线程池配置需匹配CPU、内存与任务特性，CPU密集型设为核数+1，IO密集型为2–4倍核数；应使用有界队列、CallerRunsPolicy拒绝策略及合理keepAliveTime；分片宜固定批次并隔离作用域；结果收集须超时控制、异步降级与即时写入线程安全容器；任务执行须无状态、轻量隔离，并协同连接池配额。
线程池不是“开得越多越快”，而是要让 CPU、内存、任务特性三者匹配。核心在于合理分片、可控并发、异步收果，避免资源耗尽或阻塞等待。
线程池配置：按任务类型定大小，别硬套数据量
CPU 密集型任务（如 JSON 解析、数值计算）线程数建议设为 Runtime.getRuntime().availableProcessors() + 1；IO 密集型（如数据库读写、HTTP 调用）可放宽到 2–4 倍核数。切忌用“总条数 ÷ 每批大小”直接当线程数——100 万条、每批 1000 条，就起 1000 个线程，极易触发频繁 GC 和上下文切换抖动。
推荐用 ThreadPoolExecutor 手动构造，明确指定：
- 有界队列（如
ArrayBlockingQueue(1000)），防内存无限堆积 - 拒绝策略选
CallerRunsPolicy，让主线程兜底执行，避免任务丢失 - 设置
keepAliveTime（如 60 秒），及时回收空闲非核心线程
数据分片：固定批次 + 独立作用域
把原始 List 按固定大小切片，例如每批 500～2000 条（视单条处理耗时和内存占用权衡）。关键点是每个批次封装为独立 Runnable 或 Callable，避免闭包引用整个原始 List 或大对象，防止内存泄漏。
立即学习“Java免费学习笔记（深入）”；
示例分片逻辑：
for (int i = 0; i < data.size(); i += batchSize) {<br> List<String> batch = data.subList(i, Math.min(i + batchSize, data.size()));<br> executor.submit(() -> process(batch));<br>}
结果收集：不等、不攒、不卡主线程
别用 future.get() 逐个阻塞等待，一个慢任务会拖垮全部。改用：
-
executor.invokeAll(tasks, timeout, TimeUnit.SECONDS)设全局超时，超时后自动 cancel 剩余任务 - 非关键任务优先走
CompletableFuture.supplyAsync(..., executor)，配合exceptionally()或handle()实现失败降级 - 需汇总结果时，各任务处理完立即写入线程安全容器（如
ConcurrentLinkedQueue或ConcurrentHashMap），而非等所有 future 返回再统一 merge
任务执行：轻量、隔离、可监控
每个批次任务应尽量无状态、不共享可变变量。若需统计或日志，用原子类（如 AtomicLong）或 ThreadLocal 隔离上下文。可在 beforeExecute/afterExecute 钩子中记录耗时、异常，便于定位长尾任务。
对数据库或远程调用类任务，注意连接池配额与线程池大小协同——比如 HikariCP 默认连接数 10，线程池却设 50，会造成大量线程阻塞在 getConnection() 上，实际并发反而下降。
