4. 线程池核心参数概览：corePoolSize、maximumPoolSize、keepAliveTime、workQueue、RejectedExecutionHandler

在 Kafka 消费端引入线程池后，线程池的五个核心参数直接决定了消费任务的调度效率、资源利用率以及在高负载下的稳定性。理解每个参数的作用域和相互制约关系，是缓解尾延迟与压测波动的第一步。

4.1 参数定义与作用域

4.2 参数协同工作流程

线程池在接收到消费任务时，按照以下优先级逻辑执行：

1. 核心线程优先：如果当前线程数 < corePoolSize，创建新线程执行任务。
2. 队列缓冲：如果当前线程数 ≥ corePoolSize，将任务放入 workQueue 等待。
3. 扩容至最大：如果队列已满且当前线程数 < maximumPoolSize，创建新线程执行任务。
4. 拒绝策略：如果队列已满且当前线程数 ≥ maximumPoolSize，执行 RejectedExecutionHandler。

4.3 各参数对尾延迟的敏感度分析

在 Kafka 消费场景中，不同参数对尾延迟（P99/P999）的影响权重差异显著：

4.4 参数配置的常见误区

• 误区一：corePoolSize 设置越大越好。 实际上，过大的 corePoolSize 会导致线程上下文切换开销增加，反而降低吞吐量并引入延迟抖动。
• 误区二：使用无界队列（如 LinkedBlockingQueue 默认容量）。 无界队列会使 maximumPoolSize 形同虚设，任务无限排队，最终导致内存溢出或尾延迟无限增长。
• 误区三：keepAliveTime 设置为 0。 这会导致空闲线程立即回收，在消费流量波动时频繁创建/销毁线程，增加延迟毛刺。
• 误区四：忽略 RejectedExecutionHandler 的配置。 默认的 AbortPolicy 在压测中会直接抛出 RejectedExecutionException，导致消费线程退出，引发连锁故障。

4.5 参数配置的推荐原则

4.6 参数配置的代码示例

以下是一个适用于 Kafka 消费场景的线程池初始化示例，展示了如何根据上述原则配置五个核心参数：

// Kafka 消费线程池配置示例
int corePoolSize = 15;          // 分区数 10 × 1.5
int maximumPoolSize = 16;       // 8 核 CPU × 2
long keepAliveTime = 150;       // 平均处理时间 50ms × 3
TimeUnit unit = TimeUnit.MILLISECONDS;
BlockingQueue<Runnable> workQueue = new ArrayBlockingQueue<>(10);  // 有界队列
RejectedExecutionHandler handler = new ThreadPoolExecutor.CallerRunsPolicy();

ThreadPoolExecutor executor = new ThreadPoolExecutor(
    corePoolSize,
    maximumPoolSize,
    keepAliveTime,
    unit,
    workQueue,
    handler
);

// 设置线程工厂，便于问题定位
executor.setThreadFactory(new ThreadFactory() {
    private final AtomicInteger counter = new AtomicInteger(0);
    @Override
    public Thread newThread(Runnable r) {
        Thread t = new Thread(r, "kafka-consumer-pool-" + counter.incrementAndGet());
        t.setDaemon(false);
        return t;
    }
});