?Web-Server有個配置，工作線程數。

Service一般也有個配置，工作線程數。

經驗豐富的架構師，懂得如何配置這些參數，使得系統的性能達到最優：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。

“線程數”的設置依據，是本文要討論的問題。

工作線程數是不是設置的越大越好？

答案顯然是否定的：

• 服務器CPU核數有限，能夠同時并發的線程數有限，單核CPU設置1000個工作線程沒有意義；
• 線程切換有開銷，如果線程切換過于頻繁，反而會使性能降低；

調用sleep()函數的時候，線程是否一直占用CPU？

不占用，休眠時會把CPU讓出來，給其他需要CPU資源的線程使用。

不止sleep，一些阻塞調用，例如網絡編程中的：

• 阻塞accept()，等待客戶端連接；
• 阻塞recv()，等待下游回包；

都會讓出CPU資源。

單核CPU，設置多線程有意義么？

單核CPU，設置多線程能否提高并發性能？

即使是單核，使用多線程也是有意義的，大多數情況也能提高并發：

• 多線程編碼可以讓代碼更加清晰，例如：IO線程收發包，Worker線程進行任務處理，Timeout線程進行超時檢測；
• 如果有一個任務一直占用CPU資源在進行計算，此時增加線程并不能增加并發，例如以下代碼會一直占用CPU，并使得CPU占用率達到100%：

 while(1){ i++; }

• 通常來說，Worker線程一般不會一直占用CPU進行計算，此時即使CPU是單核，增加Worker線程也能夠提高并發，因為這個線程在休息的時候，其他的線程可以繼續工作；

常見服務線程模型有幾種？

了解常見的服務線程模型，有助于理解服務并發的原理，一般來說互聯網常見的服務線程模型有兩種：

• IO線程與工作線程通過任務隊列解耦；
• 純異步；

第一種，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：

• 有少數幾個IO線程監聽上游發過來的請求，并進行收發包（生產者）；
• 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）；
• 有多個工作線程執行真正的任務（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，因此可以通過增加Worker線程數來增加并發能力，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并發”。

第二種，純異步線程模型。

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，該模型的缺點是：

• 如果使用單線程模式，難以利用多CPU多核的優勢；
• 程序員更習慣寫同步代碼，callback的方式對代碼的可讀性有沖擊，對程序員的要求也更高；
• 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。

第一類“IO線程與工作線程通過隊列解耦”類線程模型，工作線程的工作模式是怎么樣的？

了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：

• 從工作隊列里拿出任務，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；
• 訪問cache拿一些數據；
• 拿到cache里的數據后，再進行一些本地計算，這些計算和業務邏輯相關；
• 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；
• RPC調用結束后，再進行一些本地計算，怎么計算和業務邏輯相關；
• 訪問DB進行一些數據操作；
• 操作完數據庫之后做一些收尾工作，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占用CPU；

(2) 而2，4，6步驟中（上圖中橙色時間軸），訪問cache、service、DB過程中線程處于一個等待結果的狀態，不需要占用CPU，進一步的分解，這個“等待結果”的時間共分為三部分：

• 請求在網絡上傳輸到下游的cache、service、DB；
• 下游cache、service、DB進行任務處理；
• cache、service、DB將報文在網絡上傳回工作線程；

如何量化分析，并合理設置工作線程數呢？

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占用CPU；
• 另一部分等待時間不需要占用CPU；

通過量化分析，例如打日志進行統計，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：

• 執行計算，占用CPU的時間（粉色時間軸）是100ms；
• 等待時間，不占用CPU的時間（橙色時間軸）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（占用CPU），50%的時間在等待（不占用CPU）：

• 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%；
• 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%；

當當當當?。?！

結論來了：

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。

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），瓶頸都在后端數據庫訪問或者RPC調用，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是能夠提升吞吐量的。?