线程池

技术点

1.自定义线程池
2.ThreadPoolExecutor
3.设计模式工作线程
4.fork/join线程池

异步模式之工作线程

  让有限的工作线程轮流异步处理无限多的任务，也可以归为分工模式，典型实现就是线程池，也体现了经典设计模式中的享元模式。
  注意：不同任务类型应该使用不同的线程池，这样能够避免饥饿现象，且效率上得到合理的分配
  线程饥饿现象：本是上是出现多任务混合在同一个线程池中，如果出现相互影响的状况出现类似死锁的问题，有相互关联的相关任务不作为同一线程池处理，而是单独开辟线程池

享元设计模式

  本质：运用内存共享的原理，去有效支撑大量的细颗粒度的对象
  享元工厂，一个享元工厂，用来创建并管理对象，他主要是用来确保合理地共享对象，当用户请求一个对象时，由工厂提供一个已创建的对象示例或者创建一个
  享元对象：一个重复的对象
  使用场景：如果一个程序对于某个对象进行大量应用，且使用生命周期短，可以考虑采取享元模式进行复用。

线程数量与核心数

处理器核数：
  线程核心数是一种执行资源，资源数量就是核的个数，应用程序的线程就是服务请求数，而操作系统的作用如何调配有限的资源来服务更多的请求，这就是进程调度的概念，一般情况下，服务线程相对公平的分配到核上运行，并且在时间片上轮流使用，这就是所谓的并发执行。
  比如系统是4核，如果3个线程，分配到3个核上，8哥线程，每个核分配两个线程执行，10个线程，有些核跑3个，有些跑两个。
  所以，并非线程数量越大，速度越快，线程数量太过于庞大会导致各种内存问题，因为一个线程的开辟还会涉及到线程的上下文的应用。

问题：创建多少线程合适？
  CPU密集型运算：通常采用CPU核数+1能够实现最优的CPU利用率，+1是保证当线程由于缺页时故障或其他原因导致暂停，额外的这个线程能够顶上去，保证CPU始终周期不被浪费。

I/O密集型运算：
  CPU不总是处于繁忙状态，例如，当你执行业务计算时，这时候会使用CPU资源，但当你执行IO操作，或者远程的RPC调用时，包括进行数据库操作等，这个时候CPU会闲下来，你可以利用多线程提高他的利用率。

经验公式如下：
  线程数=核数 * 期望CPU利用率 * 总时间（CPU计算时间+等待时间）/CPU计算时间例如：4核CPU，计算时间时50%，其他等待时间是50%，期望CPU被100%利用，套用公式4*100%*100%/50%=8

ThreadPoolExecutor

public ThreadPoolExecutor(int corePoolSize, int maximumPoolSize, long keepAliveTime, TimeUnit unit, BlockingQueue< Runnatle > workQueue, ThreadFactory threadFactory, RejectedExecutionMandler handler)

  corePoolSize核心线程数目
  maximumPoolSize最大线程数目
  keepAliveTime生存时间-针对救急线程
  workQueue阻塞队列
  threadFactory线程工厂，可以为线程创建时起个好名字
  handler拒绝策略

  maxSize最大线程 - coreSize核心线程 = 救急线程
  核心线程可以1个执行1个等待，当来第5个任务的时候就会扩，产生急救线程。

  利用位运算合并整型变量在并发下的意义：如果两个数都是原子变量，那么合并之后，只需要对于一个原子进行CAS操作，而不是两个CAS操作

JDK中的拒绝策略

ThreadPoolExecutor自己已经提供了4个拒绝策略：
  CallerRunsPolicy：在任务被拒绝添加后，会调用当前线程池的所在的线程去执行被拒绝的任务，这个策略的缺点就是可能阻塞主线程。
  AbortPolicy：默认的拒绝策略就是AbortPolicy，直接抛出异常，抛出个RejectedExecutionException异常，也不执行这个任务了
  DiscardPolicy：这个东西什么都没干
  DiscardOldestPolicy：当任务被拒绝添加时，会抛弃任务队列中最旧的任务也就是最先加入队列的，再把这个新任务添加进去。

ThreadPoolExecutor与当前自定义的区别

1.救急线程
  性能提升
2.状态设置
  对于线程池的管理
3.原子合并
  利用位运算进行CAS的优化
4.工厂模式的应用

fork/join线程池

  fork/join时JDK1.7后加入的新的线程池实现，他主要体现的是分治思想，适用于能够进行任务拆分的CPU密集型运算，他是为了处理大数据诞生的，所谓任务拆分，是将一个大任务拆分为算法上相同的小任务，直至不能够拆分可以直接求解，跟递归相关的一些计算，如归并排序，斐波那契数列，都可以进行分治完成，fork/join在分治的基础中加入了多线程，可以把每个任务的分解和合并交给不同的线程来完成，进一步提升运算效率，fork/join默认会创建于CPU核心数大小相同的线程池，最常见业务，对于文件夹的操作。