java如何创建多线程？java中redis的面试题

大家好，关于java如何创建多线程很多朋友都还不太明白，今天小编就来为大家分享关于java中redis的面试题的知识，希望对各位有所帮助！

在java web当中，servlet在运行阶段，针对每个客户端的请求，都会创建一个线程，该线程调用servlet的实例

谢邀。

处理http请求的线程由JAVAWEBServer来管理。比如tomcat，jetty等。通常的作法是维护一个线程池，所有请求的执行都由这个线程池中的线程来完成，如果请求超过处理能力，就会发生等待甚至崩溃的情况，因此根据业务的访问量合理的设置线程池大小是非常重要的。

以tomcat为例，下面的源代码是tomcat处理http请求初始化的代码。可以从源代码中看出，tomcat会初始化一个ThreadPoolExecutor实例，而其中的参数可以在tomcat配置文件中进行配置。

希望可以解答题主的疑问。

Java：关于多线程与多核，如何将多核都利用上呢

你自己写个多线程的程序跑起来，把任务管理器打开，打开“性能”选项卡，观察你就发现了，其实不管你你的是4核，8核，1024核，基本都是在一个格子里有动作的，跟理论上几个线程就在几个核里跑不一致的，操作系统自身的设计导致的。核虽然多，县城虽然多，但是还没有真正设计成几个线程就在几个核里跑的算法模式。至于怎么都利用上不是你说了算，os说了算。别想太多。

如何使用java多线程处理http请求，求思路

先说长连接吧,如果TCP协议的话长连接可以通过心跳包来实现。2、推送的话,这个可以弄一个定时器,来控制线程,推送发送完毕,线程stop()。

python中的多线程和JAVA中的多线程有什么区别吗

python是支持多线程的，但是python里的多线程是单cpu意义上的多线程，它和多cpu上的多线程有着本质的区别，这是因为python存在一个叫GlobalInterpreterLock(GIL)全局解释器锁。

在解释器解释执行任何Python代码时，都需要先获得这把锁，也就是说在同一时刻内，只有一条线程可以在CPU中运行。

但是python的多线程并不是毫无用处的。当遇到I/O操作时会释放这把GIL锁，所以如果程序是一个IO密集型的程序，一个线程处在IO等待的时候另一个线程便可以取得锁并在CPU中运行，这时就发挥了多线程的作用。

但如果是纯计算的程序，没有I/O操作，那么只有取得GIL锁的线程可以在CPU中运行，其它的线程都处于等待状态，等待持有GIL锁的线程的释放锁，也就相当于单线程在跑（而且上下文切换也会有所开销）。

Java方面，其提供了并发机制：一个进程中可以并发多个线程，每条线程并行执行不同的任务。因为线程运行于多核CPU上，各线程可分布于CPU的各个核心，所以可以让程序实现真正的并发。

以上就是python和java多线程的区别，希望我的回答对你有所帮助。

线程池队列大小设置

一、ThreadPoolExecutor的重要参数

corePoolSize：核心线程数，核心线程会一直存活，及时没有任务需要执行，当线程数小于核心线程数时，即使有线程空闲，线程池也会优先创建新线程处理，设置allowCoreThreadTimeout=true（默认false）时，核心线程会超时关闭

queueCapacity：任务队列容量（阻塞队列）

当核心线程数达到最大时，新任务会放在队列中排队等待执行

maxPoolSize：最大线程数

当线程数>=corePoolSize，且任务队列已满时。线程池会创建新线程来处理任务

当线程数=maxPoolSize，且任务队列已满时，线程池会拒绝处理任务而抛出异常

keepAliveTime：线程空闲时间

当线程空闲时间达到keepAliveTime时，线程会退出，直到线程数量=corePoolSize

如果allowCoreThreadTimeout=true，则会直到线程数量=0

allowCoreThreadTimeout：允许核心线程超时

rejectedExecutionHandler：任务拒绝处理器

两种情况会拒绝处理任务：

当线程数已经达到maxPoolSize，切队列已满，会拒绝新任务

当线程池被调用shutdown()后，会等待线程池里的任务执行完毕，再shutdown。如果在调用shutdown()和线程池真正shutdown之间提交任务，会拒绝新任务

线程池会调用rejectedExecutionHandler来处理这个任务。如果没有设置默认是AbortPolicy，会抛出异常

ThreadPoolExecutor类有几个内部实现类来处理这类情况：

AbortPolicy丢弃任务，抛运行时异常

CallerRunsPolicy执行任务

DiscardPolicy忽视，什么都不会发生

DiscardOldestPolicy从队列中踢出最先进入队列（最后一个执行）的任务

实现RejectedExecutionHandler接口，可自定义处理器

二、ThreadPoolExecutor执行顺序

线程池按以下行为执行任务

（1）当线程数小于核心线程数时，创建线程。

（2）当线程数大于等于核心线程数，且任务队列未满时，将任务放入任务队列。

（3）当线程数大于等于核心线程数，且任务队列已满

1）若线程数小于最大线程数，创建线程

2）若线程数等于最大线程数，抛出异常，拒绝任务

三、如何设置参数

默认值

corePoolSize=1

queueCapacity=Integer.MAX_VALUE

maxPoolSize=Integer.MAX_VALUE

keepAliveTime=60s

allowCoreThreadTimeout=false

rejectedExecutionHandler=AbortPolicy()

如何来设置

需要根据几个值来决定

tasks：每秒的任务数，假设为500~1000

taskcost：每个任务花费时间，假设为0.1s

responsetime：系统允许容忍的最大响应时间，假设为1s

做几个计算

corePoolSize=每秒需要多少个线程处理？

threadcount=tasks/(1/taskcost)=tasks*taskcout=(500~1000)*0.1=50~100个线程。corePoolSize设置应该大于50

根据8020原则，如果80%的每秒任务数小于800，那么corePoolSize设置为80即可

queueCapacity=(coreSizePool/taskcost)*responsetime

计算可得queueCapacity=80/0.1*1=80。意思是队列里的线程可以等待1s，超过了的需要新开线程来执行

切记不能设置为Integer.MAX_VALUE，这样队列会很大，线程数只会保持在corePoolSize大小，当任务陡增时，不能新开线程来执行，响应时间会随之陡增。

maxPoolSize=(max(tasks)-queueCapacity)/(1/taskcost)

计算可得maxPoolSize=(1000-80)/10=92

（最大任务数-队列容量）/每个线程每秒处理能力=最大线程数

rejectedExecutionHandler：根据具体情况来决定，任务不重要可丢弃，任务重要则要利用一些缓冲机制来处理

keepAliveTime和allowCoreThreadTimeout采用默认通常能满足

以上都是理想值，实际情况下要根据机器性能来决定。如果在未达到最大线程数的情况机器cpuload已经满了，则需要通过升级硬件和优化代码，降低taskcost来处理。

多线程的实现方法，同步有几种方法

一、java允许多线程并发控制，当多个线程同时操作一个可共享的资源变量时(如数据的增删改查)，将会导致数据不准确，相互之间产生冲突，因此加入同步锁以避免在该线程没有完成操作之前，被其他线程的调用，从而保证了该变量的唯一性和准确性。

二、实现方法：

1、同步方法即有synchronized关键字修饰的方法。由于java的每个对象都有一个内置锁，当用此关键字修饰方法时，内置锁会保护整个方法。在调用该方法前，需要获得内置锁，否则就处于阻塞状态。代码如：publicsynchronizedvoidsave(){}123注：synchronized关键字也可以修饰静态方法，此时如果调用该静态方法，将会锁住整个类

2、同步代码块即有synchronized关键字修饰的语句块。被该关键字修饰的语句块会自动被加上内置锁，从而实现同步。

3、使用特殊域变量(volatile)实现线程同步

1)volatile关键字为域变量的访问提供了一种免锁机制;

2)使用volatile修饰域相当于告诉虚拟机该域可能会被其他线程更新；

3)因此每次使用该域就要重新计算，而不是使用寄存器中的值；

4)volatile不会提供任何原子操作，它也不能用来修饰final类型的变量；

4、使用重入锁实现线程同步在JavaSE5.0中新增了一个java.util.concurrent包来支持同步。ReentrantLock类是可重入、互斥、实现了Lock接口的锁，它与使用synchronized方法和快具有相同的基本行为和语义，并且扩展了其能力

5、使用局部变量实现线程同步如果使用ThreadLocal管理变量，则每一个使用该变量的线程都获得该变量的副本，副本之间相互独立，这样每一个线程都可以随意修改自己的变量副本，而不会对其他线程产生影响。

如果你还想了解更多这方面的信息，记得收藏关注本站。