一、ThreadPoolExecutor的重要引數
corePoolSize：核心執行緒數， 核心執行緒會一直存活，及時沒有任務需要執行，當執行緒數小於核心執行緒數時，即使有執行緒空閒，執行緒池也會優先建立新執行緒處理，設定allowCoreThreadTimeout=true（預設false）時，核心執行緒會超時關閉
queueCapacity：任務佇列容量（阻塞佇列）
當核心執行緒數達到最大時，新任務會放在佇列中排隊等待執行
maxPoolSize：最大執行緒數
當執行緒數>=corePoolSize，且任務佇列已滿時。執行緒池會建立新執行緒來處理任務
當執行緒數=maxPoolSize，且任務佇列已滿時，執行緒池會拒絕處理任務而丟擲異常
keepAliveTime：執行緒空閒時間
當執行緒空閒時間達到keepAliveTime時，執行緒會退出，直到執行緒數量=corePoolSize
如果allowCoreThreadTimeout=true，則會直到執行緒數量=0
allowCoreThreadTimeout：允許核心執行緒超時
rejectedExecutionHandler：任務拒絕處理器
兩種情況會拒絕處理任務：
當執行緒數已經達到maxPoolSize，切佇列已滿，會拒絕新任務
當執行緒池被呼叫shutdown()後，會等待執行緒池裡的任務執行完畢，再shutdown。如果在呼叫shutdown()和執行緒池真正shutdown之間提交任務，會拒絕新任務
執行緒池會呼叫rejectedExecutionHandler來處理這個任務。如果沒有設定預設是 AbortPolicy，會丟擲異常
ThreadPoolExecutor類有幾個內部實現類來處理這類情況：
AbortPolicy 丟棄任務，拋執行時異常
CallerRunsPolicy 執行任務
DiscardPolicy 忽視，什麼都不會發生
DiscardOldestPolicy 從佇列中踢出最先進入佇列（最後一個執行）的任務
實現RejectedExecutionHandler介面，可自定義處理器
二、ThreadPoolExecutor執行順序
執行緒池按以下行為執行任務
（1）當執行緒數小於核心執行緒數時，建立執行緒。
（2）當執行緒數大於等於核心執行緒數，且任務佇列未滿時，將任務放入任務佇列。
（3）當執行緒數大於等於核心執行緒數，且任務佇列已滿
1）若執行緒數小於最大執行緒數，建立執行緒
2）若執行緒數等於最大執行緒數，丟擲異常，拒絕任務
三、如何設定引數
預設值
corePoolSize=1
queueCapacity=Integer.MAX_VALUE
maxPoolSize=Integer.MAX_VALUE
keepAliveTime=60s
allowCoreThreadTimeout=false
rejectedExecutionHandler=AbortPolicy()
如何來設定
需要根據幾個值來決定
tasks ：每秒的任務數，假設為500~1000
taskcost：每個任務花費時間，假設為0.1s
responsetime：系統允許容忍的最大響應時間，假設為1s
做幾個計算
corePoolSize = 每秒需要多少個執行緒處理？
threadcount = tasks/(1/taskcost) =tasks*taskcout = (500~1000)*0.1 = 50~100 個執行緒。corePoolSize設定應該大於50
根據8020原則，如果80%的每秒任務數小於800，那麼corePoolSize設定為80即可
queueCapacity = (coreSizePool/taskcost)*responsetime
計算可得 queueCapacity = 80/0.1*1 = 80。意思是佇列裡的執行緒可以等待1s，超過了的需要新開執行緒來執行
切記不能設定為Integer.MAX_VALUE，這樣佇列會很大，執行緒數只會保持在corePoolSize大小，當任務陡增時，不能新開執行緒來執行，響應時間會隨之陡增。
maxPoolSize = (max(tasks)- queueCapacity)/(1/taskcost)
計算可得 maxPoolSize = (1000-80)/10 = 92
（最大任務數-佇列容量）/每個執行緒每秒處理能力 = 最大執行緒數
rejectedExecutionHandler：根據具體情況來決定，任務不重要可丟棄，任務重要則要利用一些緩衝機制來處理
keepAliveTime和allowCoreThreadTimeout採用預設通常能滿足
以上都是理想值，實際情況下要根據機器效能來決定。如果在未達到最大執行緒數的情況機器cpu load已經滿了，則需要透過升級硬體和最佳化程式碼，降低taskcost來處理。
一、ThreadPoolExecutor的重要引數
corePoolSize：核心執行緒數， 核心執行緒會一直存活，及時沒有任務需要執行，當執行緒數小於核心執行緒數時，即使有執行緒空閒，執行緒池也會優先建立新執行緒處理，設定allowCoreThreadTimeout=true（預設false）時，核心執行緒會超時關閉
queueCapacity：任務佇列容量（阻塞佇列）
當核心執行緒數達到最大時，新任務會放在佇列中排隊等待執行
maxPoolSize：最大執行緒數
當執行緒數>=corePoolSize，且任務佇列已滿時。執行緒池會建立新執行緒來處理任務
當執行緒數=maxPoolSize，且任務佇列已滿時，執行緒池會拒絕處理任務而丟擲異常
keepAliveTime：執行緒空閒時間
當執行緒空閒時間達到keepAliveTime時，執行緒會退出，直到執行緒數量=corePoolSize
如果allowCoreThreadTimeout=true，則會直到執行緒數量=0
allowCoreThreadTimeout：允許核心執行緒超時
rejectedExecutionHandler：任務拒絕處理器
兩種情況會拒絕處理任務：
當執行緒數已經達到maxPoolSize，切佇列已滿，會拒絕新任務
當執行緒池被呼叫shutdown()後，會等待執行緒池裡的任務執行完畢，再shutdown。如果在呼叫shutdown()和執行緒池真正shutdown之間提交任務，會拒絕新任務
執行緒池會呼叫rejectedExecutionHandler來處理這個任務。如果沒有設定預設是 AbortPolicy，會丟擲異常
ThreadPoolExecutor類有幾個內部實現類來處理這類情況：
AbortPolicy 丟棄任務，拋執行時異常
CallerRunsPolicy 執行任務
DiscardPolicy 忽視，什麼都不會發生
DiscardOldestPolicy 從佇列中踢出最先進入佇列（最後一個執行）的任務
實現RejectedExecutionHandler介面，可自定義處理器
二、ThreadPoolExecutor執行順序
執行緒池按以下行為執行任務
（1）當執行緒數小於核心執行緒數時，建立執行緒。
（2）當執行緒數大於等於核心執行緒數，且任務佇列未滿時，將任務放入任務佇列。
（3）當執行緒數大於等於核心執行緒數，且任務佇列已滿
1）若執行緒數小於最大執行緒數，建立執行緒
2）若執行緒數等於最大執行緒數，丟擲異常，拒絕任務
三、如何設定引數
預設值
corePoolSize=1
queueCapacity=Integer.MAX_VALUE
maxPoolSize=Integer.MAX_VALUE
keepAliveTime=60s
allowCoreThreadTimeout=false
rejectedExecutionHandler=AbortPolicy()
如何來設定
需要根據幾個值來決定
tasks ：每秒的任務數，假設為500~1000
taskcost：每個任務花費時間，假設為0.1s
responsetime：系統允許容忍的最大響應時間，假設為1s
做幾個計算
corePoolSize = 每秒需要多少個執行緒處理？
threadcount = tasks/(1/taskcost) =tasks*taskcout = (500~1000)*0.1 = 50~100 個執行緒。corePoolSize設定應該大於50
根據8020原則，如果80%的每秒任務數小於800，那麼corePoolSize設定為80即可
queueCapacity = (coreSizePool/taskcost)*responsetime
計算可得 queueCapacity = 80/0.1*1 = 80。意思是佇列裡的執行緒可以等待1s，超過了的需要新開執行緒來執行
切記不能設定為Integer.MAX_VALUE，這樣佇列會很大，執行緒數只會保持在corePoolSize大小，當任務陡增時，不能新開執行緒來執行，響應時間會隨之陡增。
maxPoolSize = (max(tasks)- queueCapacity)/(1/taskcost)
計算可得 maxPoolSize = (1000-80)/10 = 92
（最大任務數-佇列容量）/每個執行緒每秒處理能力 = 最大執行緒數
rejectedExecutionHandler：根據具體情況來決定，任務不重要可丟棄，任務重要則要利用一些緩衝機制來處理
keepAliveTime和allowCoreThreadTimeout採用預設通常能滿足
以上都是理想值，實際情況下要根據機器效能來決定。如果在未達到最大執行緒數的情況機器cpu load已經滿了，則需要透過升級硬體和最佳化程式碼，降低taskcost來處理。