一、需求緣起
Web-Server通常有個配置，最大工作線程數，后端服務一般也有個配置，工作線程池的線程數量，這個線程數的配置不同的業務架構師有不同的經驗值，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。
“工作線程數”的設置依據是什么，到底設置為多少能夠最大化CPU性能，是本文要討論的問題。
二、共性認知
在進行進一步深入討論之前，先以提問的方式就一些共性認知達成一致。
問：工作線程數是不是設置的越大越好？
答：肯定不是的
-
服務器CPU核數有限，能夠同時並發的線程數有限，單核CPU設置10000個工作線程沒有意義
-
線程切換是有開銷的，如果線程切換過於頻繁，反而會使性能降低
問：調用sleep()函數的時候，線程是否一直占用CPU？
答：不占用，等待時會把CPU讓出來，給其他需要CPU資源的線程使用。
不止sleep()函數，在進行一些阻塞調用時，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
都不占用CPU資源。
問：單核CPU，設置多線程有意義么，是否能提高並發性能？
答：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並發
-
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，此時增加線程並不能增加並發，例如以下代碼會一直占用CPU，並使得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線程也能夠提高並發，因為這個線程在休息的時候，其他的線程可以繼續工作
三、常見服務線程模型
了解常見的服務線程模型，有助於理解服務並發的原理，一般來說互聯網常見的服務線程模型有兩種：
-
IO線程與工作現場通過任務隊列解耦
-
純異步
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，並進行收發包（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正真的任務（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（回想一下tomcat線程中是怎么執行Java程序的，dubbo工作線程中是怎么執行任務的），因此可以通過增加Worker線程數來增加並發能力，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並發”。
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
文章《RPC-client異步收發核心細節？》中有更詳細的介紹，however，這個模型不是今天討論的重點，
四、工作線程的工作模式
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：
-
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
-
而2，4，6步驟中（上圖中橙色時間軸），訪問cache、service、DB過程中線程處於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：
2.1）請求在網絡上傳輸到下游的cache、service、DB
2.2）下游cache、service、DB進行任務處理
2.3）cache、service、DB將報文在網絡上傳回工作線程
五、量化分析並合理設置工作線程數
最后一起來回答工作線程數設置為多少合理的問題。
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%
結論：
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。
經驗：
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。
六、總結
-
線程數不是越多越好
-
sleep()不占用CPU
-
單核設置多線程不但能使得代碼清晰，還能提高吞吐量
-
站點和服務最常用的線程模型是“IO線程與工作現場通過任務隊列解耦”，此時設置多工作線程可以提升吞吐量
-
N核服務器，通過日志分析出任務執行過程中，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