动态线程池的 9 个应用场景你见过几个?
聊聊动态线程池的 9 个场景
大家好,我是小马哥。
线程池是一种基于 池化思想管理线程 的工具,使用线程池可以减少 创建销毁线程的开销,避免线程过多导致 系统资源耗尽。在 高并发以及大批量 的任务处理场景,线程池的使用是必不可少的。
如果有在项目中实际使用线程池,相信你可能会遇到以下痛点:
线程池随便定义,线程资源过多,造成服务器高负载。
线程池参数不易评估,随着业务的并发提升,业务面临出现故障的风险。
线程池任务执行时间超过平均执行周期,开发人员无法感知。
线程池任务堆积,触发拒绝策略,影响既有业务正常运行。
当业务出现超时、熔断等问题时,因为没有监控,无法确定是不是线程池引起。
原生线程池不支持运行时变量的传递,比如 MDC 上下文遇到线程池就 GG。
无法执行优雅关闭,当项目关闭时,大量正在运行的线程池任务被丢弃。
线程池运行中,任务执行停止,怀疑发生死锁或执行耗时操作,但是无从下手。
基于以上诸多痛点,小马哥着手 hippo4j 的开发,致力于打造标准线程池 动态变更 和 监控 的中间件框架。
什么是 hippo4j
hippo4j 通过对 JDK ThreadPoolExecutor 线程池增强,以及扩展三方框架底层线程池等功能,为业务系统提高线上运行保障能力。
小贴士:hippo4j 不止于 Java ThreadPoolExecutor 的增强,Dubbo
、RabbitMQ
、RocketMQ
、Hystrix
、Tomcat
、Jetty
、Undertow
等框架线程池也都有进行监控和动态变更。
什么场景适合用 hippo4j
1. 线程池随意定义,造成服务器高负载
在系统开发的过程中,因为涉及到多人协作,难免会出现信息不互通的情况。在同一个系统,对于线程池来说,常见的是线程池随意定义。
开发者张三要记录用户操作日志,定义了
user-log-record-thread-pool
;开发者李四要记录会员操作日志,定义了
member-log-record-thread-pool
;开发者王五要记录权限操作日志,定义了
power-log-record-thread-pool
;……
随着系统不断开发,相同或不同语义的线程池被定义的越来越多,间接导致服务器资源严重耗损。
而如果系统中使用 hippo4j,能够在控制台查看当前应用已有线程池,是否存在相同语义且业务可复用线程池实例,避免线程资源过度浪费。
2. 线程池参数不易评估
业务中使用了线程池,十个程序员可能有九个都在犯嘀咕,这线程池的配置应该如何选择?
我觉得犯纠结的点主要有两个,无外乎设置的数 多了 或者 少了。
如果预设的线程数或阻塞队列数量少了,当业务量上来,会遇到两种情况,不管哪一种对业务来说都是不能接受的。预估
200ms
执行完的任务,可能会2s
执行完,因为任务都在排队。任务满了后,开始执行拒绝策略,影响正常业务。如果超量设置线程池的参数,无疑会造成资源浪费,同样会造成两种情况。线程资源也是占用服务器资源的,开启的多了对服务器有一定压力。如果过多的创建线程,当和其它线程池一起执行时,服务器 CPU 上下文切换也是个问题。
大家都知道,如果要修改运行中应用线程池参数,需要停止线上应用,调整成功后再发布,而这个过程异常的繁琐,如果能在运行中动态调整线程池的参数多好。
美团技术团队基于这些痛点,推出了 动态线程池 的概念,催生了一批动态线程池框架,hippo4j 也是其一。
如果应用是集群部署,hippo4j 可以选择修改线程池 某一实例,或者修改 集群全部实例,运行时生效,不需要再重启服务。
再比如,压测时使用 hippo4j 动态调整线程池参数,对于开发测试来说,也是个不错的选择。
3. 线程池运行时报警策略
从线程池运行时监控的角度出发,hippo4j 内置 4 种报警策略,线程池活跃度、阻塞队列容量、拒绝策略触发以及任务运行超时报警。
线程池活跃度:假设阈值设置 80%,线程池最大线程数 10,当线程数达到 8 发起报警。
阻塞队列容量:假设阈值设置 80%,阻塞队列容量 100,当容量达到 80 发起报警。
触发拒绝策略:当线程池任务触发了拒绝策略时,发起拒绝策略报警。
任务运行超时:假设单个任务超时为 1000ms,任务执行超过该时间发起报警。
hippo4j 支持钉钉、企业微信和飞书软件通知,线程池任务运行超时报警示例:
4. 线程池运行时状态对开发者黑盒
线程池在服务运行过程中,对开发者来说是一个完全的黑盒。开发者无法得知线程池的参数变化,比如阻塞队列数量或者完成任务数等核心参数,这对于排查问题来说并不友好。
hippo4j 支持线程池运行时状态实时查看,并在核心参数的基础上扩展了 负载、内存以及拒绝次数 等关键指标,每次查询返回线程池当前运行信息。
5. 线程池监控
hippo4j 提供了两种线程池运行时数据监控方式,分别是:
1、内置数据池数据采集 + 监控,无需依赖任何中间件,由 hippo4j 内部集成的方式运行。
2、使用三方中间件 Prometheus
或 ElasticSearch
+ Grafana
采集和监控。
6. 整合 Spring ThreadPoolTaskExecutor
Spring ThreadPoolTaskExecutor
对原生线程池扩展了一部分功能,我认为比较实用有两个,并且 hippo4j 也已经支持。
当服务停止时,通知线程池处理剩余任务,并在等待指定时间后强制停止。
传递线程上下文到线程池执行上下文中。
第一个是实际使用中很核心的功能,减少了线程池丢弃任务的可能,这里重点说明下。
我们平时在停止应用时,有没有这样一个考虑,线程池中的任务真的都执行完成了吗?
可能执行完了,可能没有。
Spring 基于以上考虑,注册了线程池销毁方法。在应用关闭时,如果发现线程池存在任务没有执行完,需要等待一个指定时间。指定时间内任务执行如果执行完毕,皆大欢喜;如果还存在没有结束的任务,则丢弃。
为什么会丢弃任务而不是再等等?
因为如果线程池任务长时间执行,会影响整个应用的停止,进行了折中处理。
7. 三方框架中间件线程池适配
hippo4j 的目标是兼容所有框架的线程池,并可以提供监控和动态修改的能力。
目前已支持的三方框架线程池列表:
Apache Dubbo
Alibaba Dubbo
RabbitMQ
Apache RocketMQ
SpringCloud Stream RocketMQ
SpringCloud Hystrix
Tomcat
Jetty
Undertow
支持上述框架线程池的动态变更参数和监控功能,比如:
未来 hippo4j 会支持更多三方框架线程池,如果你有好的想法也可以和我沟通。
8. 线程池运行堆栈查看
线程池运行中,任务运行停止,怀疑发生死锁或执行耗时操作。大多数程序员会选择使用命令或者 arthas
查看线程池运行中线程的堆栈,看看其中的 Worker
都在哪个方法卡住了。
hippo4j 基于以上痛点,推出了线程池运行堆栈实时查看功能。
9. 动态线程池对性能有无影响
这可能是很多开发者担心的一个点,在这里统一回复下。
hippo4j 仅对线程池做部分核心功能增强,没有修改任务执行源代码流程,可以保证绝对的安全。
其次,hippo4j 上述的功能,都是与线程池执行任务主流程外扩展的,不会影响线程池正常的执行性能。
hippo4j 支持的两种运行模式
hippo4j 为用户提供了两种运行模式,分别是 轻量级的配置中心接入,和功能更齐全的 服务端接入,下面都来说说各自的优缺点。
1. hippo4j config
依赖配置中心完成线程池的动态变更,已支持的配置中心有:Nacos
、Apollo
、Zookeeper
,未来还会接入 Etcd
、Consul
等。
另外,hippo4j 已支持用户自定义配置中心实现,如果使用公司自研或其它配置中心,也可以极小工作量进行引入。
使用 hippo4j config 模式的优点和不足:
优点:轻量级引入,可以根据项目中已有配置中心进行 hippo4j 的集成,无需引入其它服务,即可使用线程池参数动态化、运行时监控、报警等核心功能。
不足:缺少可视化控制台页面,上文中描述的诸多功能不能使用。
2. hippo4j server
需要部署 hippo4j Jar 包,涵盖上文中描述的所有功能。
因为服务端内部实现了配置中心和注册中心(参考 nacos
和 eureka
实现),所以它不依赖任何三方中间件。
优点:功能齐备,可以享受更多的服务和便利。如果应用启动的是集群,可以指定其中某一个实例的线程池修改,而 config 则是整个集群变更。
不足:相比较 hippo4j config,需要额外部署一个 jar 包,增加了部署工作量。
如果最初使用 hippo4j config,想要切换到 server,两者在进行替换的时候,无需修改业务代码。
使用建议:根据公司情况选择,如果基本功能可以满足使用,选择 hippo4j config 使用即可;如果希望更多的功能,可以选择 hippo4j server。
项目发展近况
开源项目发展离不开用户和贡献者的支持,小马哥梳理出最近 hippo4j 发展近况:
GitHub、Gitee 收获
3.2k+ star
,810+ fork
。2022.4.12 Gitee 评选
GVP(最有价值开源项目)
。58
名项目贡献者为 hippo4j 添砖加瓦,这里重点感谢。16
家使用登记公司,生产环境正式运行 hippo4j。通过墨菲安全扫描,无任何代码安全漏洞隐患。
原文:https://www.cnblogs.com/longtaiblog/p/16623110.html
如果感觉本文对你有帮助,点赞关注支持一下,想要了解更多 Java 后端,大数据,算法领域最新资讯可以关注我公众号【架构师老毕】私信 666 还可获取更多 Java 后端,大数据,算法 PDF+大厂最新面试题整理+视频精讲
评论