ThreadPoolExecutor 源码分析(二)--- 队列的应用

本文详细介绍了Java线程池的基本工作原理,包括饱和策略和几个常用的线程池方法的实现原理。重点分析了无界线程池、固定线程池、单个线程池的实现方式,以及它们所使用的队列类型和饱和策略。通过源码解读,揭示了线程池如何高效管理线程和任务调度。

一、序言

       上一篇,介绍了线程池的基本工作原理,这里会介绍一些里面的一些饱和策略和几个常用的线程池方法的实现原理。

 

二、源码分析

       线程池极力推荐我们用Executors 提供车的各种工厂,来创建我们的线程池,提供了我们常用的几种创建线程池的方式:

      newCachedThreadPool():无界线程池,可以自己进行回收。

newFixedThreadPool(int):固定线程池大小

      newSingleThreadExecutor():单个线程

   

      我们来看看里面是如何实现的。

      

// 无界队列
public static ExecutorService newCachedThreadPool() {
        return new ThreadPoolExecutor(0, Integer.MAX_VALUE,
                                      60L, TimeUnit.SECONDS,
                                      new SynchronousQueue<Runnable>());
// 这里我们看看这个构造里面做了什么
public ThreadPoolExecutor(int corePoolSize,
                              int maximumPoolSize,
                              long keepAliveTime,
                              TimeUnit unit,
                              BlockingQueue<Runnable> workQueue) {
        this(corePoolSize, maximumPoolSize, keepAliveTime, unit, workQueue,
             Executors.defaultThreadFactory(), defaultHandler);
    }
corePoolSize = 0 ;核心线程为0
maximumPoolSize: Integer 的最大值
keepAliveTime : 60L,unit  单位是秒
workQueue :SynchronousQueue 阻塞队列
Executors.defaultThreadFactory() :默认工厂,也就是 DefaultThreadFactory
defaultHandler :默认饱和策略,也就是 AbortPolicy 

 

   下面大概对这里面进行介绍:

    2.1 我们可以看出,核心线程数默认为0,最大是int范围最大值,也就是说在没超过这个范围的情况下,所有的线程都是会竞争执行,并且每个线程都只能维持keepAliveTime 时间,这里可以参考前一篇的源码解释,或者跟着源码run.

    2.2 SynchronousQueue :单一的阻塞队列,也就是说无论我们是取元素(take),或者存放元素(put),都会阻塞,比如:我们存放了一个对象,那么它就会等待另一个线程将这个对象取出来,才能存放另一个,否则就一直阻塞,同理,如果我们取一个对象,如果里面没有,那么就一直阻塞到另一个线程,存放进去为止。是一个单一的生产消费模式。这里我们暂时不对它进行详细解释.

    2.3 DefaultThreadFactory :这玩意儿提供默认创建线程的方式,具体看源码吧!这里这哪是不介绍。

    2.4 defaultHandler :这里是默认的AbortPolicy 饱和策略,达到最大线程范围,就抛出异常了。

 

    可能上面的解释不够清晰,下面我们再对几个构造,里面使用的队列以及饱和策略进行介绍:

 

 3 。newFixedThreadPool(int) 固定线程池大小:

      

    public static ExecutorService newFixedThreadPool(int nThreads) {
        return new ThreadPoolExecutor(nThreads, nThreads,
                                      0L, TimeUnit.MILLISECONDS,
                                      new LinkedBlockingQueue<Runnable>());
    }


 // 可以看出,除了制定了核心线程数,以及LinkedBlockingQueue 以外,其他都一样
  public ThreadPoolExecutor(int corePoolSize,
                              int maximumPoolSize,
                              long keepAliveTime,
                              TimeUnit unit,
                              BlockingQueue<Runnable> workQueue) {
        this(corePoolSize, maximumPoolSize, keepAliveTime, unit, workQueue,
             Executors.defaultThreadFactory(), defaultHandler);
    }

 

   3.1 该方法指定了corePoolSize 和 maximumPoolSize的数目,也就是说能保留最低线程数在线程池,而且超过了的线程数只能保存在队列里面,FIFO策略。

  3.2 LinkedBlockingQueue :这是基于链表形式的队列,用于存放超出部分的线程。这是一个无界队列。

 

4.      newSingleThreadExecutor():这里是 上面的翻版,仅仅是指定的数目为1而已。

 

 5.  可能大家比较好奇,为啥一个用SynchronousQueue 一个用 LinkedBlockingQueue ?

         我的理解是:

         5.1 SynchronousQueue  是不能存放多余的线程,也就是说如果我需要10个线程,当第一个开始执行,即使没执行完成,那么后续的线程加入也会从新创建,并执行,并不会加入队列里面。

         5.2 LinkedBlockingQueue 是可以存放线程的队列。如果我用newFixedThreadPool,核心线程和最大线程都控制在5个,当前面5个线程为执行完成之前,后面的线程只能被加入队列,不会创建,也就是说必须要等到前面线程执行完成了,才能从队列里面取出执行。

 

        从上面的解释可以看出这个到底怎么使用,当然还有有界队列(ArrayBlockingQueue),优先级队列(PriorityBlockingQueue)等队列,关于这些队列的内部实现,可以参考以前写的关于缓存的淘汰策略。

           关于饱和策略的实现,其实也差不多,这里也不暂时不进行源码分析,我copy 了一段介绍,相信能很清楚的解释:

         ThreadPoolExecutor.AbortPolicy:表示拒绝任务并抛出异常

           ThreadPoolExecutor.DiscardPolicy:表示拒绝任务但不做任何动作

           ThreadPoolExecutor.CallerRunsPolicy:表示拒绝任务,并在调用者的线程中直接执行该任务

           ThreadPoolExecutor.DiscardOldestPolicy:表示先丢弃任务队列中的第一个任务,然后把这个任务加进队列。

 

小结:

        1.这里本想说明一下线程池的细节,但是大多数围绕了几个队列的知识,里面的实现很多是靠队列本身的实现进行的。

        2.关于J.C.U 的一些队列源码的分析和应用,以后分析吧,最近比较忙,分析有问题的地方还请指出,相互学习。 

 

 

 

【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点利用深度Q网络(DQN)等深度强化学习算法对微能源网中的能量调度进行建模与优化,旨在应对可再生能源出力波动、负荷变化及运行成本等问题。文中结合Python代码实现,构建了包含光伏、储能、负荷等元素的微能源网模型,通过强化学习智能体动态决策能量分配策略,实现经济性、稳定性和能效的多重优化目标,并可能与其他优化算法进行对比分析以验证有效性。研究属于电力系统与人工智能交叉领域,具有较强的工程应用背景和学术参考价值。; 适合人群:具备一定Python编程基础和机器学习基础知识,从事电力系统、能源互联网、智能优化等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习如何将深度强化学习应用于微能源网的能量管理;②掌握DQN等算法在实际能源系统调度中的建模与实现方法;③为相关课题研究或项目开发提供代码参考和技术思路。; 阅读建议:建议读者结合提供的Python代码进行实践操作,理解环境建模、状态空间、动作空间及奖励函数的设计逻辑,同时可扩展学习其他强化学习算法在能源系统中的应用
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值