线程数，射多少最合理？

Web-Server 有个配置，工作线程数。

Service 一般也有个配置，工作线程数。

经验丰富的架构师，懂得如何配置这些参数，使得系统的性能达到最优：有些业务设置为 CPU 核数的 2 倍，有些业务设置为 CPU 核数的 8 倍，有些业务设置为 CPU 核数的 32 倍。

“线程数” 的设置依据，是本文要讨论的问题。

工作线程数是不是设置的越大越好？

答案显然是否定的：

• 服务器 CPU 核数有限，能够同时并发的线程数有限，单核 CPU 设置 1000 个工作线程没有意义

• 线程切换有开销，如果线程切换过于频繁，反而会使性能降低

调用 sleep() 函数的时候，线程是否一直占用 CPU？

不占用，休眠时会把 CPU 让出来，给其他需要 CPU 资源的线程使用。

不止 sleep，一些阻塞调用，例如网络编程中的：

• 阻塞 accept()，等待客户端连接

• 阻塞 recv()，等待下游回包

都会让出 CPU 资源。

单核 CPU，设置多线程有意义么？

单核 CPU，设置多线程能否提高并发性能？

即使是单核，使用多线程也是有意义的，大多数情况也能提高并发：

• 多线程编码可以让代码更加清晰，例如：IO 线程收发包，Worker 线程进行任务处理，Timeout 线程进行超时检测

• 如果有一个任务一直占用 CPU 资源在进行计算，此时增加线程并不能增加并发，例如以下代码会一直占用 CPU，并使得 CPU 占用率达到 100%：

   while(1){ i++; }

• 通常来说，Worker 线程一般不会一直占用 CPU 进行计算，此时即使 CPU 是单核，增加 Worker 线程也能够提高并发，因为这个线程在休息的时候，其他的线程可以继续工作

常见服务线程模型有几种？

了解常见的服务线程模型，有助于理解服务并发的原理，一般来说互联网常见的服务线程模型有两种：

• IO 线程与工作线程通过任务队列解耦

• 纯异步

第一种，IO 线程与工作线程通过队列解耦类模型。

如上图，大部分 Web-Server 与服务框架都是使用这样的一种 “IO 线程与 Worker 线程通过队列解耦” 类线程模型：

• 有少数几个 IO 线程监听上游发过来的请求，并进行收发包（生产者）

• 有一个或者多个任务队列，作为 IO 线程与 Worker 线程异步解耦的数据传输通道（临界资源）

• 有多个工作线程执行正真的任务（消费者）

这个线程模型应用很广，符合大部分场景，这个线程模型的特点是，工作线程内部是同步阻塞执行任务的，因此可以通过增加 Worker 线程数来增加并发能力，今天要讨论的重点是 “该模型 Worker 线程数设置为多少能达到最大的并发”。

第二种，纯异步线程模型。

没有阻塞，这种线程模型只需要设置很少的线程数就能够做到很高的吞吐量，该模型的缺点是：

• 如果使用单线程模式，难以利用多 CPU 多核的优势

• 程序员更习惯写同步代码，callback 的方式对代码的可读性有冲击，对程序员的要求也更高

• 框架更复杂，往往需要 server 端收发组件，server 端队列，client 端收发组件，client 端队列，上下文管理组件，有限状态机组件，超时管理组件的支持

however，这个模型不是今天讨论的重点。

第一类 “IO 线程与工作线程通过队列解耦” 类线程模型，工作线程的工作模式是怎么样的？

了解工作线程的工作模式，对量化分析线程数的设置非常有帮助：

上图是一个典型的工作线程的处理过程，从开始处理 start 到结束处理 end，该任务的处理共有 7 个步骤：

（1）从工作队列里拿出任务，进行一些本地初始化计算，例如 http 协议分析、参数解析、参数校验等；

（2）访问 cache 拿一些数据；

（3）拿到 cache 里的数据后，再进行一些本地计算，这些计算和业务逻辑相关；

（4）通过 RPC 调用下游 service 再拿一些数据，或者让下游 service 去处理一些相关的任务；

（5）RPC 调用结束后，再进行一些本地计算，怎么计算和业务逻辑相关；

（6）访问 DB 进行一些数据操作；

（7）操作完数据库之后做一些收尾工作，同样这些收尾工作也是本地计算，和业务逻辑相关；

分析整个处理的时间轴，会发现：

• 其中 1，3，5，7 步骤中（上图中粉色时间轴），线程进行本地业务逻辑计算时需要占用 CPU

• 而 2，4，6 步骤中（上图中橙色时间轴），访问 cache、service、DB 过程中线程处于一个等待结果的状态，不需要占用 CPU，进一步的分解，这个 “等待结果” 的时间共分为三部分：

  2.1）请求在网络上传输到下游的 cache、service、DB

  2.2）下游 cache、service、DB 进行任务处理

  2.3）cache、service、DB 将报文在网络上传回工作线程

如何量化分析，并合理设置工作线程数呢？

通过上面的分析，Worker 线程在执行的过程中：

• 有一部计算时间需要占用 CPU

• 另一部分等待时间不需要占用 CPU

通过量化分析，例如打日志进行统计，可以统计出整个 Worker 线程执行过程中这两部分时间的比例，例如：

• 执行计算，占用 CPU 的时间（粉色时间轴）是 100ms

• 等待时间，不占用 CPU 的时间（橙色时间轴）也是 100ms

得到的结果是，这个线程计算和等待的时间是 1：1，即有 50% 的时间在计算（占用 CPU），50% 的时间在等待（不占用 CPU）：

• 假设此时是单核，则设置为 2 个工作线程就可以把 CPU 充分利用起来，让 CPU 跑到 100%

• 假设此时是 N 核，则设置为 2N 个工作现场就可以把 CPU 充分利用起来，让 CPU 跑到 N*100%

当当当当！！！

结论来了：

N 核服务器，通过执行业务的单线程分析出本地计算时间为 x，等待时间为 y，则工作线程数（线程池线程数）设置为 N*(x+y)/x，能让 CPU 的利用率最大化。

一般来说，非 CPU 密集型的业务（加解密、压缩解压缩、搜索排序等业务是 CPU 密集型的业务），瓶颈都在后端数据库访问或者 RPC 调用，本地 CPU 计算的时间很少，所以设置几十或者几百个工作线程是能够提升吞吐量的。

GET 新技能了吗？

思考题：

贵司线程数设置为多少？

画外音：随手设了一个 200？