歡迎關注個人公眾號：石杉的架構筆記（ID:shishan100）
週一至週五早8點半！精品技術文章準時送上！
精品學習資料獲取通道，參見文末
目錄
（1）背景引入
（2）執行緒池是如何構造的？
（3）執行緒池的執行原理
（4）無界佇列引發的記憶體飆升
（1）背景引入
今天跟大家聊一個網際網路大廠的Java面試題：使用無界佇列的執行緒池會導致記憶體飆升嗎？
因為在面網際網路大廠的時候，一定會問併發，問併發的時候一定會問到執行緒池，問到執行緒池一定會問構造執行緒池的一些引數的含義。
然後，有一些面試官會就執行緒池的具體場景，問一些可能會遇到的問題。
所以，在這裡就可能有上述那樣一個面試中的問題，算是Java面試裡相對來說高階一點的。
我相信大家一定起碼知道執行緒池是個什麼東西的。簡單來說，就是維護一個池子，池子裡面放了很多的執行緒。
然後來一個任務，某個執行緒就獲取這個任務來執行，任務執行完之後執行緒是不會釋放掉的，而是停留線上程池裡繼續等待下一個任務。
這樣的一個好處是你沒必要自己手動頻繁的建立和銷燬執行緒，畢竟執行緒是較重的資源，頻繁的建立和銷燬對系統效能是沒好處的。
我們看看下面的圖，回顧一下執行緒池的含義。
（2）執行緒池是如何構造的？
那麼平時在Java裡寫程式碼的時候，大家記得不記得執行緒池是如何構造出來的呢？
是不是類似下面那樣的程式碼，比如說我們構造一個執行緒數量固定的一個執行緒池：
其實很簡單，翻開JDK原始碼就可以看到裡面的程式碼如下：
corePoolSize maximumPoolSize keepAliveTime workQueue
假如說我們構造執行緒池傳入的執行緒數量是10，那麼在這裡，corePoolSize和maximumSize都是10，keepAliveTime預設就是0，workQueue是一個無界的LinkedBlockingQueue。
接下來，我們具體來看看構造一個執行緒池傳入一些引數之後，具體這個執行緒池的執行原理是什麼。
（3）執行緒池的執行原理
簡單來說，剛開始的時候其實執行緒池裡是空的，就是一個執行緒都沒有的，如下圖所示。
接著如果你使用執行緒池提交一個任務進去，希望由執行緒池裡的一個執行緒來執行，如下程式碼所示，就是提交一個任務：
現線上程池裡的執行緒數量是0，然後corePoolSize是10，那麼肯定沒達到了，所以直接會線上程池裡建立一個執行緒出來然後執行這個任務，如下圖。
接著假如說，這個執行緒處理完一個任務了，那麼此時執行緒是不會被銷燬的，他會一直等待下一個提交過來的任務。
那麼，到底是怎麼等待的呢？
很簡單，執行緒池會搭配一個workQueue，比如這裡搭配的就是一個無界的LinkedBlockingQueue，幾乎可以無限量放入任務。
然後那個執行緒處理完一個任務之後，就會用阻塞的方式嘗試從任務佇列裡獲取任務，如果佇列是空的，他就會阻塞卡在那兒不動，直到有人放一個任務到佇列裡，他才會獲取到一個任務然後繼續執行，迴圈往復，如下圖。
接著再次提交任務，執行緒池一判斷髮現，誒？好像執行緒數量才只有1個，完全比corePoolSize（10個）要小，那麼繼續直接在池子裡建立一個執行緒，然後處理這個任務，處理完了繼續嘗試從workQueue裡阻塞式獲取任務。
一直重複上面的操作，直到執行緒池裡有10個執行緒了，達到了corePoolSize指定的數量，如下圖。
這個時候你如果再提交任務，他一下子發現，誒？不對啊，執行緒池裡已經有10個執行緒了，跟corePoolSize指定的執行緒數量一樣了。
那麼現在，我就不需要建立任何一個額外的執行緒了，現在你只要提交任務，全部直接入隊到workQueue裡就好。
此時執行緒池裡的執行緒都阻塞式在workQueue上等待獲取任務，有一個任務進來就會喚醒一個執行緒來處理這個任務，處理完了任務再次阻塞在workQueue上嘗試獲取下一個任務，如下圖所示這個意思。
這裡我們看到他用的是一個無界的LinkedBlockingQueue，但是假如說他用的是一個有界的佇列呢？
比如說限定好了佇列最多隻能放10個任務，那麼假如說，執行緒池裡的執行緒來不及處理任務了，然後佇列一下子放滿了10個任務。
此時就會出現任務入隊的失敗，因為佇列滿了，無法入隊。
然後就會嘗試再次線上程池裡建立執行緒，這個時候就會一直建立執行緒直到執行緒池裡的執行緒數量達到maximumPoolSize指定的數量為止。
雖然這裡fixed執行緒池預設corePoolSize和maximumPoolSize的數量都是一致的，但是可以假設此時maximumPoolSize的數量是20呢？
那麼就會繼續建立執行緒，直到執行緒數量達到20個，然後用額外建立的10個執行緒在佇列滿的情況下，繼續處理任務。
整個過程，如下圖所示：
接著萬一佇列滿了，然後執行緒池的執行緒數量達到了maximumPoolSize指定的數量了，你額外建立執行緒都無法建立了，此時會如何呢？
答案是：會reject掉，不讓你繼續提交任務了，此時預設的就是丟擲一個異常。
那麼，在上圖中額外建立出來的，超出corePoolSize的那些執行緒呢？
他們一旦建立出來之後，會發現執行緒池數量已經超過corePoolSize了，此時他們會嘗試等待workQueue裡的任務。
一旦超過keepAliveTime指定的時間，還獲取不到任務，比如keepAliveTime是60秒，那麼假如超過60秒獲取不到任務，他就會自動釋放掉了，這個執行緒就銷燬了。
整個過程，如下圖所示。
（4）無界佇列引發的記憶體飆升
明白了執行緒池的執行原理了，這個面試題就好解答了。
我們以最常用的fixed執行緒池舉例，他的執行緒池數量是固定的，因為他用的是近乎於無界的LinkedBlockingQueue，幾乎可以無限制的放入任務到佇列裡。
所以只要執行緒池裡的執行緒數量達到了corePoolSize指定的數量之後，接下來就維持這個固定數量的執行緒了。
然後，所有任務都會入隊到workQueue裡去，執行緒從workQueue獲取任務來處理。
這個佇列幾乎永遠不會滿，當然這是幾乎，因為LinkedBlockingQueue預設的最大任務數量是Integer.MAX_VALUE，非常大，近乎於可以理解為無限吧。
只要佇列不滿，就跟maximumPoolSize、keepAliveTime這些沒關係了，因為不會建立超過corePoolSize數量的執行緒的。
同樣，給大家來一張圖，我們來看看：
那麼此時萬一每個執行緒獲取到一個任務之後，他處理的時間特別特別的長，長到了令人髮指的地步。比如處理一個任務要幾個小時，此時會如何？
當然會出現workQueue裡不斷的積壓越來越多得任務，不停的增加。
這個過程中會導致機器的記憶體使用不停的飆升，最後也許極端情況下就導致JVM OOM了，系統就掛掉了。
所以這就是這個面試題背後你要知道的執行緒池的執行原理，以及可能遇到的一些問題，大家要做到心裡有數。
END
掃描下方二維碼，備註：“資料”，獲取更多“祕製” 精品學習資料
如有收穫，請幫忙轉發，您的鼓勵是作者最大的動力，謝謝！
一大波微服務、分散式、高併發、高可用的原創系列文章正在路上
歡迎掃描下方二維碼，持續關注：
石杉的架構筆記（id:shishan100）
十餘年BAT架構經驗傾囊相授
推薦閱讀：
2、【雙11狂歡的背後】微服務註冊中心如何承載大型系統的千萬級訪問？
3、【效能優化之道】每秒上萬併發下的Spring Cloud引數優化實戰
6、大規模叢集下Hadoop NameNode如何承載每秒上千次的高併發訪問
7、【效能優化的祕密】Hadoop如何將TB級大檔案的上傳效能優化上百倍
9、【坑爹呀！】最終一致性分散式事務如何保障實際生產中99.99%高可用？
11、【眼前一亮！】看Hadoop底層演算法如何優雅的將大規模叢集效能提升10倍以上？
16、億級流量系統架構之如何設計全鏈路99.99%高可用架構
18、大白話聊聊Java併發面試問題之volatile到底是什麼？
19、大白話聊聊Java併發面試問題之Java 8如何優化CAS效能？
20、大白話聊聊Java併發面試問題之談談你對AQS的理解？
21、大白話聊聊Java併發面試問題之公平鎖與非公平鎖是啥？
22、大白話聊聊Java併發面試問題之微服務註冊中心的讀寫鎖優化
23、網際網路公司的面試官是如何360°無死角考察候選人的？（上篇）
24、網際網路公司面試官是如何360°無死角考察候選人的？（下篇）
25、Java進階面試系列之一：哥們，你們的系統架構中為什麼要引入訊息中介軟體？
26、【Java進階面試系列之二】：哥們，那你說說系統架構引入訊息中介軟體有什麼缺點？
27、【行走的Offer收割機】記一位朋友斬獲BAT技術專家Offer的面試經歷
28、【Java進階面試系列之三】哥們，訊息中介軟體在你們專案裡是如何落地的？
29、【Java進階面試系列之四】扎心！線上服務當機時，如何保證資料100%不丟失？
30、一次JVM FullGC的背後，竟隱藏著驚心動魄的線上生產事故！
31、【高併發優化實踐】10倍請求壓力來襲，你的系統會被擊垮嗎？
32、【Java進階面試系列之五】訊息中介軟體叢集崩潰，如何保證百萬生產資料不丟失？
33、億級流量系統架構之如何在上萬併發場景下設計可擴充套件架構（上）？
34、億級流量系統架構之如何在上萬併發場景下設計可擴充套件架構（中）？
35、億級流量系統架構之如何在上萬併發場景下設計可擴充套件架構（下）？
37、億級流量系統架構之如何保證百億流量下的資料一致性（上）
38、億級流量系統架構之如何保證百億流量下的資料一致性（中）？
39、億級流量系統架構之如何保證百億流量下的資料一致性（下）？
40、網際網路面試必殺：如何保證訊息中介軟體全鏈路資料100%不丟失（1）
41、網際網路面試必殺：如何保證訊息中介軟體全鏈路資料100%不丟失（2）
42、面試大殺器：訊息中介軟體如何實現消費吞吐量的百倍優化？
43、高併發場景下，如何保證生產者投遞到訊息中介軟體的訊息不丟失？
45、從團隊自研的百萬併發中介軟體系統的核心設計看Java併發效能優化
46、【非廣告，純乾貨】英語差的程式設計師如何才能無障礙閱讀官方文件？
47、如果20萬使用者同時訪問一個熱點快取，如何優化你的快取架構？
48、【非廣告，純乾貨】中小公司的Java工程師應該如何逆襲衝進BAT？
作者：石杉的架構筆記 連結：juejin.im/post/5c263a… 來源：掘金 著作權歸作者所有，轉載請聯絡作者獲得授權！