（用于创建工作线程，自定义线程工厂可以指定线程名称）

       handler：线程池拒绝策略（当线程队列满了且最大线程数也满了，线k线就会执行任务拒绝策略，程池程池默认有4种）

       allowCoreThreadTimeOut：控制核心工作线程是源码否需要被回收

常规线程池参数配置

       -首先提问一个面试题：现有个任务，台服务器，线k线每台机器都是程池程池4核，在任务不丢弃情况下，源码叉叉代挂源码线程池参数该怎么配置最合理呢？

       -把这个问题拆分一下，线k线个任务，程池程池台机器，源码那么每台机器就负责个任务（常规轮训负载均衡模式，不考虑其他额外情况），每台机器都是4核，那么就可以设置核心线程数和最大线程数为4，线程队列大小为即可。

       -当然也可以把核心和最大线程数设置为5（n+1）个，线程队列大小为，这样是pandas和numpy源码为了防止线程偶尔由于页缺失故障或者其他原因暂停，出多来的一个线程也能确保CPU的调度时钟周期不会被浪费，相当于备用线程。

       如果任务是CPU密集型配置：工作线程=cpu核心数+1；

       如果任务是IO密集型场景：工作线程=cpu核心数*2；

       所以上面例子中就是基于CPU密集型任务配置线程池。而且网上大部分文章描述线程池配置也是基于这两点来分析的。

       可惜理想很丰满，现实很骨感。在实际工作场景中，其实没那么容易区分线程中执行的任务是CPU密集还是IO密集，而且服务器上还会有其他应用线程抢占CPU资源，就算还有一些其他的公式计算配置线程池参数，那也是鸡蛋溯源码价格基于理想场景情况下进行配置的，所以上述配置更多的还是应用于面试中。

动态配置线程池参数

       上述中既然不能一次定义适配所有场景的线程池参数，那么如果可以根据不同业务场景动态配置线程池参数，通过人工干预介入来适配大部分场景也行的

       正好在JDK的自定义线程池ThreadPoolExecutor里，提供了动态扩展线程池核心参数的方法

       可以在运行期间的线程池使用此方法可以覆盖原来配置的值：

ThreadPoolExecutor线程池提供了5种配置参数可供动态更新：核心线程池，最大线程数，线程工厂，线程空闲时间，拒绝策略。

       这里主要讨论的是核心线程池和最大线程池两种参数配置：

/****@Author:ZRH*@Date://:*/@Slf4jpublicclassExecutorTest{ publicstaticvoidmain(String[]args)throwsException{ finalThreadPoolExecutorthreadPoolExecutor=newThreadPoolExecutor(2,3,,TimeUnit.SECONDS,newLinkedBlockingQueue<>(7),newThreadPoolExecutor.DiscardPolicy());for(inti=0;i<;i++){ threadPoolExecutor.execute(()->{ try{ logExecutorInfo(threadPoolExecutor);Thread.sleep();}catch(InterruptedExceptione){ }});}logExecutorInfo(threadPoolExecutor);threadPoolExecutor.setCorePoolSize(5);threadPoolExecutor.setMaximumPoolSize(5);logExecutorInfo(threadPoolExecutor);Thread.currentThread().join();}privatestaticvoidlogExecutorInfo(ThreadPoolExecutorexecutor){ log.info("线程池核心线程数="+executor.getCorePoolSize()+"，线程池最大线程数="+executor.getMaximumPoolSize()+"，bc源码网站搭建线程池队列剩余任务="+executor.getQueue().size()+"，线程池活跃线程数="+executor.getActiveCount()+"，线程池任务完成数"+executor.getCompletedTaskCount());}}

       看执行结果：刚开始线程池里核心线程数2个、最大线程数3个、剩下7放队列。活跃的线程也只有3个。

       然后更改核心线程和最大线程数为5后，线程池里对应的核心线程数和最大线程数也增加至5个，活跃的工作线程也是5个。说明更改配置成功。

       注：更新线程池参数时，核心线程数不能超过最大线程数配置。否则配置最后不会生效。

publicstaticvoidmain(String[]args)throwsException{ finalThreadPoolExecutorthreadPoolExecutor=newThreadPoolExecutor(2,3,,TimeUnit.SECONDS,newLinkedBlockingQueue<>(7),newThreadPoolExecutor.DiscardPolicy());for(inti=0;i<;i++){ threadPoolExecutor.execute(()->{ try{ logExecutorInfo(threadPoolExecutor);Thread.sleep();}catch(InterruptedExceptione){ }});}logExecutorInfo(threadPoolExecutor);threadPoolExecutor.setCorePoolSize(5);//threadPoolExecutor.setMaximumPoolSize(5);logExecutorInfo(threadPoolExecutor);Thread.currentThread().join();}

       上图中把核心线程数更新为5，最大线程数不改动任为3。最后看执行结果，最终的活跃线程还是3个，说明配置没有生效，具体源码在ThreadPoolExecutor类的getTask()方法里，感兴趣的同学可以去看一下...

动态更新线程队列

       ThreadPoolExecutor线程池并没有动态配置线程池队列大小的方法

       想自己操作一下也是很简单的，只需要自定义实现一个队列，可以直接把LinkedBlockingQueue复制一份，并把capacity参数设定为可更改

publicstaticvoidmain(String[]args)throwsException{ finalThreadPoolExecutorthreadPoolExecutor=newThreadPoolExecutor(2,3,,TimeUnit.SECONDS,newCustomLinkedBlockingQueue<>(7),newThreadPoolExecutor.DiscardPolicy());for(inti=0;i<;i++){ threadPoolExecutor.execute(()->{ try{ logExecutorInfo(threadPoolExecutor);Thread.sleep();}catch(InterruptedExceptione){ }});}logExecutorInfo(threadPoolExecutor);threadPoolExecutor.setCorePoolSize(5);threadPoolExecutor.setMaximumPoolSize(5);CustomLinkedBlockingQueuequeue=(CustomLinkedBlockingQueue)threadPoolExecutor.getQueue();queue.setCapacity();for(inti=0;i<;i++){ threadPoolExecutor.execute(()->{ try{ logExecutorInfo(threadPoolExecutor);Thread.sleep();}catch(InterruptedExceptione){ }});}Thread.currentThread().join();}

       看结果，后续添加的任务会放入队列中，并且队列大小也超过第一次设置大小，说明配置成功

最后

       参考：Java线程池实现原理及其在美团业务中的实践

       虚心学习，共同进步-_-

Java高并发编程实战5，异步注解@Async自定义线程池

       @Async注解的作用是异步处理任务。

       在使用@Async时，如果不指定线程池的名称，默认线程池是Spring默认的线程池SimpleAsyncTaskExecutor。

       默认线程池的配置如下：

       从最大线程数可以看出，在并发情况下，会无限制地创建线程。

       也可以通过yml重新配置：

       也可以自定义线程池，下面通过简单的代码来实现@Async自定义线程池。

       二、代码实例

       导入POM

       配置类AsyncTaskConfig

       UserController

       UserService

       UserServiceImpl

       三、为什么在文件内执行异步任务，还是一个线程，没有实现@Async效果？

       在众多尝试中，找到了@Async失效的几个原因：

       四、配置中使用了ThreadPoolTaskExecutor和ThreadPoolExecutor，这两个有什么区别？

       ThreadPoolTaskExecutor是spring core包中的，而ThreadPoolExecutor是JDK中的JUC。

       1、initialize()

       查看ThreadPoolTaskExecutor的initialize()方法

       2、initializeExecutor抽象方法

       再查看initializeExecutor抽象方法的具体实现类，其中有一个就是ThreadPoolTaskExecutor类，查看它的initializeExecutor方法，使用的就是ThreadPoolExecutor。

       因此可以了解到ThreadPoolTaskExecutor是对ThreadPoolExecutor进行了封装。

       五、核心线程数

       配置文件中的线程池核心线程数为何配置为Runtime.getRuntime().availableProcessors()？

       获取的是CPU核心线程数，也就是计算资源。

       在实际中，需要对具体的线程池大小进行调整，可以通过压测及机器设备现状，进行调整大小。如果线程池太大，则会造成CPU不断的切换，对整个系统性能也不会有太大的提升，反而会导致系统缓慢。

       六、线程池执行流程