分享一篇，關於線程的經典文章。
一、需求緣起
Web-Server通常有個配置，最大工作線程數，後端服務一般也有個配置，工作線程池的線程數量，這個線程數的配置不同的業務架構師有不同的經驗值，有些業務設置為CPU核數的2倍，有些業務設置為CPU核數的8倍，有些業務設置為CPU核數的32倍。 “工作線程數”的設置依據是什麼，到底設置為多少能夠最大化CPU性能，是本文要討論的問題。
二、一些共性認知
在進行進一步深入討論之前，先以提問的方式就一些共性認知達成一致。
提問：工作線程數是不是設置的越大越好？回答：肯定不是的
1）一來服務器CPU核數有限，同時併發的線程數是有限的，1核CPU設置10000個工作線程沒有意義
2）線程切換是有開銷的，如果線程切換過於頻繁，反而會使性能降低
提問：調用sleep()函數的時候，線程是否一直佔用CPU？
回答：不佔用，等待時會把CPU讓出來，給其他需要CPU資源的線程使用
不止調用sleep()函數，在進行一些阻塞調用，例如網絡編程中的阻塞accept()【等待客戶端連接】和阻塞recv()【等待下游回包】也不佔用CPU資源
提問：如果CPU是單核，設置多線程有意義麼，能提高併發性能麼？
回答：即使是單核，使用多線程也是有意義的1）多線程編碼可以讓我們的服務/代碼更加清晰，有些IO線程收發包，有些Worker線程進行任務處理，有些Timeout線程進行超時檢測
2）如果有一個任務一直佔用CPU資源在進行計算，那麼此時增加線程並不能增加併發，例如這樣的一個代碼while(1){ i++; }
該代碼一直不停的佔用CPU資源進行計算，會使CPU佔用率達到100%
3）通常來說，Worker線程一般不會一直佔用CPU進行計算，此時即使CPU是單核，增加Worker線程也能夠提高併發，因為這個線程在休息的時候，其他的線程可以繼續工作
三、常見服務線程模型
瞭解常見的服務線程模型，有助於理解服務併發的原理，一般來說互聯網常見的服務線程模型有如下兩種
IO線程與工作線程通過隊列解耦類模型
如上圖，大部分Web-Server與服務框架都是使用這樣的一種“IO線程與Worker線程通過隊列解耦”類線程模型：
1）有少數幾個IO線程監聽上游發過來的請求，並進行收發包（生產者）
2）有一個或者多個任務隊列，作為IO線程與Worker線程異步解耦的數據傳輸通道（臨界資源）
3）有多個工作線程執行正真的任務（消費者）
這個線程模型應用很廣，符合大部分場景，這個線程模型的特點是，工作線程內部是同步阻塞執行任務的（回想一下tomcat線程中是怎麼執行Java程序的，dubbo工作線程中是怎麼執行任務的），因此可以通過增加Worker線程數來增加併發能力，今天要討論的重點是“該模型Worker線程數設置為多少能達到最大的併發”。
純異步線程模型任何地方都沒有阻塞，這種線程模型只需要設置很少的線程數就能夠做到很高的吞吐量，Lighttpd有一種單進程單線程模式，併發處理能力很強，就是使用的的這種模型。該模型的缺點是：
1）如果使用單線程模式，難以利用多CPU多核的優勢
2）程序員更習慣寫同步代碼，callback的方式對代碼的可讀性有衝擊，對程序員的要求也更高
3）框架更復雜，往往需要server端收發組件，server端隊列，client端收發組件，client端隊列，上下文管理組件，有限狀態機組件，超時管理組件的支持however，這個模型不是今天討論的重點。
四、工作線程的工作模式
瞭解工作線程的工作模式，對量化分析線程數的設置非常有幫助：
上圖是一個典型的工作線程的處理過程，從開始處理start到結束處理end，該任務的處理共有7個步驟：
1）從工作隊列裡拿出任務，進行一些本地初始化計算，例如http協議分析、參數解析、參數校驗等
2）訪問cache拿一些數據
3）拿到cache裡的數據後，再進行一些本地計算，這些計算和業務邏輯相關
4）通過RPC調用下游service再拿一些數據，或者讓下游service去處理一些相關的任務
5）RPC調用結束後，再進行一些本地計算，怎麼計算和業務邏輯相關
6）訪問DB進行一些數據操作
7）操作完數據庫之後做一些收尾工作，同樣這些收尾工作也是本地計算，和業務邏輯相關
分析整個處理的時間軸，會發現：
1）其中1，3，5，7步驟中【上圖中粉色時間軸】，線程進行本地業務邏輯計算時需要佔用CPU
2）而2，4，6步驟中【上圖中橙色時間軸】，訪問cache、service、DB過程中線程處於一個等待結果的狀態，不需要佔用CPU，進一步的分解，這個“等待結果”的時間共分為三部分：
2.1）請求在網絡上傳輸到下游的cache、service、DB
2.2）下游cache、service、DB進行任務處理
2.3）cache、service、DB將報文在網絡上傳回工作線程
五、量化分析併合理設置工作線程數
最後一起來回答工作線程數設置為多少合理的問題。
通過上面的分析，Worker線程在執行的過程中，有一部計算時間需要佔用CPU，另一部分等待時間不需要佔用CPU，通過量化分析，例如打日誌進行統計，可以統計出整個Worker線程執行過程中這兩部分時間的比例，例如：
1）時間軸1，3，5，7【上圖中粉色時間軸】的計算執行時間是100ms
2）時間軸2，4，6【上圖中橙色時間軸】的等待時間也是100ms
得到的結果是，這個線程計算和等待的時間是1：1，即有50%的時間在計算（佔用CPU），50%的時間在等待（不佔用CPU）：
1）假設此時是單核，則設置為2個工作線程就可以把CPU充分利用起來，讓CPU跑到100%
2）假設此時是N核，則設置為2N個工作現場就可以把CPU充分利用起來，讓CPU跑到N*100%
結論：N核服務器，通過執行業務的單線程分析出本地計算時間為x，等待時間為y，則工作線程數（線程池線程數）設置為 N*(x+y)/x，能讓CPU的利用率最大化。
經驗：一般來說，非CPU密集型的業務（加解密、壓縮解壓縮、搜索排序等業務是CPU密集型的業務），瓶頸都在後端數據庫，本地CPU計算的時間很少，所以設置幾十或者幾百個工作線程也都是可能的。
六、結論
N核服務器，通過執行業務的單線程分析出本地計算時間為x，等待時間為y，則工作線程數（線程池線程數）設置為 N*(x+y)/x，能讓CPU的利用率最大化。
開源中國原文
閱讀更多 東方既白 的文章
