又又又踩坑了
生產有個對賬系統，每天需要從渠道端下載對賬文件，然後開始日終對賬。這個系統已經運行了很久，前两天突然收到短信預警，沒有獲取渠道端對賬文件。
ps:對賬系統詳細實現方式：對賬系統設計與實現
本以為又是渠道端搞事情，上去一排查才發現，所有下載任務都被阻塞了。再進一步排查源碼，才發現自己一直用錯了線程池某個方法。
由於線程創建比較昂貴，正式項目中我們都會使用線程池執行異步任務。線程池，使用池化技術保存線程對象，使用的時候直接取出來，用完歸還以便使用。
雖然線程池的使用非常方法非常簡單，但是越簡單，越容易踩坑。細數一下，這些年來因為線程池導致生產事故也有好幾起。
所以今天，小黑哥就針對線程池的話題，給大家演示一下怎麼使用線程池才會踩坑。
希望大家看完，可以完美避開這些坑~
先贊后看，養成習慣。微信搜索「程序通事」，關注就完事了！
慎用 Executors 組件
Java 從 JDK1.5 開始提供線程池的實現類，我們只需要在構造函數內傳入相關參數，就可以創建一個線程池。
不過線程池的構造函數可以說非常複雜，就算最簡單的那個構造函數，也需要傳入 5 個參數。這對於新手來說，非常不方便哇。
也許 JDK 開發者也考慮到這個問題，所以非常貼心給我們提供一個工具類 Executors，用來快捷創建創建線程池。
雖然這個工具類使用真的非常方便，可以少寫很多代碼，但是小黑哥還是建議生產系統還是老老實實手動創建線程池，慎用Executors，尤其是工具類中兩個方法 Executors#newFixedThreadPool與 Executors#newCachedThreadPool。
如果你圖了方便使用上述方法創建了線程池，那就是一顆定時炸彈，說不準那一天生產系統就會。
我們來看兩個，看下這個這兩個方法會有什麼問題。
假設我們有個應用有個批量接口，每次請求將會下載 100w 個文件，這裏我們使用 Executors#newFixedThreadPool批量下載。
下面方法中，我們隨機休眠，模擬真實下載耗時。
為了快速復現問題，調整 JVM 參數為 -Xmx128m -Xms128m 。
private ExecutorService threadPool = Executors.newFixedThreadPool(10);
/**
* 批量下載對賬文件
*
* @return
*/
@RequestMapping("/batchDownload")
public String batchDownload() {
// 模擬下載 100w 個文件
for (int i = 0; i < 1000000; i++) {
threadPool.execute(() -> {
// 隨機休眠，模擬下載耗時
Random random = new Random();
try {
TimeUnit.SECONDS.sleep(random.nextInt(100));
} catch (InterruptedException e) {
e.printStackTrace();
}
});
}
return "process";
}
程序運行之後，多請求幾次這個批量下載方法，程序很快就會 OOM 。
查看 Executors#newFixedThreadPool源碼，我們可以看到這個方法創建了一個默認的 LinkedBlockingQueue 當做任務隊列。
public static ExecutorService newFixedThreadPool(int nThreads) {
return new ThreadPoolExecutor(nThreads, nThreads,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue<Runnable>());
}
這個問題槽點就在於 LinkedBlockingQueue，這個隊列的默認構造方法如下：
/**
* Creates a {@code LinkedBlockingQueue} with a capacity of
* {@link Integer#MAX_VALUE}.
*/
public LinkedBlockingQueue() {
this(Integer.MAX_VALUE);
}
創建 LinkedBlockingQueue 隊列時，如果我們不指定隊列數量，默認數量上限為 Integer.MAX_VALUE。這麼大的數量，我們簡直可以當做無界隊列了。
上面我們使用 newFixedThreadPool，我們僅使用了固定數量的線程下載。如果線程都在執行任務，線程池將會任務加入任務隊列中。
如果線程池執行任務過慢，任務將會一直堆積在隊列中。由於我們隊列可以認為是無界的，可以無限制添加任務，這就導致內存佔用越來越高，直到 OOM 爆倉。
ps：線程池基本工作原理
下面我們將上面的例子稍微修改一下，使用 newCachedThreadPool 創建線程池。
程序運行之後，多請求幾次這個批量下載方法，程序很快就會 OOM ，不過這次報錯信息與之前信息與之前不同。
從報錯信息來看，這次 OOM 的主要原因是因為無法再創建新的線程。
這次看下一下 newCachedThreadPool 方法的源碼，可以看到這個方法將會創建最大線程數為 Integer.MAX_VALUE 的的線程池。
由於這個線程池使用 SynchronousQueue 隊列，這個隊列比較特殊，沒辦法存儲任務。所以默認情況下，線程池只要接到一個任務，就會創建一個線程。
一旦線程池收到大量任務，就會創建大量線程。Java 中的線程是會佔用一定的內存空間 ，所以創建大量的線程是必然會導致 OOM。
先贊后看，養成習慣。微信搜索「程序通事」，關注就完事了！
復用線程池
由於線程池的構造方法比較複雜，而 Executors 創建的線程池比較坑，所以我們有個項目中自己封裝了一個線程池工具類。
工具類代碼如下：
public static ThreadPoolExecutor getThreadPool() {
// 為了快速復現問題，故將線程池 核心線程數與最大線程數設置為 100
return new ThreadPoolExecutor(100, 100, 60, TimeUnit.SECONDS, new LinkedBlockingDeque<>(200));
}
項目代碼中這樣使用這個工具類：
@RequestMapping("/batchDownload")
public String batchDownload() {
ExecutorService threadPool = ThreadPoolUtils.getThreadPool();
// 模擬下載 100w 個文件
for (int i = 0; i < 100; i++) {
threadPool.execute(() -> {
// 隨機休眠，模擬下載耗時
Random random = new Random();
try {
TimeUnit.SECONDS.sleep(random.nextInt(100));
} catch (InterruptedException e) {
e.printStackTrace();
}
});
}
return "process";
}
使用 WRK 工具對這個接口同時發起多個請求，很快應用就會拋出 OOM。
每次請求都會創建一個新的線程池執行任務，如果短時間內有大量的請求，就會創建很多的線程池，間接導致創建很多線程。從而導致內存佔盡，發生 OOM 問題。
這個問題修復辦法很簡單，要麼工具類生成一個單例線程池，要麼項目代碼中復用創建出來的線程池。
Spring 異步任務
上面代碼中我們都是自己創建一個線程池執行異步任務，這樣還是比較麻煩。在 Spring 中， 我們可以在方法上使用 Spring 註解 @Async，然後執行異步任務。
代碼如下：
@Async
public void async() throws InterruptedException {
log.info("async process");
Random random = new Random();
TimeUnit.SECONDS.sleep(random.nextInt(100));
}
不過使用 Spring 異步任務，我們需要自定義線程池，不然大量請求下，還是有可能發生 OOM 問題。
這是原因主要是 Spring 異步任務默認使用 Spring 內部線程池 SimpleAsyncTaskExecutor 。
這個線程池比較坑爹，不會復用線程。也就是說來一個請求，將會新建一個線程。
所以如果需要使用異步任務，一定要使用自定義線程池替換默認線程池。
如果使用 XML 配置，我們可以增加如下配置：
<task:executor id="myexecutor" pool-size="5" />
<task:annotation-driven executor="myexecutor"/>
如果使用註解配置，我們需要設置一個 Bean：
@Bean(name = "threadPoolTaskExecutor")
public Executor threadPoolTaskExecutor() {
ThreadPoolTaskExecutor executor=new ThreadPoolTaskExecutor();
executor.setCorePoolSize(5);
executor.setMaxPoolSize(10);
executor.setThreadNamePrefix("test-%d");
// 其他設置
return new ThreadPoolTaskExecutor();
}
然後使用註解時指定線程池名稱：
@Async("threadPoolTaskExecutor")
public void xx() {
// 業務邏輯
}
如果是 SpringBoot 項目，從本人測試情況來看，默認將會創建核心線程數為 8，最大線程數為 Integer.MAX_VALUE，隊列數也為 Integer.MAX_VALUE線程池。
ps:以下代碼基於 Spring-Boot 2.1.6-RELEASE，暫不確定 Spring-Boot 1.x 版本是否也是這種策略，熟悉的同學的，也可以留言指出一下。
雖然上面的線程池不用擔心創建過多線程的問題，不是還是有可能隊列任務過多，導致 OOM 的問題。所以還是建議使用自定義線程池嗎，或者在配置文件修改默認配置，例如：
spring.task.execution.pool.core-size=10
spring.task.execution.pool.max-size=20
spring.task.execution.pool.queue-capacity=200
Spring 相關踩坑案例： Spring 定時任務突然不執行
線程池方法使用不當
最後再來說下文章開頭的我踩到的這個坑，這個問題主要是因為理解錯這個方法。
錯誤代碼如下：
// 創建線程池
ExecutorService threadPool = ...
List<Callable<String>> tasks = new ArrayList<>();
// 批量創建任務
for (int i = 0; i < 100; i++) {
tasks.add(() -> {
Random random = new Random();
try {
TimeUnit.SECONDS.sleep(random.nextInt(100));
} catch (InterruptedException e) {
e.printStackTrace();
}
return "success";
});
}
// 執行所有任務
List<Future<String>> futures = threadPool.invokeAll(tasks);
// 獲取結果
for (Future<String> future : futures) {
try {
future.get();
} catch (ExecutionException e) {
e.printStackTrace();
}
}
上面代碼中，使用 invokeAll執行所有任務。由於這個方法返回值為 List<Future<T>>，我誤以為這個方法如 submit一樣，異步執行，不會阻塞主線程。
實際上從源碼上，這個方法實際上逐個調用 Future#get獲取任務結果，而這個方法會同步阻塞主線程。
一旦某個任務被永久阻塞，比如 Socket 網絡連接位置超時時間，導致任務一直阻塞在網絡連接，間接導致這個方法一直被阻塞，從而影響後續方法執行。
如果需要使用 invokeAll 方法，最好使用其另外一個重載方法，設置超時時間。
總結
今天文章通過幾個例子，給大家展示了一下線程池使用過程一些坑。為了快速復現問題，上面的示例代碼還是比較極端，實際中可能並不會這麼用。
不過即使這樣，我們千萬不要抱着僥倖的心理，認為這些任務很快就會執行結束。我們在生產上碰到好幾次事故，正常的情況執行都很快。但是偶爾外部程序抽瘋，返回時間變長，就可能導致系統中存在大量任務，導致 OOM。
最後總結一下幾個線程池幾個最佳實踐：
第一，生產系統慎用 Executors 類提供的便捷方法，我們需要自己根據自己的業務場景，配置合理的線程數，任務隊列，拒絕策略，線程回收策略等等，並且一定記得自定義線程池的命名方式，以便於後期排查問題。
第二，線程池不要重複創建，每次都創建一個線程池可能比不用線程池還要糟糕。如果使用其他同學創建的線程池工具類，最好還是看一下實現方式，防止自己誤用。
第三，一定不要按照自己的片面理解去使用 API 方法，如果把握不準，一定要去看下方法上註釋以及相關源碼。
歡迎關注我的公眾號：程序通事，獲得日常乾貨推送。如果您對我的專題內容感興趣，也可以關注我的博客：studyidea.cn
本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理
【其他文章推薦】
※想知道網站建置、網站改版該如何進行嗎?將由專業工程師為您規劃客製化網頁設計及後台網頁設計
※不管是台北網頁設計公司、台中網頁設計公司，全省皆有專員為您服務
※Google地圖已可更新顯示潭子電動車充電站設置地點!!
※帶您來看台北網站建置，台北網頁設計，各種案例分享
※別再煩惱如何寫文案,掌握八大原則!
