关于JAVA线程池

本文深入探讨了Java线程池的三种常见实现方式:newSingleThreadExecutor、newFixedThreadPool和newCachedThreadPool,并详细阐述了它们的适用场景、核心属性以及如何在高并发环境中高效利用线程池来优化程序性能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最近学习了JAVA线程池,应用最多的线程池一般有三种 newSingleThreadExecutor、newFixedThreadPool、newCachedThreadPool

 

newSingleThreadExecutor  创建一个单线程的线程池。这个线程池只有一个线程在工作,也就是相当于单线程串行执行所有任务。如果这个唯一的线程因为异常结束,那么会有一个新的线程来替代它。此线程池保证所有任务的执行顺序按照任务的提交顺序执行。

 

newFixedThreadPool  创建固定大小的线程池。每次提交一个任务就创建一个线程,直到线程达到线程池的最大大小。线程池的大小一旦达到最大值就会保持不变,如果某个线程因为执行异常而结束,那么线程池会补充一个新线程。

 

newCachedThreadPool  创建一个可缓存的线程池。如果线程池的大小超过了处理任务所需要的线程,那么就会回收部分空闲(60秒不执行任务)的线程,当任务数增加时,此线程池又可以智能的添加新线程来处理任务。此线程池不会对线程池大小做限制,线程池大小完全依赖于操作系统(或者说JVM)能够创建的最大线程大小。

 

newSingleThreadExecutor  单线程池一般用于并发量不大的环境中

newCachedThreadPool   无边界线程池无疑要慎用,不然耗尽资源造成宕机后果无疑很严重

所以我推荐用newFixedThreadPool  有边界的线程池,实际大小可以根据生产环境加以调整,再加上一些拒绝任务的处理,在高并发的环境中无疑是非常好用的。

 

以下便是以newSingleThreadExecutor  做的例子

工作线程

public class TestThread extends Thread {

	@Override
	public void run() {

		 TestThreadPool.testCount.addAndGet(1l);
//		System.out.println(i);

	}

}

线程池

public class TestThreadPool {

	// public static int testCount = 0;
	public static AtomicLong testCount = new AtomicLong(0);
	public static AtomicLong rejectCount = new AtomicLong(0);

	private int corePoolSize = 30;
	private int maximumPoolSize = 60;
	private long keepAliveTime = 5l;
	private TimeUnit unit = TimeUnit.SECONDS;
	// private BlockingQueue<Runnable> workQueue = new
	// LinkedBlockingQueue<Runnable>(
	// 20);
	private BlockingQueue<Runnable> workQueue = new SynchronousQueue<Runnable>();

	// private ThreadPoolExecutor executor = new
	// ThreadPoolExecutor(corePoolSize,
	// maximumPoolSize, keepAliveTime, unit, workQueue);

	private ThreadPoolExecutor executor = new ThreadPoolExecutor(corePoolSize,
			maximumPoolSize, keepAliveTime, unit, workQueue,
			new ThreadRejectHandler());

	public static void main(String[] args) {
		int circle = 1000000;

		long start = Calendar.getInstance().getTimeInMillis();
		TestThreadPool test = new TestThreadPool();
		for (int i = 0; i < circle; i++) {
			try {
				test.executor.execute(new TestThread());
			} catch (Exception e) {
				e.printStackTrace();
			}

		}

		for (;;) {
			if ((testCount.get() + rejectCount.get()) == Long.valueOf(circle)) {
				System.out.println("testCount:" + testCount);
				break;
			}
		}
		long end = Calendar.getInstance().getTimeInMillis();
		System.out.println("耗时:[" + (end - start) + "] 毫秒");
		test.executor.shutdownNow();

	}
}

拒绝任务处理器

public class ThreadRejectHandler implements RejectedExecutionHandler {

	@Override
	public void rejectedExecution(Runnable r, ThreadPoolExecutor executor) {

		System.out.println("任务被拒绝:"+TestThreadPool.rejectCount.addAndGet(1l));
		// 在这里做拒绝任务的处理
	}

}

启动类为《线程池类TestThreadPool 》,可以根据机器的配置调节circle参数的大小进行测试

 

我这里设置了circle为 1000000,  测试结果如下:

 

任务被拒绝:1

 

任务被拒绝:2

 

。。。。。。。。。。。。。此处略去N字

 

任务被拒绝:259

 

任务被拒绝:260

 

testCount:999740

 

耗时:[3266] 毫秒

 

 =======================================================================

 

使用线程池的优势:

因为通常情况下,创建线程是需要一定的耗时的,设这个时间为T1,而线程处理任务的时间为T2,而销毁线程的时间为T3,当T1>>T2时,同时T3时间也是一个需要考虑的参数,我们就应当考虑一种策略或者机制来控制,避免因为T1和T3这种无用的时间过多的占用资源。

所以线程池在高并发的环境中的优势是不言而喻的


内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度与训练时间,增强模型的解释性和可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节和全局趋势,显著提升预测精度和泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层和输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB和深度学习的科研人员、工程师和研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究和应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制和Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度和模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例和详细的模型描述有助于读者快速理解和复现该项目,促进学术和技术交流。建议读者在实践中结合自己的数据集进行调试和优化,以达到最佳的预测效果。
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

打赏作者

linyu19872008

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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