目录
- 一、为什么要用线程池？线程池的优势是什么？
- 二、线程池的几个重要参数介绍？
- 三、线程池的执行流程？/一个任务进来的处理流程？
- 四、如何关闭线程池？
- 五、如何合理配置线程池？
一、为什么要用线程池？线程池的优势是什么？
线程池主要的工作是控制运行的线程数量，处理过程中将任务放进队列里，然后在线程创建后启动这些任务，如果线程数量超过了最大数量的线程排队等候，等其他线程执行完毕，再从队列里取出任务来执行。
主要特点：线程复用、控制最大并发数、管理线程
（1）降低资源消耗，通过重复利用已创建的线程降低线程创建和销毁造成的损耗；
（2）提高响应速度，当任务到达时，任务可以不需要等到线程创建就可以执行；
（3）提高线程的可管理性。线程是稀缺资源，如果无限制的创建，不仅会消耗系统资源，还会降低系统的稳定性，使用线程池可以进行统一的分配、调优和监控。
线程池是一个管理线程的池子。由于创建和关闭线程需要花费时间，如果为每一个任务都创建一个线程，非常消耗资源。使用线程池可以避免增加创建和销毁线程的资源消耗，提高响应速度，且能重复利用线程。在使用线程池后，创建线程就变成了从线程池中获取空闲线程，关闭线程变成了向线程池归还线程。
二、线程池的几个重要参数介绍？
public ThreadPoolExecutor(int corePoolSize, int maximumPoolSize, long keepAliveTime, TimeUnit unit, BlockingQueue<Runnable> workQueue, ThreadFactory threadFactory, RejectedExecutionHandler handler)| 参数 | 作用 | 常用值/配置建议 | 注意事项 |
|---|---|---|---|
| 核心线程数 (corePoolSize) | 线程池中常驻的线程数量，空闲时也不会销毁（除非开启超时） | - CPU密集型：CPU核心数 + 1 | |
- I/O密集型：CPU核心数 * 2 | 可调用allowCoreThreadTimeOut(true)允许核心线程超时销毁 | ||
| 最大线程数 (maximumPoolSize) | 线程池允许创建的最大线程数量 | 需结合系统资源评估（如内存、任务类型） | 设置过高可能导致内存溢出或频繁上下文切换 |
| 阻塞队列 (workQueue) | 缓冲待执行任务的阻塞队列 | -ArrayBlockingQueue（由数组实现的有界队列，按FIFO排序） | |
-LinkedBlockingQueue（链表结构的无界队列，按FIFO排序） | |||
-PriorityBlockingQueue（优先级队列） | |||
-SynchronousQueue（另一个线程移除操作后直接传递） | 无界队列需防OOM；有界队列需合理设置容量 | ||
| 空闲线程存活时间 (keepAliveTime) | 非核心线程空闲时的存活时间（超时后销毁） | 通常设为60秒（根据任务提交频率调整） | 单位需通过TimeUnit指定（秒、毫秒等） |
| 时间单位(TimeUnit unit) | 指空闲线程存活时间的单位 | 枚举类型TimeUnit类 | 单位需通过TimeUnit指定（秒、毫秒等） |
| 线程工厂 (ThreadFactory) | 定制线程的创建过程（命名、优先级、守护线程等） | 示例： | |
new ThreadFactoryBuilder().setNameFormat("pool-%d").build() | 合理命名线程便于监控；避免创建过多非守护线程导致JVM无法退出 | ||
| 拒绝策略 (RejectedExecutionHandler) | 当队列和线程池均满时处理新任务的策略 | -AbortPolicy（默认抛出runtime异常,阻止程序运行） | |
-CallerRunsPolicy（由提交者执行） | |||
-DiscardPolicy（默认丢弃，不予处理） | |||
-DiscardOldestPolicy：丢弃任务队列中等待最久的任务 | 需根据业务容忍度选择策略；未显式配置时默认抛出RejectedExecutionException |
三、线程池的执行流程？/一个任务进来的处理流程？
（1）在创建线程池后，等待提交过来的任务请求；
（2）当调用execute()方法添加一个请求任务时，线程池会做如下判断：
如果正在运行的线程数量小于corePoolSize，那么马上创建核心线程运行这个任务；
如果正在运行的线程数量大于或者等于corePoolSize，那么将这个任务放入任务队列中；
如果任务队列满了且正在运行的线程数量小于maximumPoolSize(最大线程数)，那么创建一个非核心线程立刻运行这个任务；
如果任务队列满了且正在运行的线程数量大于或等于maximumPoolSize，线程池会执行拒绝策略；
（3）当一个线程完成任务时，会在队列中取下一个任务来执行；
（4）当一个线程无事可做超过一定时间时，线程池会停掉。
四、如何关闭线程池？
可以通过调用线程池的shutdown或shutdownNow方法来关闭线程池。它们的原理是遍历线程池中的工作线程，然后逐个调用线程的interrupt方法来中断线程，所以无法响应中断的任务可能永远无法终止。
shutdown:将线程池状态置为shutdown,并不会立即停止:
1.停止接收外部submit的任务
2.内部正在跑的任务和队列里等待的任务，会执行完
3.等到第二步完成后，才真正停止。
shutdownNow:将线程池状态置为stop。一般会立即停止，事实上不一定:
1.和shutdown(一样，先停止接收外部提交的任务
2.忽略队列里等待的任务
3.尝试将正在跑的任务interrupt中断
4.返回未执行的任务列表。
区别：
shutdownNow:能立即停止线程池，正在跑的和正在等待的任务都停下了。这样做立即生效，但是风险也比较大。 shutdown:只是关闭了提交通道，用submit()是无效的;而内部的任务该怎么跑还是怎么跑，跑完再彻底停止线程池。
五、如何合理配置线程池？
分两种，CPU密集和IO密集
线程池究竟设置多大要看你的线程池执行的什么任务了，有CPU密集型和IO密集型，任务类型不同，分配的线程池大小不同。
（1）CPU密集
CPU密集的意思是该任务需要大量的运算，而没有阻塞，CPU一直全速运行。
CPU密集任务只有在真正的多核CPU上才可能得到加速(通过多线程)，而在单核CPU上，无论你开几个模拟的多线程，该任务都不可能得到加速，因为CPU总的运算能力就那些。
CPU密集型任务应配置尽可能小的线程，一般公式是：配置CPU核数+1个线程的线程池，
（2）IO密集
IO密集型，即该任务需要大量的IO，即大量的阻塞。在单线程上运行IO密集型的任务会导致浪费大量的CPU运算能力浪费在等待。所以在IO密集型任务中使用多线程可以大大的加速程序运行，即时在单核CPU上，这种加速主要就是利用了被浪费掉的阻塞时间。
方法一：可以使用较大的线程池，一般CPU核心数 * 2
IO密集型CPU使用率不高，可以让CPU等待IO的时候处理别的任务，充分利用cpu时间，IO的处理时间越长，可以设置越多的线程个数。
**方法二：**线程等待时间所占比例越高，需要越多线程。线程CPU时间所占比例越高，需要越少线程。
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 / 线程CPU时间 + 1） CPU数目。
生产环境如何获得做最合适的线程呢？做压力测试。
Java开发的就业市场正在经历结构性调整，竞争日益激烈
传统纯业务开发岗位（如仅完成增删改查业务的后端工程师）的需求，特别是入门级岗位，正显著萎缩。随着企业技术需求升级，市场对Java人才的要求已从通用技能转向了更深入的领域经验（如云原生、微服务）或前沿的AI集成能力。这也导致岗位竞争加剧，在一、二线城市，求职者不仅面临技术内卷，还需应对学历与项目经验的高门槛。
大模型为核心的AI领域正展现出前所未有的就业热度与人才红利
2025年，AI相关新发岗位数量同比激增543%，单月增幅最高超过11倍，大模型算法工程师位居热门岗位前列。行业顶尖人才的供需严重失衡，议价能力极强，跳槽薪资涨幅可达30%-50%。值得注意的是，市场并非单纯青睐算法研究员，而是急需能将大模型能力落地于复杂业务系统的工程人才。这使得具备企业级架构思维和复杂系统整合经验的Java工程师，在向“Java+大模型”复合人才转型时拥有独特优势，成为企业竞相争夺的对象，其薪资天花板也远高于传统Java岗位。
说真的，这两年看着身边一个个搞Java、C++、前端、数据、架构的开始卷大模型，挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis，稳稳当当过日子。
结果GPT、DeepSeek火了之后，整条线上的人都开始有点慌了，大家都在想：“我是不是要学大模型，不然这饭碗还能保多久？”
先给出最直接的答案：一定要把现有的技术和大模型结合起来，而不是抛弃你们现有技术！掌握AI能力的Java工程师比纯Java岗要吃香的多。
即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地！大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇！
如何学习AGI大模型？
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享**
一、2025最新大模型学习路线
一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。
我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。
L1级别:AI大模型时代的华丽登场
L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。
L2级别：AI大模型RAG应用开发工程
L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3级别：大模型Agent应用架构进阶实践
L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。
L4级别：大模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。
二、大模型经典PDF书籍
书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）
三、大模型视频教程
对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。
四、大模型项目实战
学以致用，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。
五、大模型面试题
面试不仅是技术的较量，更需要充分的准备。
在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享
