面试题：Java线程池处理CPU密集型任务时的性能优化

性能瓶颈

线程上下文切换开销：过多线程会导致频繁上下文切换，消耗CPU时间，降低执行效率。例如有大量短时间CPU密集型任务时，线程在执行、暂停、恢复过程中会浪费资源。
资源竞争：多个线程竞争CPU资源，可能导致某些线程长时间等待，使整体性能下降。比如多个线程同时访问共享数据且需要加锁同步时，会产生锁竞争。

优化方法

调整线程池参数
- 核心线程数：对于CPU密集型任务，核心线程数一般设置为CPU核心数 + 1。例如在4核CPU的机器上，核心线程数设为5，可充分利用CPU资源同时应对可能的线程阻塞。
- 最大线程数：通常与核心线程数一致，因为CPU密集型任务不需要额外大量线程。
- 队列容量：可以设置较小的队列容量，如5 - 10，避免任务在队列中长时间等待，使线程尽快执行任务。
线程优先级：可以根据任务重要性设置线程优先级。例如，对于关键计算任务，设置较高优先级，使CPU优先调度执行。但要注意，Java线程优先级是依赖于操作系统的，不同系统可能有不同表现。在实际中，优先处理重要任务计算的线程可设置为Thread.MAX_PRIORITY。
任务调度策略：使用合适的调度策略，如Fork/Join框架。它采用工作窃取算法，能有效利用多核CPU资源。比如在计算大型数组的总和时，可将任务分割成小任务，不同线程处理不同部分，空闲线程可窃取其他线程未完成的任务，提高整体效率。

实际案例

假设我们要计算一个超大矩阵的乘法，这是典型的CPU密集型任务。

import java.util.concurrent.*;

public class MatrixMultiplication {
    private static final int CORE_POOL_SIZE = Runtime.getRuntime().availableProcessors() + 1;
    private static final int MAX_POOL_SIZE = CORE_POOL_SIZE;
    private static final int QUEUE_CAPACITY = 5;
    private static final ThreadPoolExecutor executor = new ThreadPoolExecutor(
            CORE_POOL_SIZE,
            MAX_POOL_SIZE,
            0L,
            TimeUnit.MILLISECONDS,
            new ArrayBlockingQueue<>(QUEUE_CAPACITY)
    );

    public static void main(String[] args) {
        int[][] matrixA = new int[1000][1000];
        int[][] matrixB = new int[1000][1000];
        // 初始化矩阵数据

        Future<int[][]> future = executor.submit(() -> {
            int[][] result = new int[matrixA.length][matrixB[0].length];
            for (int i = 0; i < matrixA.length; i++) {
                for (int j = 0; j < matrixB[0].length; j++) {
                    for (int k = 0; k < matrixB.length; k++) {
                        result[i][j] += matrixA[i][k] * matrixB[k][j];
                    }
                }
            }
            return result;
        });

        try {
            int[][] result = future.get();
            // 处理结果
        } catch (InterruptedException | ExecutionException e) {
            e.printStackTrace();
        } finally {
            executor.shutdown();
        }
    }
}

在此案例中，通过合理设置线程池参数，能有效利用CPU资源进行矩阵乘法计算，提高性能。

星途面试题库

面试题：Java线程池处理CPU密集型任务时的性能优化

知识考点

面试题答案

性能瓶颈

优化方法

实际案例