面试官：你们项目里的线程池是怎么用的？怎么管理的？

线程池这个问题，平时写业务时好像没什么存在感，很多代码里随手就是一个：

ExecutorService executor = Executors.newFixedThreadPool(10);

看起来也能跑，任务也能异步执行，线上一开始也不一定会出问题。

但如果面试官问一句：你们项目里的线程池是怎么用的？怎么管理的？

这时候如果只回答一句“用 Executors.newFixedThreadPool()”，基本就比较危险了。因为生产环境里，线程池不是简单创建几个线程来跑任务，而是要控制资源、控制队列、控制拒绝策略，还要能监控和调整。

本文内容：

1. 为什么不建议直接使用 Executors
2. 常见内置线程池到底有什么问题
3. ThreadPoolExecutor 的几个核心参数怎么理解
4. 生产环境里线程池一般怎么创建
5. 项目中如何统一管理和监控线程池

为什么不建议直接使用 Executors

先用一张图把 Executors 的问题放到一起看：它的风险并不只是“线程池怎么创建”，而是默认参数把很多边界隐藏掉了。

图里最需要关注的是两个边界：队列有没有上限，线程数有没有上限。这两个边界如果没有控制住，任务高峰期就很容易从“异步处理”变成“异步堆积”。

《阿里巴巴 Java 开发手册》中有一条比较常见的规范：

线程池不允许使用 Executors 去创建，而是通过 ThreadPoolExecutor 的方式创建。

这句话很多人都背过，但不一定真正理解它的问题在哪里。

我们先看一个最常见的 FixedThreadPool：

ExecutorService executor = Executors.newFixedThreadPool(10);

从使用上看，它创建了一个固定大小为 10 的线程池，好像挺安全的，因为线程数固定了，不会无限创建线程。

但问题不在线程数，而在队列。

newFixedThreadPool 的源码如下：

public static ExecutorService newFixedThreadPool(int nThreads) {
    return new ThreadPoolExecutor(nThreads, nThreads,
                                  0L, TimeUnit.MILLISECONDS,
                                  new LinkedBlockingQueue<Runnable>());
}

注意最后一行：

new LinkedBlockingQueue<Runnable>()

LinkedBlockingQueue 如果不指定容量，默认容量是：

Integer.MAX_VALUE

也就是说，这个队列基本上可以认为是无界队列。

如果线程池里有 10 个线程，某一段时间内任务突然变多，那么前 10 个任务会被线程执行，后面的任务就会一直进入队列。因为队列几乎没有上限，所以线程池不会拒绝任务，任务只会越堆越多。

如果任务生产速度一直大于消费速度，最后占用的就是堆内存，严重时就会导致 OOM。

所以 FixedThreadPool 最大的问题不是“线程数固定”，而是“队列没限制”。

这也是为什么生产环境里一般要求使用 ThreadPoolExecutor 显式创建线程池，把核心线程数、最大线程数、队列大小、线程工厂、拒绝策略都写清楚。

几种内置线程池的问题

Executors 里提供了几种常见线程池：

1. FixedThreadPool
2. SingleThreadExecutor
3. CachedThreadPool
4. ScheduledThreadPool

它们不是完全不能用，而是不适合在生产代码里不加控制地直接用。我们分别来看一下。

FixedThreadPool

前面已经看过它的源码：

public static ExecutorService newFixedThreadPool(int nThreads) {
    return new ThreadPoolExecutor(nThreads, nThreads,
                                  0L, TimeUnit.MILLISECONDS,
                                  new LinkedBlockingQueue<Runnable>());
}

它的参数相当于：

1. 核心线程数等于最大线程数
2. 线程数固定
3. 使用无界 LinkedBlockingQueue

因为队列是无界的，所以当核心线程都在忙时，后续任务只会一直排队，不会触发扩容，也不容易触发拒绝策略。

很多人以为固定线程池比较稳，其实它只是把压力藏到了队列里。队列没满之前，系统看起来都还正常；等到内存撑不住时，问题就已经比较严重了。

SingleThreadExecutor

SingleThreadExecutor 的源码也很类似：

public static ExecutorService newSingleThreadExecutor() {
    return new ThreadPoolExecutor(1, 1,
                                  0L, TimeUnit.MILLISECONDS,
                                  new LinkedBlockingQueue<Runnable>());
}

它只有一个工作线程，后面的任务都会排队串行执行。

如果只是少量后台任务，问题不明显。但如果任务提交速度很快，而这个单线程消费不过来，任务还是会一直堆到无界队列里。

所以它的问题和 FixedThreadPool 一样，只是更隐蔽，因为大家看到“单线程”时，会觉得它更可控。

实际上线程数是可控了，队列还是不可控。

CachedThreadPool

再看 CachedThreadPool：

public static ExecutorService newCachedThreadPool() {
    return new ThreadPoolExecutor(0, Integer.MAX_VALUE,
                                  60L, TimeUnit.SECONDS,
                                  new SynchronousQueue<Runnable>());
}

这个线程池的特点是：

1. 核心线程数为 0
2. 最大线程数是 Integer.MAX_VALUE
3. 使用 SynchronousQueue
4. 空闲线程 60 秒后回收

SynchronousQueue 比较特殊，它不存任务。提交任务时，必须马上有线程接收；如果没有空闲线程，就会创建新线程。

这就带来一个问题：如果任务提交很快，任务执行又比较慢，线程池就会不断创建新线程。

线程并不是免费的。线程多了以后，会带来线程栈内存占用，也会带来大量上下文切换。严重时 CPU 会被切换消耗拖住，内存也可能被打满。

所以 CachedThreadPool 的风险不在队列，而在线程数几乎没有上限。

ScheduledThreadPool

ScheduledThreadPool 一般用来执行延迟任务或者周期任务。

它底层使用的是延迟队列，队列本身也没有一个业务意义上的容量限制。如果定时任务提交过多，或者任务执行时间超过了调度周期，也会出现任务堆积。

比如一个任务每 1 秒调度一次，但每次执行需要 5 秒，如果没有控制好，就容易产生积压。

所以定时任务线程池也不能只关注线程数，还要关注任务是否堆积、任务执行耗时是否超过周期。

ThreadPoolExecutor 的几个核心参数

理解 ThreadPoolExecutor 的参数之前，最好先把任务提交后的执行顺序搞清楚。很多线程池问题，都是因为误以为“最大线程数会马上生效”。

这张图的关键点是：核心线程满了以后，任务会先进入队列；只有队列也满了，才会继续创建非核心线程。所以队列类型和队列容量，会直接影响 maximumPoolSize 是否有机会发挥作用。

既然不建议直接使用 Executors，那我们就要自己创建 ThreadPoolExecutor。

它常用的构造方法如下：

public ThreadPoolExecutor(int corePoolSize,
                          int maximumPoolSize,
                          long keepAliveTime,
                          TimeUnit unit,
                          BlockingQueue<Runnable> workQueue,
                          ThreadFactory threadFactory,
                          RejectedExecutionHandler handler);

这些参数不是随便填的，线程池在高峰期怎么表现，基本都由它们决定。

corePoolSize

corePoolSize 表示核心线程数。

当任务提交到线程池时，如果当前线程数还没有达到 corePoolSize，线程池会创建新线程来执行任务。

如果当前线程数已经达到 corePoolSize，任务就会进入队列等待。

所以核心线程数太小，任务容易排队；核心线程数太大，又会造成线程资源浪费，甚至带来更多上下文切换。

一般会根据任务类型来估算一个初始值。

如果是 CPU 密集型任务，比如计算、加密、压缩等，线程数通常可以设置为：

CPU 核心数 + 1

如果是 IO 密集型任务，比如访问数据库、Redis、RPC 接口、文件、网络等，线程经常处于等待状态，线程数可以适当多一些。

常见估算公式是：

线程数 = CPU 核心数 * (1 + IO 耗时 / CPU 耗时)

不过这个公式只能给一个初始值，不能当成最终答案。真正的参数还是要结合压测和线上监控来调整。

maximumPoolSize

maximumPoolSize 表示线程池允许创建的最大线程数。

它不是一开始就生效的。线程池只有在下面几个条件都满足时，才会继续创建非核心线程：

1. 核心线程已经满了
2. 队列也满了
3. 当前线程数还小于 maximumPoolSize

这里有一个很容易被忽略的点：如果使用的是无界队列，那么 maximumPoolSize 基本就没什么机会生效。

因为核心线程满了之后，任务会一直进入队列，而队列又几乎不会满，所以线程数最多也就到 corePoolSize。

这也是为什么我们不建议用无界队列。无界队列不仅可能导致 OOM，还会让最大线程数这个参数失去意义。

keepAliveTime

keepAliveTime 控制的是非核心线程的空闲存活时间。

当线程池里的线程数超过 corePoolSize 后，多出来的线程就是非核心线程。如果这些线程空闲时间超过了 keepAliveTime，就会被回收。

默认情况下，核心线程不会因为空闲而回收。

如果希望核心线程也能超时回收，可以这样设置：

threadPoolExecutor.allowCoreThreadTimeOut(true);

不过这个配置要看场景。

如果某个线程池使用频率很高，核心线程频繁创建和销毁反而会增加开销。如果是低频任务，或者任务波动比较大，可以考虑让核心线程也支持超时回收。

workQueue

队列是线程池里非常关键的一个参数。

它决定了任务来了以后，是先排队，还是扩容线程，还是直接触发拒绝策略。

生产环境里，最重要的一点是：队列最好有容量限制。

ArrayBlockingQueue

ArrayBlockingQueue 是基于数组实现的有界队列，创建时必须指定容量：

new ArrayBlockingQueue<>(1000)

它的特点是容量固定，内存相对可控，比较适合对稳定性要求比较高的业务线程池。

缺点是生产者和消费者共用一把锁，在并发非常高时吞吐一般，但很多业务场景下已经够用了。

LinkedBlockingQueue

LinkedBlockingQueue 是基于链表实现的阻塞队列。

它有两种写法：

new LinkedBlockingQueue<>()
new LinkedBlockingQueue<>(1000)

第一种不指定容量，就是前面说的高风险写法，因为默认容量是 Integer.MAX_VALUE。

第二种指定容量后，是可以使用的。

所以问题不在 LinkedBlockingQueue 这个类本身，而在于很多人用了默认构造方法，导致队列变成了无界队列。

SynchronousQueue

SynchronousQueue 不存储任务，它更像是任务的直接交接。

提交任务时，如果有空闲线程接收，就交给线程执行；如果没有空闲线程，就看线程池是否还能创建新线程；如果不能创建，就触发拒绝策略。

它适合任务执行时间较短、希望任务不要在队列里堆积的场景。

但使用它时一定要控制好 maximumPoolSize，否则就可能变成线程数暴涨。

ThreadFactory

线程工厂经常被忽略，但线上排查问题时它很重要。

比如我们可以给线程设置业务名称：

public class NamedThreadFactory implements ThreadFactory {
    private final AtomicInteger count = new AtomicInteger();
    private final String name;

    public NamedThreadFactory(String name) {
        this.name = name;
    }

    @Override
    public Thread newThread(Runnable r) {
        Thread thread = new Thread(r);
        thread.setName(name + "-" + count.getAndIncrement());
        thread.setDaemon(false);
        return thread;
    }
}

这样当线上出现 CPU 飙高、线程阻塞、死锁等问题时，通过线程名就能知道是哪个业务线程池出了问题。

如果线程名都是默认的 pool-1-thread-1，排查起来就很难受。

RejectedExecutionHandler

当线程池达到最大线程数，并且队列也满了，再提交任务就会触发拒绝策略。

JDK 默认提供了几种策略：

策略	说明
AbortPolicy	直接抛出 RejectedExecutionException
DiscardPolicy	直接丢弃任务，不抛异常
DiscardOldestPolicy	丢弃队列中最早的任务，然后重新提交当前任务
CallerRunsPolicy	由提交任务的线程自己执行任务

这几个策略没有绝对好坏，要看业务能不能接受任务丢失、能不能接受调用方被阻塞。

如果任务不能丢，通常不能直接用 DiscardPolicy。

如果希望问题尽快暴露，可以使用 AbortPolicy，但调用方要处理好异常。

如果使用 CallerRunsPolicy，任务不会被丢，但提交任务的线程会被拖住。比如一个 HTTP 请求线程提交异步任务，结果线程池满了，这个异步任务就由请求线程自己执行。如果任务很慢，就会拖慢主链路，严重时还可能把 Tomcat 线程池也拖住。

所以拒绝策略最少要做两件事：

1. 记录日志
2. 打监控或报警

任务被拒绝说明线程池已经饱和了，这不是普通异常，而是系统处理能力不足的信号。

线程池参数怎么定

线程池参数没有一个通用答案。

比如同样是 8 核机器，一个线程池是做本地计算，另一个线程池是调用下游接口，这两个线程池的参数就不应该一样。

通常可以先按下面这个思路来定初始值：

1. 先区分任务类型，是 CPU 密集型还是 IO 密集型
2. 估算单个任务耗时，以及任务中等待 IO 的比例
3. 根据机器资源给一个初始线程数
4. 队列一定要有容量限制
5. 拒绝策略要结合业务语义选择
6. 上线后通过监控观察，再调整参数

比如一个调用外部接口的异步任务，耗时主要在网络等待上，可以适当把线程数调大一些；但如果任务里有大量计算，就不能盲目加线程，因为线程太多反而会让 CPU 花更多时间做上下文切换。

另外还要注意一点：队列容量不是越大越好。

队列大，只是能放更多任务，不代表处理能力变强。如果队列一直在涨，本质上说明消费能力已经跟不上了。队列越大，任务等待时间可能越长，用户感知到的延迟也可能越明显。

所以线程池要看的不是“能不能放得下”，而是“能不能及时处理完”。

项目里一般怎么封装线程池

参数理解清楚以后，落到项目里还要解决另一个问题：不能让每个业务方都按自己的习惯创建线程池。否则线程名、队列容量、拒绝策略和监控方式都会变得不统一。

比较稳妥的做法是提供统一入口，让业务只关心线程池名称和必要参数，底层统一补齐有界队列、命名线程工厂、拒绝策略、监控采集和动态配置。

在项目中，最好不要让业务代码到处自己 new ThreadPoolExecutor。

因为每个人写法不一样，有的人不设置线程名，有的人用无界队列，有的人没有拒绝策略，有的人没有监控。最后项目里线程池越来越多，出了问题也不好查。

比较常见的做法是封装一个统一的工具类或者组件，业务方通过统一入口创建线程池。

比如我们可以提供一个方法：

DynamicExecutorHelper.getExecutor(name, size, queueSize)

这里至少要做到几件事：

1. 线程池名字由业务传入
2. 队列容量必须显式传入
3. 线程工厂统一设置线程名
4. 拒绝策略统一打日志和监控
5. 定时采集线程池指标
6. 支持从配置中心动态调整线程数
7. 包装任务，传递 MDC 或 trace 上下文

下面看一个简化后的实现思路。

统一创建线程池

核心创建逻辑可以写成这样：

public static ExecutorService getExecutor(String name, int size, int queueSize) {
    ExecutorWrapper executorWrapper = executorWrapperCache.getIfPresent(name);
    if (executorWrapper == null) {
        synchronized (DynamicExecutorHelper.class) {
            executorWrapper = executorWrapperCache.getIfPresent(name);
            if (executorWrapper == null) {
                ensureMonitorInitialized();

                ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor(
                        size,
                        size,
                        1,
                        TimeUnit.MINUTES,
                        queueSize <= 0 ? new SynchronousQueue<>() : new LinkedBlockingDeque<>(queueSize),
                        new NamedThreadFactory(name),
                        new ExecutorRejectedExecutionHandler(name)
                );

                executorWrapper = new ExecutorWrapper(name, threadPoolExecutor);
                executorWrapperCache.put(name, executorWrapper);
                rejectCounters.put(name, new AtomicInteger(0));
            }
        }
    }
    return executorWrapper.getWrapperExecutorService();
}

这里有几个点比较关键。

第一，线程池按名称缓存，同一个业务线程池不会重复创建。

第二，队列没有使用默认无界队列：

queueSize <= 0 ? new SynchronousQueue<>() : new LinkedBlockingDeque<>(queueSize)

如果 queueSize > 0，就使用有界队列；如果 queueSize <= 0，就使用 SynchronousQueue，表示任务不排队。

第三，线程工厂和拒绝策略都是统一的，这样线程名、日志、监控都能统一起来。

线程池要有监控

线程池创建出来以后，不能只管提交任务，还要定时采集指标。

比如：

private static void recordMetrics(String name, ThreadPoolExecutor threadPoolExecutor) {
    SMonitor.recordOne("dynamic_executor_core_" + name + "_" + threadPoolExecutor.getCorePoolSize());
    SMonitor.recordOne("dynamic_executor_max_" + name + "_" + threadPoolExecutor.getMaximumPoolSize());
    SMonitor.recordOne("dynamic_executor_active_" + name + "_" + threadPoolExecutor.getActiveCount());
    SMonitor.recordOne("dynamic_executor_pool_size_" + name + "_" + threadPoolExecutor.getPoolSize());
    SMonitor.recordOne("dynamic_executor_queue_size_" + name + "_" + threadPoolExecutor.getQueue().size());
    SMonitor.recordOne("dynamic_executor_queue_remain_cap_" + name + "_" + threadPoolExecutor.getQueue().remainingCapacity());
    SMonitor.recordOne("dynamic_executor_completed_task_" + name + "_" + threadPoolExecutor.getCompletedTaskCount());
}

这些指标里，最常看的有两个：

threadPoolExecutor.getActiveCount();
threadPoolExecutor.getQueue().size();

getActiveCount() 能看到当前有多少线程正在执行任务。

getQueue().size() 能看到有多少任务正在排队。

如果活跃线程数长期接近线程池大小，说明线程基本都在忙。

如果队列长度持续上涨，说明任务已经开始堆积。

这两个指标要结合起来看。只有活跃线程高，不一定有问题，可能只是高峰期；但如果活跃线程高，同时队列也一直涨，那就要关注了。

拒绝任务要能看到

拒绝策略里不要静默处理。

可以类似这样：

public static class ExecutorRejectedExecutionHandler implements RejectedExecutionHandler {

    private final String name;

    public ExecutorRejectedExecutionHandler(String name) {
        this.name = name;
    }

    @Override
    public void rejectedExecution(Runnable r, ThreadPoolExecutor executor) {
        if (!executor.isShutdown()) {
            SMonitor.recordOne("dynamic_executor_task_reject_" + name);

            AtomicInteger rejectCounter = rejectCounters.get(name);
            if (rejectCounter != null) {
                rejectCounter.incrementAndGet();
            }

            log.warn("ThreadPool[{}] rejected task, poolSize: {}, active: {}, queueSize: {}, remainingCapacity: {}",
                    name,
                    executor.getPoolSize(),
                    executor.getActiveCount(),
                    executor.getQueue().size(),
                    executor.getQueue().remainingCapacity());

            r.run();
        }
    }
}

这里最后的：

r.run();

相当于 CallerRunsPolicy，也就是让提交任务的线程自己执行。

这个做法可以形成一定的反压。线程池忙不过来时，提交方也会被拖慢，任务提交速度自然会下降。

但它不是万能的。如果提交方是主业务线程，而任务又很耗时，就可能影响主链路。因此只要触发拒绝，就应该有日志和报警，后续要看是扩容、降级，还是排查下游耗时。

支持动态调整线程数

线程池参数最好不要写死。

因为线上流量会变化，下游耗时会变化，任务数量也会变化。今天合适的参数，过一段时间不一定还合适。

可以从配置中心读取线程池大小：

private static void adjustThreadPoolSize(String name, ThreadPoolExecutor threadPoolExecutor) {
    String coreSizeStr = CommonConfig.get("dynamic.executor.size." + name);
    if (coreSizeStr != null && !coreSizeStr.isEmpty()) {
        int newSize = Integer.parseInt(coreSizeStr);
        resizeThreadPool(threadPoolExecutor, newSize);
    }
}

调整时要注意 ThreadPoolExecutor 的约束：

maximumPoolSize >= corePoolSize

所以扩容和缩容的顺序不能写反。

比如：

private static void resizeThreadPool(ThreadPoolExecutor threadPoolExecutor, int newSize) {
    int currentMax = threadPoolExecutor.getMaximumPoolSize();
    int currentCore = threadPoolExecutor.getCorePoolSize();

    if (newSize > currentMax) {
        threadPoolExecutor.setMaximumPoolSize(newSize);
        threadPoolExecutor.setCorePoolSize(newSize);
    } else if (newSize < currentCore) {
        threadPoolExecutor.setCorePoolSize(newSize);
        threadPoolExecutor.setMaximumPoolSize(newSize);
    } else {
        threadPoolExecutor.setCorePoolSize(newSize);
    }
}

扩容时，先调大 maximumPoolSize，再调大 corePoolSize。

缩容时，先调小 corePoolSize，再调小 maximumPoolSize。

否则可能会因为 maximumPoolSize 小于 corePoolSize 而抛异常。

任务包装和链路上下文

线程池还有一个常见问题：跨线程后日志上下文丢失。

比如主线程里有 traceId，放在 MDC 里。任务提交到线程池后，执行任务的是另一个线程，MDC 默认不会自动传过去。

这时可以在提交任务时包一层：

public static class MdcTaskWrapper<T> implements Runnable, Callable<T>, Supplier<T> {

    private final long startTime = System.currentTimeMillis();
    private final Runnable runnable;
    private final Callable<T> callable;
    private final Supplier<T> supplier;
    private final Map<String, String> mdcMap;

    private MdcTaskWrapper(Runnable runnable, Callable<T> callable, Supplier<T> supplier) {
        this.runnable = runnable;
        this.callable = callable;
        this.supplier = supplier;

        Map<String, String> currentMdcMap = MDC.getCopyOfContextMap();
        this.mdcMap = currentMdcMap == null ? Collections.emptyMap() : currentMdcMap;
    }

    @Override
    public void run() {
        execute();
    }

    @Override
    public T call() throws Exception {
        return execute();
    }

    @Override
    public T get() {
        return execute();
    }

    private T execute() {
        Map<String, String> oldMdcMap = null;
        try {
            oldMdcMap = MDC.getCopyOfContextMap();
            MDC.setContextMap(mdcMap);

            long delay = System.currentTimeMillis() - startTime;
            SMonitor.recordQuantile("executor_task_delay", delay);

            if (supplier != null) {
                return supplier.get();
            }
            if (callable != null) {
                return callable.call();
            }
            if (runnable != null) {
                runnable.run();
            }
            return null;
        } catch (Exception e) {
            throw e instanceof RuntimeException ? (RuntimeException) e : new RuntimeException(e);
        } finally {
            if (oldMdcMap != null) {
                MDC.setContextMap(oldMdcMap);
            } else {
                MDC.clear();
            }
        }
    }
}

这段代码主要做了两件事。

第一，在任务提交时保存当前线程的 MDC：

Map<String, String> currentMdcMap = MDC.getCopyOfContextMap();

第二，在任务真正执行时设置 MDC，执行完再恢复原来的上下文：

MDC.setContextMap(mdcMap);

这样异步任务里的日志也能串到同一条链路上。

另外这里还记录了一个任务排队延迟：

long delay = System.currentTimeMillis() - startTime;

这个指标很有用。它表示任务从提交到真正开始执行，中间等了多久。

有时候队列长度看起来不算特别高，但任务排队时间已经很长了，这说明线程池处理能力可能已经跟不上了。

线程池一般怎么治理

线程池创建出来只是第一步，真正在线上稳定运行，还要持续观察它的状态。活跃线程数、队列长度、拒绝次数和任务排队延迟，往往比单纯看线程数更有价值。

如果这些指标长期异常，就不能只想着把线程数调大，还要结合 CPU、内存和下游耗时一起看，判断是扩容、降级，还是排查慢任务和下游抖动。

如果把线程池当成一个普通工具类，用的时候拿来提交任务，不用的时候不管它，那迟早会出问题。

在线上，线程池更像是一种资源，需要治理。

比较基本的要求有下面几个。

统一创建

业务代码不要到处手写线程池。

统一入口创建线程池，可以保证线程名、队列容量、拒绝策略、监控这些东西都不会漏。

队列有界

不要使用默认无界队列。

不管是 ArrayBlockingQueue，还是指定容量的 LinkedBlockingQueue，重点是容量要明确。

容量明确以后，系统压力过大时才会暴露出来，才有机会触发拒绝策略、报警、降级。

指标可观测

至少要关注这些指标：

指标	方法
核心线程数	getCorePoolSize()
最大线程数	getMaximumPoolSize()
当前线程数	getPoolSize()
活跃线程数	getActiveCount()
队列长度	getQueue().size()
队列剩余容量	getQueue().remainingCapacity()
已完成任务数	getCompletedTaskCount()
拒绝任务数	自定义拒绝策略统计

其中活跃线程数、队列长度、拒绝任务数是最常看的几个。

参数可调整

线程池参数不是一次写完就永远不动。

如果队列持续上涨，活跃线程长期打满，并且机器资源还有余量，可以考虑扩容线程数。

如果线程池长期很空闲，线程数明显过多，也可以考虑缩容。

不过调参数时不要只看线程池本身，也要看 CPU、内存、下游服务耗时。否则盲目扩容线程数，可能只是把压力转移到数据库、Redis 或下游接口上。

总结

所以回到最开始的问题：你们项目中都是怎么用线程池的？

比较好的回答不是简单说“我们用了 FixedThreadPool”，而是要说清楚这些点：

1. 不直接使用 Executors 创建业务线程池
2. 使用 ThreadPoolExecutor 显式指定参数
3. 队列使用有界队列，避免任务无限堆积
4. 线程工厂统一设置业务线程名
5. 拒绝策略要记录日志、打监控，不能静默丢任务
6. 线程池指标要定时采集，重点关注活跃线程数、队列长度、拒绝次数
7. 参数最好能通过配置中心动态调整
8. 异步任务需要考虑 MDC、traceId 等上下文传递

线程池本身不复杂，复杂的是线上环境里的流量变化、下游抖动和任务堆积。

用得好，它可以帮我们削峰、隔离和提升吞吐。

用得不好，它也可能把一个小问题放大成线上事故。