如何合理地估算线程池大小？

向右看齐 2022-04-02 03:18 232阅读 0赞

转载自：[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><code>1</code></td> 
   <td><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><code>1</code></td> 
   <td><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><code>1</code></td> 
   <td><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><code>1</code></td> 
   <td><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;
    002
     
    003
    import java.math.BigDecimal;
    004
    import java.math.RoundingMode;
    005
    import java.util.Timer;
    006
    import java.util.TimerTask;
    007
    import java.util.concurrent.BlockingQueue;
    008
     
    009
    /**
    010
     * A class that calculates the optimal thread pool boundaries. It takes the
    011
     * desired target utilization and the desired work queue memory consumption as
    012
     * input and retuns thread count and work queue capacity.
    013
     *
    014
     * @author Niklas Schlimm
    015
     *
    016
     */
    017
    public abstract class PoolSizeCalculator {
    018
     
    019
        /**
    020
         * The sample queue size to calculate the size of a single {@link Runnable}
    021
         * element.
    022
         */
    023
        private final int SAMPLE_QUEUE_SIZE = 1000;
    024
     
    025
        /**
    026
         * Accuracy of test run. It must finish within 20ms of the testTime
    027
         * otherwise we retry the test. This could be configurable.
    028
         */
    029
        private final int EPSYLON = 20;
    030
     
    031
        /**
    032
         * Control variable for the CPU time investigation.
    033
         */
    034
        private volatile boolean expired;
    035
     
    036
        /**
    037
         * Time (millis) of the test run in the CPU time calculation.
    038
         */
    039
        private final long testtime = 3000;
    040
     
    041
        /**
    042
         * Calculates the boundaries of a thread pool for a given {@link Runnable}.
    043
         *
    044
         * @param targetUtilization
    045
         *            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) {
    046
                    throw new IllegalStateException("Test not accurate");
    047
                }
    048
                expired = false;
    049
                start = System.currentTimeMillis();
    050
                Timer timer = new Timer();
    051
                timer.schedule(new TimerTask() {
    052
                    public void run() {
    053
                        expired = true;
    054
                    }
    055
                }, testtime);
    056
                while (!expired) {
    057
                    task.run();
    058
                }
    059
                start = System.currentTimeMillis() - start;
    060
                timer.cancel();
    061
            } while (Math.abs(start - testtime) > EPSYLON);
    062
            collectGarbage(3);
    063
        }
    064
     
    065
        private void collectGarbage(int times) {
    066
            for (int i = 0; i < times; i++) {
    067
                System.gc();
    068
                try {
    069
                    Thread.sleep(10);
    070
                } catch (InterruptedException e) {
    071
                    Thread.currentThread().interrupt();
    072
                    break;
    073
                }
    074
            }
    075
        }
    076
     
    077
        /**
    078
         * Calculates the memory usage of a single element in a work queue. Based on
    079
         * Heinz Kabbutz' ideas
    080
         * (http://www.javaspecialists.eu/archive/Issue029.html).
    081
         *
    082
         * @return memory usage of a single {@link Runnable} element in the thread
    083
         *         pools work queue
    084
         */
    085
        public long calculateMemoryUsage() {
    086
            BlockingQueue queue = createWorkQueue();
    087
            for (int i = 0; i < SAMPLE_QUEUE_SIZE; i++) {
    088
                queue.add(creatTask());
    089
            }
    090
            long mem0 = Runtime.getRuntime().totalMemory()
    091
                    - Runtime.getRuntime().freeMemory();
    092
            long mem1 = Runtime.getRuntime().totalMemory()
    093
                    - Runtime.getRuntime().freeMemory();
    094
            queue = null;
    095
            collectGarbage(15);
    096
            mem0 = Runtime.getRuntime().totalMemory()
    097
                    - Runtime.getRuntime().freeMemory();
    098
            queue = createWorkQueue();
    099
            for (int i = 0; i < SAMPLE_QUEUE_SIZE; i++) {
    100
                queue.add(creatTask());
    101
            }
    102
            collectGarbage(15);
    103
            mem1 = Runtime.getRuntime().totalMemory()
    104
                    - Runtime.getRuntime().freeMemory();
    105
            return (mem1 - mem0) / SAMPLE_QUEUE_SIZE;
    106
        }
    107
     
    108
        /**
    109
         * Create your runnable task here.
    110
         *
    111
         * @return an instance of your runnable task under investigation
    112
         */
    113
        protected abstract Runnable creatTask();
    114
     
    115
        /**
    116
         * Return an instance of the queue used in the thread pool.
    117
         *
    118
         * @return queue instance
    119
         */
    120
        protected abstract BlockingQueue createWorkQueue();
    121
     
    122
        /**
    123
         * Calculate current cpu time. Various frameworks may be used here,
    124
         * depending on the operating system in use. (e.g.
    125
         * http://www.hyperic.com/products/sigar). The more accurate the CPU time
    126
         * measurement, the more accurate the results for thread count boundaries.
    127
         *
    128
         * @return current cpu time of current thread
    129
         */
    130
        protected abstract long getCurrentThreadCPUTime();
    131
     
    132
    }
    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：
    
    view sourceprint?
    01
    package pool_size_calculate;
    02
     
    03
    import java.io.BufferedReader;
    04
    import java.io.IOException;
    05
    import java.io.InputStreamReader;
    06
    import java.lang.management.ManagementFactory;
    07
    import java.math.BigDecimal;
    08
    import java.net.HttpURLConnection;
    09
    import java.net.URL;
    10
    import java.util.concurrent.BlockingQueue;
    11
    import java.util.concurrent.LinkedBlockingQueue;
    12
     
    13
    public class SimplePoolSizeCaculatorImpl extends PoolSizeCalculator {
    14
     
    15
        @Override
    16
        protected Runnable creatTask() {
    17
            return new AsyncIOTask();
    18
        }
    19
     
    20
        @Override
    21
        protected BlockingQueue createWorkQueue() {
    22
            return new LinkedBlockingQueue(1000);
    23
        }
    24
     
    25
        @Override
    26
        protected long getCurrentThreadCPUTime() {
    27
            return ManagementFactory.getThreadMXBean().getCurrentThreadCpuTime();
    28
        }
    29
     
    30
        public static void main(String[] args) {
    31
            PoolSizeCalculator poolSizeCalculator = new SimplePoolSizeCaculatorImpl();
    32
            poolSizeCalculator.calculateBoundaries(new BigDecimal(1.0), new BigDecimal(100000));
    33
        }
    34
     
    35
    }
    36
     
    37
    /**
    38
     * 自定义的异步IO任务
    39
     * @author Will
    40
     *
    41
     */
    42
    class AsyncIOTask implements Runnable {
    43
     
    44
        @Override
    45
        public void run() {
    46
            HttpURLConnection connection = null;
    47
            BufferedReader reader = null;
    48
            try {
    49
                String getURL = "http://baidu.com";
    50
                URL getUrl = new URL(getURL);
    51
     
    52
                connection = (HttpURLConnection) getUrl.openConnection();
    53
                connection.connect();
    54
                reader = new BufferedReader(new InputStreamReader(
    55
                        connection.getInputStream()));
    56
     
    57
                String line;
    58
                while ((line = reader.readLine()) != null) {
    59
                    // empty loop
    60
                }
    61
            }
    62
     
    63
            catch (IOException e) {
    64
     
    65
            } finally {
    66
                if(reader != null) {
    67
                    try {
    68
                        reader.close();
    69
                    }
    70
                    catch(Exception e) {
    71
     
    72
                    }
    73
                }
    74
                connection.disconnect();
    75
            }
    76
     
    77
        }
    78
     
    79
    }

得到的输出如下：

Target queue memory usage (bytes): 100000
    02
    createTask() produced pool_size_calculate.AsyncIOTask which took 40 bytes in a queue
    03
    Formula: 100000 / 40
    04
    * Recommended queue capacity (bytes): 2500
    05
    Number of CPU: 4
    06
    Target utilization: 1
    07
    Elapsed time (nanos): 3000000000
    08
    Compute time (nanos): 47181000
    09
    Wait time (nanos): 2952819000
    10
    Formula: 4 * 1 * (1 + 2952819000 / 47181000)
    11
    * Optimal thread count: 256

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：

ThreadPoolExecutor pool =
    2
     new ThreadPoolExecutor(256, 256, 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue(2500));

[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，232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/ 233 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