您好,登录后才能下订单哦!
这篇文章将为大家详细讲解有关线程池有哪些经典面试题,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。
面试题1:使用线程池有哪些好处?
答案:降低资源消耗,通过重复利用已创建的线程,降低线程创建和销毁造成的消耗;提高响应速度,当任务到达时,任务可以不需要等到线程创建就能立即执行;增加线程的可管理型,线程是稀缺资源,使用线程池可以进行统一分配,调优和监控。
面试题2:概述一下线程池的核心属性。
答案:
(1)线程工厂:用于创建工作线程的工厂。
(2)核心线程数:当线程池运行的线程少于 corePoolSize 时,将创建一个新线程来处理请求,即使其他工作线程处于空闲状态。
(3)队列:用于保留任务并移交给工作线程的阻塞队列。
(4)最大线程数:线程池允许开启的最大线程数。
(5)拒绝策略:往线程池添加任务时,将在下面两种情况触发拒绝策略:一是线程池运行状态不是 RUNNING;二是线程池已经达到最大线程数,并且阻塞队列已满时。
(6)保持存活时间:如果线程池当前线程数超过 corePoolSize,则多余的线程空闲时间超过 keepAliveTime 时会被终止。
面试题3:线程池有哪些状态?分别描述一下。
答案:
(1)RUNNING:接受新任务并处理排队的任务。
(2)SHUTDOWN:不接受新任务,但处理排队的任务。
(3)STOP:不接受新任务,不处理排队的任务,并中断正在进行的任务。
(4)TIDYING:所有任务都已终止,workerCount 为零,线程转换到 TIDYING 状态将运行 terminated() 钩子方法。
(5)TERMINATED:terminated() 已完成。
面试题4:线程池有哪些常见的阻塞队列?使用时要注意什么?
答案:
(1)ArrayBlockingQueue:基于数组结构的有界阻塞队列,按先进先出对元素进行排序。
(2)LinkedBlockingQueue:基于链表结构的有界/无界阻塞队列,按先进先出对元素进行排序,吞吐量通常高于 ArrayBlockingQueue。Executors.newFixedThreadPool 使用了该队列。
(3)SynchronousQueue:不是一个真正的队列,而是一种在线程之间移交的机制。要将一个元素放入 SynchronousQueue 中,必须有另一个线程正在等待接受这个元素。如果没有线程等待,并且线程池的当前大小小于最大值,那么线程池将创建一个线程,否则根据拒绝策略,这个任务将被拒绝。使用直接移交将更高效,因为任务会直接移交给执行它的线程,而不是被放在队列中,然后由工作线程从队列中提取任务。只有当线程池是无界的或者可以拒绝任务时,该队列才有实际价值。
(4)PriorityBlockingQueue:具有优先级的无界队列,按优先级对元素进行排序。元素的优先级是通过自然顺序或 Comparator 来定义的。
使用有界队列时,需要注意线程池满了后,被拒绝的任务如何处理。使用无界队列时,需要注意如果任务的提交速度大于线程池的处理速度,可能会导致内存溢出。
面试题5:终止线程池有哪些方式?
答案:
(1)shutdown:“温柔”的关闭线程池。不接受新任务,但是在关闭前会将之前提交的任务处理完毕。
(2)shutdownNow:“粗暴”的关闭线程池,也就是直接关闭线程池,通过 Thread#interrupt() 方法终止所有线程,不会等待之前提交的任务执行完毕。但是会返回队列中未处理的任务。
面试题6:在我们实际使用中,线程池的大小配置多少合适?
答案:要想合理的配置线程池大小,首先我们需要区分任务是计算密集型还是I/O密集型。对于计算密集型,设置 线程数 = CPU数 + 1,通常能实现最优的利用率。对于I/O密集型,网上常见的说法是设置 线程数 = CPU数 * 2 ,这个做法是可以的,但不是最优的。
在我们日常的开发中,我们的任务几乎是离不开I/O的,常见的网络I/O(RPC调用)、磁盘I/O(数据库操作),并且I/O的等待时间通常会占整个任务处理时间的很大一部分,在这种情况下,开启更多的线程可以让 CPU 得到更充分的使用,一个较合理的计算公式如下:
线程数 = CPU数 * CPU利用率 * (任务等待时间 / 任务计算时间 + 1)
例如我们有个定时任务,部署在4核的服务器上,该任务有100ms在计算,900ms在I/O等待,则线程数约为:4 * 1 * (1 + 900 / 100) = 40个。当然,具体我们还要结合实际的使用场景来考虑。
关于线程池有哪些经典面试题就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。