标签：https ima 设置 time() 大小 ref 实际应用 目录 ==
正文
关于如何计算并发线程数，一般分两派，来自两本书，且都是好书，到底哪个是对的？问题追踪后，整理如下：
第一派：《Java Concurrency in Practice》即《java并发编程实践》，如下图：
如上图，在《Java Concurrency in Practice》一书中，给出了估算线程池大小的公式：
Nthreads=Ncpu*Ucpu*(1+w/c)，其中
Ncpu=CPU核心数
Ucpu=cpu使用率，0~1
W/C=等待时间与计算时间的比率
第二派：《Programming Concurrency on the JVM Mastering》即《Java 虚拟机并发编程》
线程数=Ncpu/（1-阻塞系数）
对于派系一，假设cpu100%运转，即撇开CPU使用率这个因素，线程数=Ncpu*(1+w/c)。
现在假设将派系二的公式等于派系一公式，即Ncpu/（1-阻塞系数）=Ncpu*(1+w/c),===》阻塞系数=w/(w+c)，即阻塞系数=阻塞时间/（阻塞时间+计算时间），这个结论在派系二后续中得到应征，如下图：
由此可见，派系一和派系二其实是一个公式......这样我就放心了......
那么实际使用中并发线程数如何设置呢？分析如下（我们以派系一公式为例）：
Nthreads=Ncpu*(1+w/c)
IO密集型：一般情况下，如果存在IO，那么肯定w/c>1（阻塞耗时一般都是计算耗时的很多倍）,但是需要考虑系统内存有限（每开启一个线程都需要内存空间），这里需要上服务器测试具体多少个线程数适合（CPU占比、线程数、总耗时、内存消耗）。如果不想去测试，保守点取1即，Nthreads=Ncpu*(1+1)=2Ncpu。这样设置一般都OK。
计算密集型：假设没有等待w=0，则W/C=0. Nthreads=Ncpu。
至此结论就是：
IO密集型=2Ncpu（可以测试后自己控制大小，2Ncpu一般没问题）（常出现于线程中：数据库数据交互、文件上传下载、网络数据传输等等）
计算密集型=Ncpu（常出现于线程中：复杂算法）
java中：Ncpu=Runtime.getRuntime().availableProcessors()
=========================此处可略过=============================================
当然派系一种《Java Concurrency in Practice》还有一种说法，
即对于计算密集型的任务，在拥有N个处理器的系统上，当线程池的大小为N+1时，通常能实现最优的效率。(即使当计算密集型的线程偶尔由于缺失故障或者其他原因而暂停时，这个额外的线程也能确保CPU的时钟周期不会被浪费。)
即，计算密集型=Ncpu+1，但是这种做法导致的多一个cpu上下文切换是否值得，这里不考虑。读者可自己考量。
======================================================================
选择线程池并发线程数的因素很多：任务类型、内存等线程中使用到所有资源都需要考虑。本文经过对现有文献的分析论证，得出结论，并给出了实际应用公式，实乃工程师之福利，技术之典范......
标签：https ima 设置 time() 大小 ref 实际应用 目录 ==
原文地址：https://www.cnblogs.com/ceshi2016/p/9026492.html
