阿里二面挂了！被问“1000 万短信 1 小时发完，怎么设计线程池？”，面试官：你管这叫线程池调优？

千万级推送不仅考参数调优，更考架构防御！本文拆解 1000 万短信 1 小时发完的真实现场：从 黄金公式，到动态监控调优，再到防止 OOM 的“生产级”拒绝策略。文末附带 P7 级面试套路模板，助你扫平线程池深坑。

写在开头

前两天有个在大厂搬砖的兄弟找我吐槽，说面试挂在了“线程池”上。

面试官没问那些死记硬背的原理，直接抛了一个业务题：

“我们要发 618 营销短信，1000 万条，要求 1 小时内发完。你打算怎么设计线程池？核心参数给多少？拒绝策略选哪个？”

这哥们想都没想：“简单啊，算一下 1 小时 3600 秒，每秒发 2800 条。直接搞个 FixedThreadPool，线程数开到 500，队列给大点不就行了？”

面试官冷笑一声，连追三问：

1. “FixedThreadPool 默认队列是 LinkedBlockingQueue，长度是 Integer.MAX_VALUE，千万级数据还没发完，内存就 OOM 了，你负责？”
2. “如果短信网关限流了，你的任务积压在队列里，应用重启任务全丢了怎么办？”
3. “你怎么证明你配的线程数是最优的？是拍脑袋想的，还是有数据支撑？”

他瞬间原地石化。

其实，这道题考的是“高并发下的资源掌控力”。今天 Fox带你拆解线程池的 3 种实战境界。

一、 为什么 Executors是生产环境的“禁区”？

在大厂规范里，严禁使用 Executors.newFixedThreadPool 或 newCachedThreadPool。

• OOM 隐患：默认的无界队列能塞 个任务。在 1000 万数据的冲击下，还没等到线程处理，你的 JVM 堆内存就先爆了。
• 资源耗尽：CachedThreadPool 允许创建的线程数也是无限大，瞬间的高并发能直接把 CPU 100% 跑满。

Fox的结论：生产环境必须手动创建 ThreadPoolExecutor，且必须配合有界队列。

二、 核心架构：线程池调优的 3 种境界

境界 1：利用“黄金公式”计算初始值

面试官问你线程数给多少，千万别直接说 200 或 500。你要先问：“这任务是 CPU 密集型还是 IO 密集型？”

短信推送涉及网络调用，属于典型的IO 密集型。

根据经验公式：

• ：CPU 核心数
• ：目标 CPU 利用率
• ：等待时间与计算时间的比值

实战落地：对于千万级推送，通常 W/C 很大，建议初始线程数设置为 起步，并根据压测调整。

境界 2：动态调优 + 全链路监控

参数是“死”的，流量是“活”的。大厂 P7 的标准做法是：动态线程池。

1. 参数动态化：核心参数（CoreSize、MaxSize、QueueSize）不要写死在代码里，接入配置中心（如 Apollo、Nacos）。
2. 监控预警：监控队列剩余容量、线程池活跃度。当队列超过 80% 满时，自动触发告警或动态扩容。

Fox 提示：业内著名的开源项目 Hippo4J 或 DynamicTp 就是干这个的，面试时提一句加分不少。

3. 境界 3：拒绝策略的“终极防线”

当 1000 万数据涌入，线程池满了，拒绝策略（RejectedExecutionHandler）选哪个？

• AbortPolicy（默认）：直接抛异常，千万别选，数据直接丢了。
• CallerRunsPolicy（推荐）：让提交任务的线程（比如主线程）自己去执行。 这其实是一种“天然的背压（Backpressure）”。主线程去发短信了，它就没空再去数据库捞新任务，从而减缓了任务产生速度，给线程池喘息的机会。

很多同学应该还记得我写过：CallerRunsPolicy（回退给调用者执行）是个坑，因为它会阻塞主线程。但是！在千万级推送这种“离线批量场景”下，这个“坑”反而成了神技。

• 在线 Web 场景（避坑）：如果是处理用户请求，绝对不能用它，否则 Tomcat 线程被占满，整个网站直接卡死。
• 离线批量场景（神器）：我们从 DB 里捞千万级数据往线程池塞。如果池子满了，触发 CallerRunsPolicy，让“捞数据的线程”自己去发短信。
• 高阶奥义：天然背压（Backpressure）。当“生产者”被迫去干“消费者”的活儿时，它就没空去 DB 捞新数据了。这会自动减缓任务产生的速度，给线程池喘息的时间，彻底规避 OOM 风险。

三、 最后的“防杠”指南：万一服务挂了怎么办？

面试官看你答得不错，通常会祭出最后一招：“任务在内存队列里，机器宕机了，100 万条短信没发出去，怎么补救？”

满分回答：

1. 本地持久化：在任务入队前，先在数据库/Redis 记录一个“发送中”的状态。
2. Ack 机制：线程处理完后，回调更新状态为“已完成”。
3. 离线补偿：启动一个定时任务（T+N），专门扫描那些处于“发送中”超过 10 分钟的任务，重新投递。

四、 面试标准答案模板（直接背诵）

“针对 1000 万短信推送，我不会使用 Executors 快捷创建，因为无界队列有 OOM 风险。

第一，参数设置：我会基于公式进行压测，由于是 IO 密集型，初始线程数设为 。

第二，拒绝策略：我会选择 CallerRunsPolicy。它能通过‘背压’机制，让主线程在任务过载时参与处理，从而限制任务的生产速度，保证系统不崩。

第三，动态化：为了应对短信网关波动，我会接入动态线程池框架，实时监控队列积压情况并动态调整核心线程。

第四，可靠性：结合数据库状态位和定时补偿任务，确保即便机器重启，任务也不会丢失。”

五、 进阶思考：单机扛住了，那“分布式”呢？

聊到这里，肯定有兄弟会问：“Fox，单机线程池调优我懂了，但如果 1000 万任务发到一半，机器宕机了怎么办？如果是 1 亿数据，单机带宽和 CPU 根本吃不下呢？”

这正是大厂面试官最喜欢的“夺命连环炮”。 在真实的生产环境下，我们绝对不会把鸡蛋放在一个篮子里。单机调优是“术”，集群架构才是“道”。

现在的互动问题来了：

面试官追问： “现在给你 5 台机器组成的集群，你如何设计一套架构，保证这 1000 万条短信在 1 小时内 ‘不重复、不遗漏、高并发’ 地发出去？”

提示几个思考维度：

1. 任务分片：5 台机器怎么分工才不会抢任务？
2. 状态流转：机器挂了，剩下的任务怎么接管？
3. 全局控速：怎么保证 5 台机器加起来不把供应商的网关冲垮？

写在最后

技术面试拼的从不是死记硬背的参数，而是你对「系统稳定性」的敬畏之心。能提前预判OOM风险、考虑到背压问题、兼顾数据可靠性，这才是你和普通开发者拉开差距的关键。