如何合理地估算线程池大小？

爱被打了一巴掌 2021-06-24 15:59 476阅读 0赞

[http://ifeve.com/how-to-calculate-threadpool-size/][http_ifeve.com_how-to-calculate-threadpool-size]

**如何合理地估算线程池大小？**

这个问题虽然看起来很小，却并不那么容易回答。大家如果有更好的方法欢迎赐教，先来一个天真的估算方法：假设要求一个系统的TPS（Transaction Per Second或者Task Per Second）至少为20，然后假设每个Transaction由一个线程完成，继续假设平均每个线程处理一个Transaction的时间为4s。那么问题转化为：

**如何设计线程池大小，使得可以在1s内处理完20个Transaction？**

计算过程很简单，每个线程的处理能力为0.25TPS，那么要达到20TPS，显然需要20/0.25=80个线程。

很显然这个估算方法很天真，因为它没有考虑到CPU数目。一般服务器的CPU核数为16或者32，如果有80个线程，那么肯定会带来太多不必要的线程上下文切换开销。  
  
再来第二种简单的但不知是否可行的方法（N为CPU总核数）：

*  如果是CPU密集型应用，则线程池大小设置为N+1
 *  如果是IO密集型应用，则线程池大小设置为2N+1

如果一台服务器上只部署这一个应用并且只有这一个线程池，那么这种估算或许合理，具体还需自行测试验证。

接下来在这个文档：服务器性能IO优化 中发现一个估算公式：

<table> 
 <tbody> 
  <tr> 
   <td style="vertical-align:top;"><code>1</code></td> 
   <td style="vertical-align:top;"><code>最佳线程数目 = （（线程等待时间+线程CPU时间）/线程CPU时间 ）* CPU数目</code></td> 
  </tr> 
 </tbody> 
</table>

比如平均每个线程CPU运行时间为0.5s，而线程等待时间（非CPU运行时间，比如IO）为1.5s，CPU核心数为8，那么根据上面这个公式估算得到：((0.5+1.5)/0.5)\*8=32。这个公式进一步转化为：

<table> 
 <tbody> 
  <tr> 
   <td style="vertical-align:top;"><code>1</code></td> 
   <td style="vertical-align:top;"><code>最佳线程数目 = （线程等待时间与线程CPU时间之比 + 1）* CPU数目</code></td> 
  </tr> 
 </tbody> 
</table>

可以得出一个结论：

**线程等待时间所占比例越高，需要越多线程。线程CPU时间所占比例越高，需要越少线程。**

上一种估算方法也和这个结论相合。

一个系统最快的部分是CPU，所以决定一个系统吞吐量上限的是CPU。增强CPU处理能力，可以提高系统吞吐量上限。但根据短板效应，真实的系统吞吐量并不能单纯根据CPU来计算。那要提高系统吞吐量，就需要从“系统短板”（比如网络延迟、IO）着手：

*  尽量提高短板操作的并行化比率，比如多线程下载技术
 *  增强短板能力，比如用NIO替代IO

第一条可以联系到Amdahl定律，这条定律定义了串行系统并行化后的加速比计算公式：

<table> 
 <tbody> 
  <tr> 
   <td style="vertical-align:top;"><code>1</code></td> 
   <td style="vertical-align:top;"><code>加速比=优化前系统耗时 / 优化后系统耗时</code></td> 
  </tr> 
 </tbody> 
</table>

加速比越大，表明系统并行化的优化效果越好。Addahl定律还给出了系统并行度、CPU数目和加速比的关系，加速比为Speedup，系统串行化比率（指串行执行代码所占比率）为F，CPU数目为N：

<table> 
 <tbody> 
  <tr> 
   <td style="vertical-align:top;"><code>1</code></td> 
   <td style="vertical-align:top;"><code>Speedup &lt;=&nbsp;</code><code>1</code>&nbsp;<code>/ (F + (</code><code>1</code><code>-F)/N)</code></td> 
  </tr> 
 </tbody> 
</table>

当N足够大时，串行化比率F越小，加速比Speedup越大。

写到这里，我突然冒出一个问题。

**是否使用线程池就一定比使用单线程高效呢？**

答案是否定的，比如Redis就是单线程的，但它却非常高效，基本操作都能达到十万量级/s。从线程这个角度来看，部分原因在于：

*  多线程带来线程上下文切换开销，单线程就没有这种开销
 *  锁

当然“Redis很快”更本质的原因在于：Redis基本都是内存操作，这种情况下单线程可以很高效地利用CPU。而多线程适用场景一般是：存在相当比例的IO和网络操作。

所以即使有上面的简单估算方法，也许看似合理，但实际上也未必合理，都需要结合系统真实情况（比如是IO密集型或者是CPU密集型或者是纯内存操作）和硬件环境（CPU、内存、硬盘读写速度、网络状况等）来不断尝试达到一个符合实际的合理估算值。

最后来一个“Dark Magic”估算方法（因为我暂时还没有搞懂它的原理），使用下面的类：

package pool_size_calculate;
    
    import java.math.BigDecimal;
    import java.math.RoundingMode;
    import java.util.Timer;
    import java.util.TimerTask;
    import java.util.concurrent.BlockingQueue;
    
    /**
     * A class that calculates the optimal thread pool boundaries. It takes the
     * desired target utilization and the desired work queue memory consumption as
     * input and retuns thread count and work queue capacity.
     *
     * @author Niklas Schlimm
     *
     */
    public abstract class PoolSizeCalculator {
    
    	/**
    	 * The sample queue size to calculate the size of a single {@link Runnable}
    	 * element.
    	 */
    	private final int SAMPLE_QUEUE_SIZE = 1000;
    
    	/**
    	 * Accuracy of test run. It must finish within 20ms of the testTime
    	 * otherwise we retry the test. This could be configurable.
    	 */
    	private final int EPSYLON = 20;
    
    	/**
    	 * Control variable for the CPU time investigation.
    	 */
    	private volatile boolean expired;
    
    	/**
    	 * Time (millis) of the test run in the CPU time calculation.
    	 */
    	private final long testtime = 3000;
    
    	/**
    	 * Calculates the boundaries of a thread pool for a given {@link Runnable}.
    	 *
    	 * @param targetUtilization
    	 *            the desired utilization of the CPUs (0 <= targetUtilization <= 	 *            1) 	 * @param targetQueueSizeBytes 	 *            the desired maximum work queue size of the thread pool (bytes) 	 */ 	protected void calculateBoundaries(BigDecimal targetUtilization, 			BigDecimal targetQueueSizeBytes) { 		calculateOptimalCapacity(targetQueueSizeBytes); 		Runnable task = creatTask(); 		start(task); 		start(task); // warm up phase 		long cputime = getCurrentThreadCPUTime(); 		start(task); // test intervall 		cputime = getCurrentThreadCPUTime() - cputime; 		long waittime = (testtime * 1000000) - cputime; 		calculateOptimalThreadCount(cputime, waittime, targetUtilization); 	} 	private void calculateOptimalCapacity(BigDecimal targetQueueSizeBytes) { 		long mem = calculateMemoryUsage(); 		BigDecimal queueCapacity = targetQueueSizeBytes.divide(new BigDecimal( 				mem), RoundingMode.HALF_UP); 		System.out.println("Target queue memory usage (bytes): " 				+ targetQueueSizeBytes); 		System.out.println("createTask() produced " 				+ creatTask().getClass().getName() + " which took " + mem 				+ " bytes in a queue"); 		System.out.println("Formula: " + targetQueueSizeBytes + " / " + mem); 		System.out.println("* Recommended queue capacity (bytes): " 				+ queueCapacity); 	} 	/** 	 * Brian Goetz' optimal thread count formula, see 'Java Concurrency in 	 * Practice' (chapter 8.2) 	 *  	 * @param cpu 	 *            cpu time consumed by considered task 	 * @param wait 	 *            wait time of considered task 	 * @param targetUtilization 	 *            target utilization of the system 	 */ 	private void calculateOptimalThreadCount(long cpu, long wait, 			BigDecimal targetUtilization) { 		BigDecimal waitTime = new BigDecimal(wait); 		BigDecimal computeTime = new BigDecimal(cpu); 		BigDecimal numberOfCPU = new BigDecimal(Runtime.getRuntime() 				.availableProcessors()); 		BigDecimal optimalthreadcount = numberOfCPU.multiply(targetUtilization) 				.multiply( 						new BigDecimal(1).add(waitTime.divide(computeTime, 								RoundingMode.HALF_UP))); 		System.out.println("Number of CPU: " + numberOfCPU); 		System.out.println("Target utilization: " + targetUtilization); 		System.out.println("Elapsed time (nanos): " + (testtime * 1000000)); 		System.out.println("Compute time (nanos): " + cpu); 		System.out.println("Wait time (nanos): " + wait); 		System.out.println("Formula: " + numberOfCPU + " * " 				+ targetUtilization + " * (1 + " + waitTime + " / " 				+ computeTime + ")"); 		System.out.println("* Optimal thread count: " + optimalthreadcount); 	} 	/** 	 * Runs the {@link Runnable} over a period defined in {@link #testtime}. 	 * Based on Heinz Kabbutz' ideas 	 * (http://www.javaspecialists.eu/archive/Issue124.html). 	 *  	 * @param task 	 *            the runnable under investigation 	 */ 	public void start(Runnable task) { 		long start = 0; 		int runs = 0; 		do { 			if (++runs > 5) {
    				throw new IllegalStateException("Test not accurate");
    			}
    			expired = false;
    			start = System.currentTimeMillis();
    			Timer timer = new Timer();
    			timer.schedule(new TimerTask() {
    				public void run() {
    					expired = true;
    				}
    			}, testtime);
    			while (!expired) {
    				task.run();
    			}
    			start = System.currentTimeMillis() - start;
    			timer.cancel();
    		} while (Math.abs(start - testtime) > EPSYLON);
    		collectGarbage(3);
    	}
    
    	private void collectGarbage(int times) {
    		for (int i = 0; i < times; i++) {
    			System.gc();
    			try {
    				Thread.sleep(10);
    			} catch (InterruptedException e) {
    				Thread.currentThread().interrupt();
    				break;
    			}
    		}
    	}
    
    	/**
    	 * Calculates the memory usage of a single element in a work queue. Based on
    	 * Heinz Kabbutz' ideas
    	 * (http://www.javaspecialists.eu/archive/Issue029.html).
    	 *
    	 * @return memory usage of a single {@link Runnable} element in the thread
    	 *         pools work queue
    	 */
    	public long calculateMemoryUsage() {
    		BlockingQueue queue = createWorkQueue();
    		for (int i = 0; i < SAMPLE_QUEUE_SIZE; i++) {
    			queue.add(creatTask());
    		}
    		long mem0 = Runtime.getRuntime().totalMemory()
    				- Runtime.getRuntime().freeMemory();
    		long mem1 = Runtime.getRuntime().totalMemory()
    				- Runtime.getRuntime().freeMemory();
    		queue = null;
    		collectGarbage(15);
    		mem0 = Runtime.getRuntime().totalMemory()
    				- Runtime.getRuntime().freeMemory();
    		queue = createWorkQueue();
    		for (int i = 0; i < SAMPLE_QUEUE_SIZE; i++) {
    			queue.add(creatTask());
    		}
    		collectGarbage(15);
    		mem1 = Runtime.getRuntime().totalMemory()
    				- Runtime.getRuntime().freeMemory();
    		return (mem1 - mem0) / SAMPLE_QUEUE_SIZE;
    	}
    
    	/**
    	 * Create your runnable task here.
    	 *
    	 * @return an instance of your runnable task under investigation
    	 */
    	protected abstract Runnable creatTask();
    
    	/**
    	 * Return an instance of the queue used in the thread pool.
    	 *
    	 * @return queue instance
    	 */
    	protected abstract BlockingQueue createWorkQueue();
    
    	/**
    	 * Calculate current cpu time. Various frameworks may be used here,
    	 * depending on the operating system in use. (e.g.
    	 * http://www.hyperic.com/products/sigar). The more accurate the CPU time
    	 * measurement, the more accurate the results for thread count boundaries.
    	 *
    	 * @return current cpu time of current thread
    	 */
    	protected abstract long getCurrentThreadCPUTime();
    
    }

然后自己继承这个抽象类并实现它的三个抽象方法，比如下面是我写的一个示例（任务是请求网络数据），其中我指定期望CPU利用率为1.0（即100%），任务队列总大小不超过100,000字节：

package pool_size_calculate;
    
    import java.io.BufferedReader;
    import java.io.IOException;
    import java.io.InputStreamReader;
    import java.lang.management.ManagementFactory;
    import java.math.BigDecimal;
    import java.net.HttpURLConnection;
    import java.net.URL;
    import java.util.concurrent.BlockingQueue;
    import java.util.concurrent.LinkedBlockingQueue;
    
    public class SimplePoolSizeCaculatorImpl extends PoolSizeCalculator {
    
    	@Override
    	protected Runnable creatTask() {
    		return new AsyncIOTask();
    	}
    
    	@Override
    	protected BlockingQueue createWorkQueue() {
    		return new LinkedBlockingQueue(1000);
    	}
    
    	@Override
    	protected long getCurrentThreadCPUTime() {
    		return ManagementFactory.getThreadMXBean().getCurrentThreadCpuTime();
    	}
    
    	public static void main(String[] args) {
    		PoolSizeCalculator poolSizeCalculator = new SimplePoolSizeCaculatorImpl();
    		poolSizeCalculator.calculateBoundaries(new BigDecimal(1.0), new BigDecimal(100000));
    	}
    
    }
    
    /**
     * 自定义的异步IO任务
     * @author Will
     *
     */
    class AsyncIOTask implements Runnable {
    
    	@Override
    	public void run() {
    		HttpURLConnection connection = null;
    		BufferedReader reader = null;
    		try {
    			String getURL = "http://baidu.com";
    			URL getUrl = new URL(getURL);
    
    			connection = (HttpURLConnection) getUrl.openConnection();
    			connection.connect();
    			reader = new BufferedReader(new InputStreamReader(
    					connection.getInputStream()));
    
    			String line;
    			while ((line = reader.readLine()) != null) {
    				// empty loop
    			}
    		}
    
    		catch (IOException e) {
    
    		} finally {
    			if(reader != null) {
    				try {
    					reader.close();
    				}
    				catch(Exception e) {
    
    				}
    			}
    			connection.disconnect();
    		}
    
    	}
    
    }

推荐的任务队列大小为2500，线程数为256，有点出乎意料之外。我可以如下构造一个线程池：

Target queue memory usage (bytes): 100000
    createTask() produced pool_size_calculate.AsyncIOTask which took 40 bytes in a queue
    Formula: 100000 / 40
    * Recommended queue capacity (bytes): 2500
    Number of CPU: 4
    Target utilization: 1
    Elapsed time (nanos): 3000000000
    Compute time (nanos): 47181000
    Wait time (nanos): 2952819000
    Formula: 4 * 1 * (1 + 2952819000 / 47181000)
    * Optimal thread count: 256

[http_ifeve.com_how-to-calculate-threadpool-size]: http://ifeve.com/how-to-calculate-threadpool-size/

发表评论取消回复

表情：

评论列表（有 0 条评论，476人围观）

还没有评论，来说两句吧...

相关阅读

相关线程池合理配置

为了合理的配置线程池的线程数，我们把任务分为两种类型，第一种是CPU密集型，第二种是IO密集型。CPU密集型指的是没有IO交互的任务，就是没有用数据库，也没有生成文件，也没有网

分手后的思念是犯贱/ 2023年10月11日 16:14/ 0 赞/ 53 阅读

相关多线程：如何合理地估算线程池大小？

如何合理地估算线程池大小这个问题虽然看起来很小，却并不那么容易回答。大家如果有更好的方法欢迎赐教，先来一个天真的估算方法：假设要求一个系统的TPS（Transactio

我就是我/ 2023年06月14日 11:56/ 0 赞/ 31 阅读

相关 eclipse mysql 线程池_如何合理地估算线程池大小？

这个问题虽然看起来很小，却并不那么容易回答。大家如果有更好的方法欢迎赐教，先来一个天真的估算方法：假设要求一个系统的TPS(Transaction Per Second

分手后的思念是犯贱/ 2022年10月31日 01:34/ 0 赞/ 205 阅读

相关如何合理地估算线程池大小

文章目录 CPU密集型执行结果图标结果得出结论

墨蓝/ 2022年10月28日 03:48/ 0 赞/ 178 阅读

相关如何合理地估算线程池大小

如何合理地估算线程池大小？这个问题虽然看起来很小，却并不那么容易回答。大家如果有更好的方法欢迎赐教，先来一个天真的估算方法：假设要求一个系统的TPS（Transaction

左手的ㄟ右手/ 2022年07月14日 11:39/ 0 赞/ 238 阅读

相关如何合理设置线程池大小

接着上一篇探讨线程池留下的尾巴，如何合理的设置线程池大小。要想合理的配置线程池的大小，首先得分析任务的特性，可以从以下几个角度分析： 1. 任务的性质：CPU密集型任

女爷i/ 2022年05月15日 06:43/ 0 赞/ 291 阅读

相关估算线程池大小

1 cpu密集型：主要时间用于执行代码。cpu数目+1 2 io密集型：主要时间用于操作内容，硬盘(查询数据库，nosql)。2\cpu数目+1 3 线程等

た入场券/ 2022年05月13日 23:51/ 0 赞/ 296 阅读

相关如何合理地估算线程池大小？

转载自：[http://ifeve.com/how-to-calculate-threadpool-size/][http_ifeve.com_how-to-calculate

向右看齐/ 2022年04月02日 03:18/ 0 赞/ 232 阅读

相关 java线程池如何合理的设置大小

线程池究竟设置多大要看你的线程池执行的什么任务了，CPU密集型、IO密集型、混合型，任务类型不同，设置的方式也不一样任务一般分为：CPU密集型、IO密集型、混合型，对于不同

深藏阁楼爱情的钟/ 2022年02月28日 11:20/ 0 赞/ 280 阅读

相关如何合理地估算线程池大小？

[http://ifeve.com/how-to-calculate-threadpool-size/][http_ifeve.com_how-to-calculate-thr

爱被打了一巴掌/ 2021年06月24日 15:59/ 0 赞/ 477 阅读