面试题：Java中ThreadPoolExecutor在高并发场景下的性能监控与调优

性能监控

监控队列深度：
- ThreadPoolExecutor 提供了 getQueue().size() 方法来获取当前任务队列的大小，可定时调用此方法获取队列深度指标。
- 也可以通过继承 ThreadPoolExecutor 类，重写 beforeExecute 和 afterExecute 方法，在任务进入队列和从队列取出执行时记录队列大小的变化。
监控任务执行耗时：
- 继承 ThreadPoolExecutor 类，重写 beforeExecute 和 afterExecute 方法。在 beforeExecute 方法中记录任务开始时间，在 afterExecute 方法中记录任务结束时间，两者相减得到任务执行耗时。
- 使用 ThreadLocal 变量来存储每个任务的开始时间，避免多线程并发访问的问题。例如：

public class CustomThreadPoolExecutor extends ThreadPoolExecutor {
    private static final ThreadLocal<Long> startTime = new ThreadLocal<>();
    public CustomThreadPoolExecutor(int corePoolSize, int maximumPoolSize, long keepAliveTime, TimeUnit unit, BlockingQueue<Runnable> workQueue) {
        super(corePoolSize, maximumPoolSize, keepAliveTime, unit, workQueue);
    }
    @Override
    protected void beforeExecute(Thread t, Runnable r) {
        startTime.set(System.currentTimeMillis());
    }
    @Override
    protected void afterExecute(Runnable r, Throwable t) {
        Long endTime = System.currentTimeMillis();
        Long executeTime = endTime - startTime.get();
        startTime.remove();
        System.out.println("任务执行耗时：" + executeTime + " ms");
    }
}

其他指标监控：
- getActiveCount()：获取当前正在执行任务的线程数。
- getCompletedTaskCount()：获取已完成任务的总数。
- getCorePoolSize()：获取核心线程数。
- getMaximumPoolSize()：获取最大线程数。
- getPoolSize()：获取当前线程池的线程数。

性能瓶颈调优

线程池参数调优：
- 核心线程数（corePoolSize）：
  - 如果任务执行时间短且并发量大，可适当增加核心线程数，让更多任务能立即执行，减少任务在队列中的等待时间。
  - 如果任务执行时间长，核心线程数不宜设置过大，否则可能导致系统资源过度消耗。可以通过压测，逐步调整核心线程数，观察系统吞吐量和响应时间的变化，找到最优值。
- 最大线程数（maximumPoolSize）：
  - 如果任务队列经常满，并且任务执行时间较短，可以适当增加最大线程数，以便在高峰期处理更多任务。但设置过大可能会导致系统资源耗尽，因为每个线程都需要占用一定的内存等资源。
  - 同样通过压测，监控线程池的队列深度、任务拒绝率等指标，调整最大线程数，平衡系统资源和任务处理能力。
- 线程存活时间（keepAliveTime）：
  - 如果任务执行频率不稳定，有明显的波峰波谷，可以适当延长线程存活时间，让线程在任务低谷期不被销毁，以便在高峰期快速处理任务，减少线程创建和销毁的开销。但存活时间过长也会占用系统资源，需要根据实际业务场景调整。
- 任务队列：
  - 无界队列（如 LinkedBlockingQueue）：使用无界队列时，任务会不断进入队列而不会触发拒绝策略，可能导致内存耗尽。如果任务执行速度较慢，且任务量持续增长，可考虑更换为有界队列。
  - 有界队列（如 ArrayBlockingQueue）：根据任务的预计数量和系统资源，合理设置队列容量。如果队列容量过小，可能导致任务频繁被拒绝；容量过大，可能会使任务在队列中等待时间过长，影响响应时间。
  - 优先队列（如 PriorityBlockingQueue）：如果任务有优先级之分，可以使用优先队列，让高优先级任务先执行，提高系统整体性能。
- 拒绝策略：
  - 默认拒绝策略（AbortPolicy）：直接抛出异常，适用于需要严格保证任务执行的场景，如果任务被拒绝会导致业务失败。
  - 丢弃策略（DiscardPolicy）：丢弃被拒绝的任务，适用于对任务执行结果不敏感的场景。
  - 丢弃最旧任务策略（DiscardOldestPolicy）：丢弃队列中最旧的任务，尝试提交新任务，适用于任务执行时间较短且需要保证新任务尽快执行的场景。
  - 自定义拒绝策略：根据业务需求实现 RejectedExecutionHandler 接口，定制化处理被拒绝任务的逻辑，例如将任务写入日志、发送消息通知等。
硬件资源调优：
- CPU 资源：
  - 检查 CPU 使用率，如果 CPU 使用率过高，可能是任务计算量过大。可以考虑优化任务代码，减少不必要的计算，或者采用并行计算框架（如 Fork/Join 框架）进一步提高 CPU 利用率。
  - 如果是多核 CPU，可以适当增加线程池的线程数，充分利用多核优势，但要注意线程竞争带来的开销。
- 内存资源：
  - 如果任务需要大量内存，确保系统有足够的物理内存。如果物理内存不足，可能导致频繁的磁盘交换，严重影响性能。可以通过增加物理内存或优化任务内存使用来解决。
  - 对于线程池中的任务，如果涉及对象的频繁创建和销毁，可以考虑使用对象池技术，减少内存分配和垃圾回收的开销。
- I/O 资源：
  - 如果任务中有大量 I/O 操作（如文件读写、网络通信等），I/O 操作可能成为性能瓶颈。可以采用异步 I/O 技术（如 Java NIO），提高 I/O 操作的并发性能。
  - 优化 I/O 操作的方式，例如批量读写数据，减少 I/O 操作的次数。
代码层面优化：
- 减少锁竞争：如果任务中存在锁操作，检查是否可以通过优化锁的粒度、使用读写锁（ReadWriteLock）或并发容器（如 ConcurrentHashMap）等方式减少锁竞争，提高并发性能。
- 优化算法和数据结构：对任务内部使用的算法和数据结构进行优化，提高任务执行效率，从而间接提升线程池的性能。例如，使用更高效的排序算法、选择合适的数据结构存储数据等。

星途面试题库

面试题：Java中ThreadPoolExecutor在高并发场景下的性能监控与调优

知识考点

面试题答案

性能监控

性能瓶颈调优