聊聊线程池的拒绝策略

原创于 2025-06-24 10:00:00 发布 · 1.8k 阅读

33 ·

CC 4.0 BY-SA版权

文章标签：

#java #ThreadPoolExecu #线程池 #拒绝策略 #中止策略 #调用者运行策略 #丢弃策略

Java并发编程专栏收录该内容

35 篇文章

订阅专栏

以下是针对Java线程池拒绝策略的全面解析，涵盖内置策略、适用场景、自定义实践案例及优缺点分析，结合真实项目经验整理而成。

⚙️ 一、线程池拒绝策略概述

当线程池同时满足以下条件时触发拒绝策略：

核心线程已满
任务队列已满
最大线程数已满
新任务继续提交

此时通过RejectedExecutionHandler接口处理被拒任务，其核心方法为：

void rejectedExecution(Runnable r, ThreadPoolExecutor executor);

📦 二、JDK内置拒绝策略详解

1. AbortPolicy（中止策略）

行为：默认策略，直接抛出RejectedExecutionException异常。

代码示例：

new ThreadPoolExecutor(..., new ThreadPoolExecutor.AbortPolicy());

优点：强制开发者处理异常，避免任务静默丢失。
缺点：需捕获异常，增加代码复杂度；异常可能中断主流程。
适用场景：金融交易、订单处理等不允许任务丢失的系统。

2. CallerRunsPolicy（调用者运行策略）

行为：由提交任务的线程（如主线程）直接执行被拒任务。

代码示例：

new ThreadPoolExecutor(..., new ThreadPoolExecutor.CallerRunsPolicy());

优点：保证任务不丢失，天然实现请求限流（提交速度降低）。
缺点：阻塞主线程，可能导致请求响应延迟或系统吞吐量下降。
适用场景：日志记录、非实时报表生成等可接受延迟的任务。

3. DiscardPolicy（丢弃策略）

行为：静默丢弃被拒任务，无异常无日志。
优点：无额外开销，简单高效。
缺点：数据丢失风险高，问题难以追踪。
适用场景：实时监控采样（如丢弃部分心跳检测）、非关键指标统计。

4. DiscardOldestPolicy（丢弃最旧任务策略）

行为：移除队列头部（最旧）任务，重试提交新任务。

代码示例：

new ThreadPoolExecutor(..., new ThreadPoolExecutor.DiscardOldestPolicy());

优点：优先处理新任务，适合时效敏感场景。
缺点：可能丢弃重要旧任务（如未处理的用户支付请求）。
适用场景：实时消息推送、新闻热点更新等新任务优先级更高的场景。

🛠️ 三、自定义拒绝策略实践案例

案例1：异步重试队列

场景：电商秒杀系统，高并发下保证订单不丢失。

实现逻辑：

public class RetryPolicy implements RejectedExecutionHandler {
    private final BlockingQueue<Runnable> retryQueue = new LinkedBlockingQueue<>();
    
    @Override
    public void rejectedExecution(Runnable task, ThreadPoolExecutor executor) {
        retryQueue.offer(task); // 存入重试队列
        System.out.println("Task enqueued for retry: " + task);
    }
    
    // 独立线程消费重试队列
    public void startRetryConsumer(ThreadPoolExecutor targetPool) {
        new Thread(() -> {
            while (true) {
                try {
                    Runnable task = retryQueue.take();
                    targetPool.execute(task); // 重试提交
                } catch (InterruptedException e) { /* 处理中断 */ }
            }
        }).start();
    }
}

优点：任务零丢失，缓解瞬时压力。
缺点：可能因重试积压导致内存溢出（需设队列上限）。

案例2：任务持久化 + 降级处理

场景：支付回调通知，确保关键任务必达。

实现逻辑：

public class PersistPolicy implements RejectedExecutionHandler {
    @Override
    public void rejectedExecution(Runnable task, ThreadPoolExecutor executor) {
        // 1. 持久化到数据库/Redis
        saveToDB(task); 
        // 2. 触发降级：发送告警或转异步处理
        sendAlert("Task rejected, saved to DB: " + task);
    }
}

优点：数据可靠，支持故障恢复后补偿。
缺点：增加数据库压力，延迟变高。

案例3：弹性限流（结合Sentinel/Hystrix）

场景：微服务API网关，动态调节流量。

实现逻辑：

public class AdaptivePolicy implements RejectedExecutionHandler {
    private final RateLimiter rateLimiter = RateLimiter.create(100); // 初始QPS=100
    
    @Override
    public void rejectedExecution(Runnable task, ThreadPoolExecutor executor) {
        // 动态降低流量阈值
        rateLimiter.setRate(rateLimiter.getRate() * 0.9); 
        // 返回错误码给客户端
        if (task instanceof HttpRequestTask) {
            ((HttpRequestTask) task).sendError(503, "Service Busy");
        }
    }
}

优点：防止系统雪崩，自动适配负载。
缺点：实现复杂，需集成流控框架。

⚖️ 四、策略选择与最佳实践

1. 选择维度

维度	推荐策略
不允许任务丢失	自定义持久化策略或 `CallerRunsPolicy`
高实时性要求	`DiscardOldestPolicy`
容忍部分丢失	`DiscardPolicy`
快速失败	`AbortPolicy`

2. 配置建议

监控预警：所有自定义策略需集成日志和告警（如Prometheus+AlertManager）。
队列选择：有界队列（如ArrayBlockingQueue）才能触发拒绝策略，无界队列（如LinkedBlockingQueue）可能导致OOM。
参数调优：通过压测确定corePoolSize/maxPoolSize/queueSize，避免频繁触发拒绝策略。