当前位置:首页 > 文章列表 > 文章 > java教程 > Java线程池创建与Executors使用教程

Java线程池创建与Executors使用教程

2026-02-10 15:05:36 0浏览 收藏

最近发现不少小伙伴都对文章很感兴趣,所以今天继续给大家介绍文章相关的知识,本文《Java线程池创建与Executors使用详解》主要内容涉及到等等知识点,希望能帮到你!当然如果阅读本文时存在不同想法,可以在评论中表达,但是请勿使用过激的措辞~

Java中创建线程池最常用方式是Executors工具类,但因隐藏关键参数易引发资源问题,生产环境应优先使用ThreadPoolExecutor显式构造,以精确控制核心线程数、队列容量、拒绝策略及线程工厂等。

在Java中如何创建线程池_Executors工具类使用说明

Java中创建线程池最常用的方式是通过 Executors 工具类,它封装了 ThreadPoolExecutor 的复杂构造逻辑,提供几种预设的线程池创建方法。但要注意:这些快捷方法虽方便,却隐藏了关键参数,容易引发资源耗尽或拒绝任务等问题,生产环境建议优先使用 ThreadPoolExecutor 显式构造。

常用Executors静态工厂方法及适用场景

Executors 提供以下典型线程池创建方式:

  • Executors.newFixedThreadPool(int nThreads):创建固定大小的线程池,核心线程数 = 最大线程数 = nThreads,使用无界队列(LinkedBlockingQueue)。适合负载稳定、任务量可预估的场景;但队列无界,若任务提交过快而执行缓慢,可能导致内存溢出。
  • Executors.newCachedThreadPool():创建可缓存线程池,核心线程数为0,最大线程数为 Integer.MAX_VALUE,空闲60秒后回收线程,使用同步队列(SynchronousQueue)。适合执行大量短生命周期异步任务;但线程数不受控,高并发下可能创建过多线程,引发OOM。
  • Executors.newSingleThreadExecutor():单线程池,保证任务按顺序串行执行,内部使用无界队列。适用于需要顺序执行、避免并发冲突的任务(如日志写入);但单点故障风险高,且吞吐受限。
  • Executors.newScheduledThreadPool(int corePoolSize):支持定时/周期性任务的线程池,底层基于 ScheduledThreadPoolExecutor。注意:它不继承自普通 ThreadPoolExecutor,部分行为(如拒绝策略设置方式)略有不同。

为什么阿里Java开发手册禁止使用Executors直接创建线程池

核心原因在于其隐藏了线程池关键参数,导致难以合理控制资源:

  • 无法显式指定 拒绝策略(默认为 AbortPolicy,抛出 RejectedExecutionException),线上应根据业务选择 CallerRunsPolicy 或自定义策略。
  • 无法控制 队列容量:如 newFixedThreadPool 使用无界队列,易堆积任务;newCachedThreadPool 使用 SynchronousQueue(容量为1),但最大线程数失控。
  • 无法设置 线程工厂(ThreadFactory),导致线程名混乱、无法统一设置守护状态或异常处理器,不利于问题排查。

推荐做法:用ThreadPoolExecutor显式构造

替代 Executors 工厂方法,手动构建更可控的线程池:

ThreadPoolExecutor executor = new ThreadPoolExecutor(
    2,                    // corePoolSize:核心线程数
    4,                    // maximumPoolSize:最大线程数
    60L,                  // keepAliveTime:非核心线程空闲存活时间
    TimeUnit.SECONDS,
    new ArrayBlockingQueue(100), // 有界阻塞队列,容量100
    new ThreadFactoryBuilder()      // 推荐使用Guava或自定义ThreadFactory
        .setNameFormat("my-pool-%d")
        .setDaemon(true)
        .build(),
    new ThreadPoolExecutor.CallerRunsPolicy() // 拒绝策略:由调用线程执行任务
);

关键点说明:

  • 队列建议用 ArrayBlockingQueue 等有界队列,避免内存无限增长;
  • 线程数设置需结合CPU密集型(≈ CPU核数)或IO密集型(通常更大,如2×CPU)估算;
  • 务必在应用关闭时调用 shutdown() 或 shutdownNow() 释放资源。

Executors的其他实用方法

除了创建线程池,Executors 还提供一些辅助功能:

  • Executors.unconfigurableExecutorService(ExecutorService):返回一个不可重新配置的代理,防止外部误调用 shutdown 等方法;
  • Executors.privilegedThreadFactory():返回具备上下文权限的线程工厂,适用于需访问受保护资源的场景(如安全敏感操作);
  • 配合 CompletableFuture 使用时,可通过 executor 参数指定自定义线程池,避免默认使用 ForkJoinPool.commonPool()。

不复杂但容易忽略:线程池不是“创建即用”,要关注监控(如活跃线程数、队列长度、拒绝次数)、合理关闭、以及与Spring等框架的集成方式(如 @Bean 声明 + @PreDestroy 销毁)。

今天关于《Java线程池创建与Executors使用教程》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

晋江文学城积分不足怎么解决晋江文学城积分不足怎么解决
上一篇
晋江文学城积分不足怎么解决
React错误边界的作用及使用方法
下一篇
React错误边界的作用及使用方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    463次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    526次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    543次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    490次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    309次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码