为什么不建议通过Executors构建线程池

Executors类看起来功能照旧比较强大的，又用到了工厂模式、又有比较强的扩展性，重要的是用起来还比较方便，如：

1. ExecutorService executor = Executors.newFixedThreadPool(nThreads) ;

复制代码

即可创建一个固定巨细的线程池。
但是为什么在阿里巴巴Java开发手册中也明确指出，不允许使用Executors创建线程池呢

Executors存在什么标题

在阿里巴巴Java开发手册中提到，使用Executors创建线程池大概会导致OOM(OutOfMemory ,内存溢出)，但是并没有说明为什么，那么接下来我们就来看一下到底为什么不允许使用Executors？
我们先来一个简单的例子，模拟一下使用Executors导致OOM的情况。

1. /**
2. * @author Hollis
3. */
4. public class ExecutorsDemo {
5.     private static ExecutorService executor = Executors.newFixedThreadPool(15);
6.     public static void main(String[] args) {
7.         for (int i = 0; i < Integer.MAX_VALUE; i++) {
8.             executor.execute(new SubThread());
9.         }
10.     }
11. }
13. class SubThread implements Runnable {
14.     @Override
15.     public void run() {
16.         try {
17.             Thread.sleep(10000);
18.         } catch (InterruptedException e) {
19.             //do nothing
20.         }
21.     }
22. }

复制代码

通过指定JVM参数：-Xmx8m -Xms8m 运行以上代码，会抛出OOM:

1. Exception in thread "main" java.lang.OutOfMemoryError: GC overhead limit exceeded
2.     at java.util.concurrent.LinkedBlockingQueue.offer(LinkedBlockingQueue.java:416)
3.     at java.util.concurrent.ThreadPoolExecutor.execute(ThreadPoolExecutor.java:1371)
4.     at com.hollis.ExecutorsDemo.main(ExecutorsDemo.java:16)

复制代码

以上代码指出，ExecutorsDemo.java的第16行，就是代码中的executor.execute(new SubThread());。
Executors为什么存在缺陷

通过上面的例子，我们知道了Executors创建的线程池存在OOM的风险，那么到底是什么原因导致的呢？我们必要深入Executors的源码来分析一下。
实在，在上面的报错信息中，我们是可以看出蛛丝马迹的，在以上的代码中实在已经说了，真正的导致OOM的实在是LinkedBlockingQueue.offer方法。

1. Exception in thread "main" java.lang.OutOfMemoryError: GC overhead limit exceeded
2.     at java.util.concurrent.LinkedBlockingQueue.offer(LinkedBlockingQueue.java:416)
3.     at java.util.concurrent.ThreadPoolExecutor.execute(ThreadPoolExecutor.java:1371)
4.     at com.hollis.ExecutorsDemo.main(ExecutorsDemo.java:16)

复制代码

如果读者翻看代码的话，也可以发现，实在底层确实是通过LinkedBlockingQueue实现的：

1. public static ExecutorService newFixedThreadPool(int nThreads) {
2.         return new ThreadPoolExecutor(nThreads, nThreads,
3.                                       0L, TimeUnit.MILLISECONDS,
4.                                       new LinkedBlockingQueue<Runnable>());

复制代码

如果读者对Java中的阻塞队列有所了解的话，看到这里大概就能够明白原因了。
Java中的BlockingQueue主要有两种实现，分别是ArrayBlockingQueue 和 LinkedBlockingQueue。
ArrayBlockingQueue是一个用数组实现的有界阻塞队列，必须设置容量。
LinkedBlockingQueue是一个用链表实现的有界阻塞队列，容量可以选择进行设置，不设置的话，将是一个无界限的阻塞队列，最大长度为Integer.MAX_VALUE。
这里的标题就出在：不设置的话，将是一个无界限的阻塞队列，最大长度为Integer.MAX_VALUE。也就是说，如果我们不设置LinkedBlockingQueue的容量的话，其默认容量将会是Integer.MAX_VALUE。
而newFixedThreadPool中创建LinkedBlockingQueue时，并未指定容量。此时，LinkedBlockingQueue就是一个无界限队列，对于一个无界限队列来说，是可以不绝的向队列中参加任务的，这种情况下就有大概因为任务过多而导致内存溢出标题。
上面提到的标题主要体现在newFixedThreadPool和newSingleThreadExecutor两个工厂方法上，并不是说newCachedThreadPool和newScheduledThreadPool这两个方法就安全了，这两种方式创建的最大线程数大概是Integer.MAX_VALUE，而创建这么多线程，必然就有大概导致OOM。
扩展知识

如何正确创建线程池

制止使用Executors创建线程池，主要是制止使用此中的默认实现，那么我们可以自己直接调用ThreadPoolExecutor的构造函数来自己创建线程池。在创建的同时，给BlockQueue指定容量就可以了。

1. private static ExecutorService executor = new ThreadPoolExecutor(10, 10,
2.         60L, TimeUnit.SECONDS,
3.         new ArrayBlockingQueue(10));

复制代码

这种情况下，一旦提交的线程数超过当前可用线程数时，就会抛`java.util.concurrent.RejectedExecutionException，这是因为当前线程池使用的队列是有界限队列，队列已经满了便无法继承处理新的哀求。但是异常（Exception）总比发生错误（Error）要好。
除了自己定义ThreadPoolExecutor外。另有其他方法。这个时候第一时间就应该想到开源类库，如apache和guava等。
作者推荐使用guava提供的ThreadFactoryBuilder来创建线程池。

1. public class ExecutorsDemo {
3.     private static ThreadFactory namedThreadFactory = new ThreadFactoryBuilder()
4.         .setNameFormat("demo-pool-%d").build();
6.     private static ExecutorService pool = new ThreadPoolExecutor(5, 200,
7.         0L, TimeUnit.MILLISECONDS,
8.         new LinkedBlockingQueue<Runnable>(1024), namedThreadFactory, new ThreadPoolExecutor.AbortPolicy());
10.     public static void main(String[] args) {
12.         for (int i = 0; i < Integer.MAX_VALUE; i++) {
13.             pool.execute(new SubThread());
14.         }
15.     }
16. }

复制代码

通过上述方式创建线程时，不但可以制止OOM的标题，还可以自定义线程名称，更加方便的堕落的时候溯源

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。