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。
第三种方法是在服务器性能IO优化中发现的一个估算公式:
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CPU时间所占比例越高,需要越少线程。
- 线程等待时间所占比例越高,需要越多线程。
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。
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。
入口类,计算线程池大小和队列数。
接收两个参数,CPU负载和队列总内存的大小(bytes)
计算单个任务的内存大小,计算方法:
- 手动GC
- 计算可用内存大小m0
- 创建一个队列,并往里面放1000个任务
- 再次GC
- 计算可用内存大小m1
(m1 - m0) / 1000
即每个任务的大小
计算队列数,计算公式:队列总内存/单个任务的内存。
接收一个参数:队列总内存的大小。
计算执行3秒的任务所消耗CPU的实际使用时间。
计算线程池大小。 计算公式:CPU核数 * (1 + 线程等待时间/线程CPU时间)
循环手动GC
PoolSizeCalculator
类的一个实现,计算CPU负载1,队列总内存的大小为100k左右的IO密集型的线程池大小和队列数
IO密集型的一个例子
# 下载
git clone https://github.com/sunshanpeng/dark_magic.git
# 编译
cd dark_magic && mvn package
# 执行
java -jar target/dark_magic-1.0-SNAPSHOT.jar
控制台打印示例
Target queue memory usage (bytes): 100000
createTask() produced threadpool.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): 3000000000
Compute time (nanos): 125000000
Wait time (nanos): 2875000000
Formula: 4 * 1 * (1 + 2875000000 / 125000000)
* Optimal thread count: 96
如果不修改队列内存大小和任务,队列数可能都是2500