线程池优化与监控

一、前言

随着应用不断的迭代更新，零售工程内异步任务逐渐增多，包括网络请求、本地 DB 操作、轮询等任务使用的都是同一个线程池，线程池极易打满（比如网络一慢就容易阻塞线程池），导致任务堆积，造成「操作卡顿」的现象。用户看到操作没反应，可能会更频繁的尝试操作，再加上不断轮询的任务，应用的线程池队列会快速积压更多的任务，「卡顿」现象加剧，单一线的线程池已经无法支撑业务需求：

1. 任务没有隔离，异步任务相互影响主要是长耗时影响短耗时任务
2. 轮回任务开销大：没有统一的轮询处理方式，业务方需要自己创建线程或线程池（有些干脆就在默认的 I/O 线程池进行轮询），应用中存在大量的自建线程池，增加无谓的资源消耗
3. 缺少监控：缺乏线程池的监控和日志，线程池的运行状况和健康度无法衡量，一旦出现「卡顿」问题，排查非常困难，完全不知道是哪些任务造成的问题，伤害用户体验的同时，也极大的消耗开发人员的精力

图注：短时间任务暴涨的情况，在几毫秒内触发多次任务

二、整体设计

目标：

1. 任务隔离，避免耗时任务影响交互
2. 统一轮询，减少资源开销
3. 任务监控，防止业务方使用错误
4. 信息采集与监控，快速定位排查问题

优化的核心在于分离和监控

分离：

对原有的 I/O 线程池进行拆分，分离出不适合放在这个线程池的任务，保证 I/O 线程池能对大量、快速的本地任务给予更好的支持，而分离的关键就在于分离出「慢」和「多」的任务:

• 避免耗时短的任务等待耗时长的任务
• 避免频繁、大量执行的任务占据大量的线程池资源

具体的策略包括:

• 将网络请求的线程分离出来，放入单独的线程池中，避免因网络任务慢阻塞本地的快速任务
• 将轮询任务分离出来，当轮询的任务耗时过长或者线程池打满的场景下，会极速加剧线程池的恶化，最终让主流程完全瘫痪，轮询任务不适合放在通用的线程池中，通过将它放入通用的轮询任务线程池，统一化的对轮询任务进行管理

监控：

除了已知的网络任务&轮询任务需要分离出 I/O 线程池之外，还需要增加对线程池的监控，进一步分离出不适合放在I/O线程池的任务（同样是「慢」和「多」）

1. 通过监控每个任务执行的时长，分离出长耗时（即「慢」）的任务，分析出是因为逻辑 bug 还是本身的复杂度正常占用，如果是正常占用就考虑是否合适继续放在默认的 I/O 线程池，最终目标是达成对「慢」的优化
2. 另外零售工程中还存在短时间大量重复任务堆积的现象，当线程池接近或达到负荷状态时，监控线程池中的任务，找到批量的任务，然后进行优化，最终目标是达成对「多」的优化
3. 通过上面的方式将「慢」的任务分离出去之后，并不代表这样就完事了，这些任务可能会消耗大量的系统资源，所以同样需要统一对这个线程池进行监控（主要是网络任务的监控），把慢网络请求找出来，达到对「慢」的进一步优化
4. 通过 API 监控业务方使用合理性，比如：使用多线程轮询的合理性

三、技术实现

2.1 线程管理库

目标：

1. 管理工程内所有线程池与线程创建
2. 子线程任务监控
3. 线程池隔离任务分开执行，使用不同线程池执行不同任务
4. 轮询任务的统一与异常任务的过滤
5. 线程池的自动最优设置

线程库结构图

线程池管理，目前会提供三种线程池：

1. 网络线程池：针对网络任务。更改方式：直接在网络库替换业务方无感知
2. IO 线程池：针对本地异步任务。更改方式：App 启动时 Hook RxJava 线程池替换业务方无感知
3. 轮询线程池：针对轮询任务，需要业务方的接入

线程池 API 定义

3.2 轮询任务统一

1. 禁止时间间隔小于 1 秒轮询任务，防止高频轮询消耗资源
2. 所有轮询任务巡检间隔 1 秒检测一次
3. 轮询检测是独立的线程，只做轮询检测，有任务时死循环间隔检测，没有任务时则睡眠等待下次注册执行，根据结果轮询执行或睡眠
4. 线程任务模式有两种： 单线程回调: 表示最多占用一个线程。例：1 秒轮询回调 1 次，再回调前会判断上个任务是执行完成，如果没有执行完成则回调 pollTaskExceptionCallback()，如果已经执行完成则回调 pollTaskCallback() 多线程回调：表示最多占用 30 个线程。例：1 秒轮询回调 1 次，再回调前会判断当前任务占用线程总量，如果没有执行完成则回pollTaskExceptionCallback()，如果已经执行完成则回调。pollTaskCallback() 默认是单线程回调
5. 业务方可以指定轮询次数，或设置无限轮询
6. 轮询线程池动态扩容：初始线程为 30 个，如果使用线程等于核心线程则动态扩容 2 倍，最大限制 120 个核心线程

轮询任务流程图

轮询 API 定义

任务过滤：

轮询正常回调 pollTaskCallback() 方法，如果异常这时将回调到 pollTaskExceptionCallback() 方法。

异常任务过滤的实现:

1. 记录所有任务。
2. 每次执行任务时会进行校验，校验监听者是否已经把自己申请的线程全部使用，如果已经全部占用将回调异常方法，直接到任务有一个释放后再继续回调。
3. 任务执行完后重设记录数据。

轮询异常回调有三种触发场景:

1. 单线程任务没有释放超时。
2. 多线程任务占用线程超过最大数量。
3. 轮询线程池被全部占满超时。

任务过滤-流程图

四、工程更改

工程更改主要分为 5 块：

1. 网关请求线程池的替换，在构建 RxJava observable 替换成自定义网络线程池。
2. RxJava 默认线程池的替换，App 启动时把 RxJava Hook 设置成自定义 IO 线程池。
3. 轮询业务接入统一轮询。
4. 网线线程池使用错误拦截，目的防止线程使用错误，禁止 IO 线程网络请求，通过拦截器方式实现。
5. 线程任务监听设置给 APM ，通过 APM 分析上报。

备注：只有轮询需要业务方逐个替代其它都正常使用不感知。

五、信息采集与监控

1. 任务提交之后记录每个任务的调用栈信息以及任务提交的时间，之后在任务真正开始执行时会记录任务开始的时间，任务执行完成后即可算出一个任务完整的执行时间、任务等待时间等，这样就可以抓取出「慢」的任务
2. 在任务执行完成时，如果线程池已满并且任务的等待时间超过阈值，则会拉出线程池任务栈的信息，用于查找出异常的任务

线程池监听 API

任务监听实现流程

改善效果：

卡顿定义：包含主线程超过300ms慢方法、ANR、本地子线程操作超过1s、线程池阻塞、页面渲染时间超过200ms。

卡顿次数趋势图

图注：卡顿次数下降 76%

六、未来规划

• 支持更多维度的任务监控，并增加自动报警能力
• 针对不同的机型进行最优线程池配置，最大化复用系统资源
• 逐渐完善 pthread、线程任务数量等监控能力