【转】怎么合理地估算线程池大小 - 互联网当前位置:& &&&【转】怎么合理地估算线程池大小【转】怎么合理地估算线程池大小&&网友分享于：&&浏览：0次【转】如何合理地估算线程池大小？
原文地址：/how-to-calculate-threadpool-size/
感谢网友【蒋小强】投稿。
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：
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
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：
最佳线程数目 = （线程等待时间与线程CPU时间之比 + 1）* CPU数目
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：
加速比=优化前系统耗时 / 优化后系统耗时
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：
Speedup &= 1 / (F + (1-F)/N)
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
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_
import java.math.BigD
import java.math.RoundingM
import java.util.T
import java.util.TimerT
import java.util.concurrent.BlockingQ
* 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
* 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
* 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
Runnable}.
* @param targetUtilization
the desired utilization of the CPUs (0 &= targetUtilization &=
* @param targetQueueSizeBytes
the desired maximum work queue size of the thread pool (bytes)
protected voidcalculateBoundaries(BigDecimal targetUtilization,
BigDecimal targetQueueSizeBytes) {
calculateOptimalCapacity(targetQueueSizeBytes);
Runnable task = creatTask();
start(task);
start(task);
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() -
timer.cancel();
} while (Math.abs(start - testtime) & EPSYLON);
collectGarbage(3);
private void collectGarbage(int times) {
for (int i = 0; i & i++) {
System.gc();
Thread.sleep(10);
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
* 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
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.
* /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_
import java.io.BufferedR
import java.io.IOE
import java.io.InputStreamR
import java.lang.management.ManagementF
import java.math.BigD
import java.net.HttpURLC
import java.net.URL;
import java.util.concurrent.BlockingQ
import java.util.concurrent.LinkedBlockingQ
public class SimplePoolSizeCaculatorImpl extends PoolSizeCalculator {
protected Runnable creatTask() {
return new AsyncIOTask();
protected BlockingQueue createWorkQueue() {
return new LinkedBlockingQueue(1000);
protected long getCurrentThreadCPUTime() {
return ManagementFactory.getThreadMXBean().getCurrentThreadCpuTime();
public static void main(String[] args) {
PoolSizeCalculator poolSizeCalculator = new SimplePoolSizeCaculatorImpl();
poolSizeCalculator.calculateBoundaries(new BigDecimal(1.0), newBigDecimal(100000));
* 自定义的异步IO任务
* @author Will
class AsyncIOTask implements Runnable {
public void run() {
HttpURLConnection connection = null;
BufferedReader reader = null;
String getURL = "";
URL getUrl = new URL(getURL);
connection = (HttpURLConnection) getUrl.openConnection();
connection.connect();
reader = new BufferedReader(new InputStreamReader(
connection.getInputStream()));
while ((line = reader.readLine()) != null) {
catch (IOException e) {
} finally {
if(reader != null) {
reader.close();
catch(Exception e) {
connection.disconnect();
得到的输出如下：
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):
Compute time (nanos):
Wait time (nanos):
Formula: 4 * 1 * (1 +
* 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：
查看源代码
ThreadPoolExecutor pool =
new ThreadPoolExecutor(256, 256, 0L, TimeUnit.MILLISECONDS, newLinkedBlockingQueue(2500));
12345678910
12345678910
12345678910 上一篇：下一篇：文章评论相关解决方案 12345678910 Copyright & &&版权所有浅谈.NET下的多线程和并行计算（五）线程池基础上
浅谈.NET下的多线程和并行计算（五）线程池基础上
13:54:00来源：
　　阅读: 127 评论: 0 作者:
13:20 池（Pool）是一个很常见的提高性能的方式。比如线程池连接池等，之所以有这些池是因为线程和数据库连接的创建和关闭是一种比较昂贵的行为。对于这种昂贵的资源我们往往会考虑在一个池容器中放置一些资源，在用的时候去拿，在不够的时候添点，在用完就归还，这样就可以避免不断的创建资源和销毁资源。
首先，要理解线程池线程分为两类工作线程和IO线程，可以单独设置最小线程数和最大线程数：
ThreadPool.SetMinThreads(2, 2);
ThreadPool.SetMaxThreads(4, 4);
最大线程数很好理解，就是线程池最多创建这些线程，如果最大4个线程，现在这4个线程都在运行的话，后续进来的线程只能排队等待了。那么为什么有最小线程一说法呢？其实之所以使用线程池是不希望线程在创建后运行结束后理解回收，这样的话以后要用的时候还需要创建，我们可以让线程池至少保留几个线程，即使没有线程在工作也保留。上述语句我们设置线程池一开始就保持2个工作线程和2个IO线程，最大不超过4个线程。
至于线程池的使用相当简单先来看一段代码：
for (int i = 0; i & totalT i++)
ThreadPool.QueueUserWorkItem(o =&
Thread.Sleep(1000);
ThreadPool.GetAvailableThreads(out a, out b);
Console.WriteLine(string.Format(&({0}/{1}) #{2} : {3}&, a, b, Thread.CurrentThread.ManagedThreadId, DateTime.Now.ToString(&mm:ss&)));
Console.WriteLine(&Main thread finished&);
Console.ReadLine();
代码里面用到了一个事先定义的静态字段：
static readonly int totalThreads = 10;
代码运行结果如下：
每一个线程都休眠一秒然后输出当前线程池可用的工作线程和IO线程以及当前线程的托管ID和时间。我们通过这段代码可以发现线程池的几个特性：
1） 线程池中的线程都是后台线程，如果没有在主线程使用ReadLine的话，程序马上会退出。
2） 线程池一开始就占用了2个线程，一秒后占用了4个线程，工作线程将会由3-6四个线程来处理。
3） 线程池最多使用了4个工作线程和0个IO线程。
那么，我们如何知道线程池中的线程都运行结束了呢，可以想到上文用过的Monitor结构：
Stopwatch sw = Stopwatch.StartNew();
for (int i = 0; i & totalT i++)
ThreadPool.QueueUserWorkItem(o =&
Thread.Sleep(1000);
ThreadPool.GetAvailableThreads(out a, out b);
Console.WriteLine(string.Format(&({0}/{1}) #{2} : {3}&, a, b, Thread.CurrentThread.ManagedThreadId, DateTime.Now.ToString(&mm:ss&)));
lock (locker)
runningThreads--;
Monitor.Pulse(locker);
lock (locker)
while (runningThreads & 0)
Monitor.Wait(locker);
Console.WriteLine(sw.ElapsedMilliseconds);
Console.ReadLine();
程序中用到了两个辅助字段：
static object locker = new object();
static int runningThreads = totalT
程序运行结果如下：
我们看到，10个线程使用了3.5秒全部执行完毕。20个线程呢？
需要6秒。细细分析这2个图我们不难发现，新的线程不是在不够用的时候立即创建而是延迟了0.5秒左右的时间，这是因为线程池会等待一下看是不是有线程在这段时间内可用，如果实在没有的话再创建。其实可以这么理解这6秒，前一秒只有2个线程，后4秒有4个线程执行了16个，最后1秒又只有2个线程了，所以一共是2+4*4+2=20，6秒处理了20个线程。
ThreadPool还有一个很有用的方法可以注册一个信号量，我们发出信号后所有关联的线程才执行，否则就一直等待，还可以指定等待的时间：
首先定义信号量和存储结果的字段：
static ManualResetEvent mre = new ManualResetEvent(false);
static int result = 0;
<pre class转自并发编程网
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：
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
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：
最佳线程数目 = （线程等待时间与线程CPU时间之比 + 1）* CPU数目
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：
加速比=优化前系统耗时 / 优化后系统耗时
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：
Speedup &=&1&/ (F + (1-F)/N)
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
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_
import java.math.BigD
import java.math.RoundingM
import java.util.T
import java.util.TimerT
import java.util.concurrent.BlockingQ
* 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
* 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 &=
* @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() -
long waittime = (testtime * 1000000) -
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;
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() -
timer.cancel();
} while (Math.abs(start - testtime) & EPSYLON);
collectGarbage(3);
private void collectGarbage(int times) {
for (int i = 0; i & i++) {
System.gc();
Thread.sleep(10);
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
* 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.
* /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_
import java.io.BufferedR
import java.io.IOE
import java.io.InputStreamR
import java.lang.management.ManagementF
import java.math.BigD
import java.net.HttpURLC
import java.net.URL;
import java.util.concurrent.BlockingQ
import java.util.concurrent.LinkedBlockingQ
public class SimplePoolSizeCaculatorImpl extends PoolSizeCalculator {
protected Runnable creatTask() {
return new AsyncIOTask();
protected BlockingQueue createWorkQueue() {
return new LinkedBlockingQueue(1000);
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 {
public void run() {
HttpURLConnection connection = null;
BufferedReader reader = null;
String getURL = "";
URL getUrl = new URL(getURL);
connection = (HttpURLConnection) getUrl.openConnection();
connection.connect();
reader = new BufferedReader(new InputStreamReader(
connection.getInputStream()));
while ((line = reader.readLine()) != null) {
// empty loop
catch (IOException e) {
} finally {
if(reader != null) {
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：
ThreadPoolExecutor pool =
new ThreadPoolExecutor(256, 256, 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue(2500));
原创文章，转载请注明：&转载自本文链接地址:&
阅读(...) 评论()}