.net线程池内幕

本文通过对.NET4.5的ThreadPool源码的分析讲解揭示.NET线程池的内幕，并总结ThreadPool设计的好与不足。

线程池的作用
线程池，顾名思义，线程对象池。Task和TPL都有用到线程池，所以了解线程池的内幕有助于你写出更好的程序。由于篇幅有限，在这里我只讲解以下核心概念：

• 线程池的大小
• 如何调用线程池添加任务
• 线程池如何执行任务

Threadpool也支持操控IOCP的线程，但在这里我们不研究它，涉及到task和TPL的会在其各自的博客中做详解。

线程池的大小
不管什么池，总有尺寸，ThreadPool也不例外。ThreadPool提供了4个方法来调整线程池的大小：

• SetMaxThreads
• GetMaxThreads
• SetMinThreads
• GetMinThreads

SetMaxThreads指定线程池最多可以有多少个线程，而GetMaxThreads自然就是获取这个值。SetMinThreads指定线程池中最少存活的线程的数量，而GetMinThreads就是获取这个值。
为何要设置一个最大数量和有一个最小数量呢？原来线程池的大小取决于若干因素，如虚拟地址空间的大小等。比如你的计算机是4g内存，而一个线程的初始堆栈大小为1m，那么你最多能创建4g/1m的线程（忽略操作系统本身以及其他进程内存分配）；正因为线程有内存开销，所以如果线程池的线程过多而又没有被完全使用，那么这就是对内存的一种浪费，所以限制线程池的最大数是很make sense的。
那么最小数又是为啥？线程池就是线程的对象池，对象池的最大的用处是重用对象。为啥要重用线程，因为线程的创建与销毁都要占用大量的cpu时间。所以在高并发状态下，线程池由于无需创建销毁线程节约了大量时间，提高了系统的响应能力和吞吐量。最小数可以让你调整最小的存活线程数量来应对不同的高并发场景。

如何调用线程池添加任务
线程池主要提供了2个方法来调用：QueueUserWorkItem和UnsafeQueueUserWorkItem。
两个方法的代码基本一致，除了attribute不同，QueueUserWorkItem可以被partial trust的代码调用，而UnsafeQueueUserWorkItem只能被full trust的代码调用。

 public static bool QueueUserWorkItem(WaitCallback callBack)
 {
 StackCrawlMark stackMark = StackCrawlMark.LookForMyCaller;
 return ThreadPool.QueueUserWorkItemHelper(callBack, (object) null, ref stackMark, true);
 }

QueueUserWorkItemHelper首先调用ThreadPool.EnsureVMInitialized()来确保CLR虚拟机初始化（VM是一个统称，不是单指java虚拟机，也可以指CLR的execution engine），紧接着实例化ThreadPoolWorkQueue，最后调用ThreadPoolWorkQueue的Enqueue方法并传入callback和true。

 [SecurityCritical]
 public void Enqueue(IThreadPoolWorkItem callback, bool forceGlobal)
 {
 ThreadPoolWorkQueueThreadLocals queueThreadLocals = (ThreadPoolWorkQueueThreadLocals) null;
 if (!forceGlobal)
 queueThreadLocals = ThreadPoolWorkQueueThreadLocals.threadLocals;
 if (this.loggingEnabled)
 FrameworkEventSource.Log.ThreadPoolEnqueueWorkObject((object) callback);
 if (queueThreadLocals != null)
 {
 queueThreadLocals.workStealingQueue.LocalPush(callback);
 }
 else
 {
 ThreadPoolWorkQueue.QueueSegment comparand = this.queueHead;
 while (!comparand.TryEnqueue(callback))
 {
 Interlocked.CompareExchange<ThreadPoolWorkQueue.QueueSegment>(ref comparand.Next, new ThreadPoolWorkQueue.QueueSegment(), (ThreadPoolWorkQueue.QueueSegment) null);
 for (; comparand.Next != null; comparand = this.queueHead)
 Interlocked.CompareExchange<ThreadPoolWorkQueue.QueueSegment>(ref this.queueHead, comparand.Next, comparand);
 }
 }
 this.EnsureThreadRequested();
 }

ThreadPoolWorkQueue主要包含2个“queue”(实际是数组)，一个为QueueSegment（global work queue），另一个是WorkStealingQueue(local work queue)。两者具体的区别会在Task/TPL里讲解，这里暂不解释。
由于forceGlobal是true，所以执行到了comparand.TryEnqueue(callback)，也就是QueueSegment.TryEnqueue。comparand先从队列的头(queueHead)开始enqueue，如果不行就继续往下enqueue，成功后再赋值给queueHead。
让我们来看看QueueSegment的源代码：

 public QueueSegment()
 {
 this.nodes = new IThreadPoolWorkItem[];
 }

 public bool TryEnqueue(IThreadPoolWorkItem node)
 {
 int upper;
 int lower;
 this.GetIndexes(out upper, out lower);
 while (upper != this.nodes.Length)
 {
 if (this.CompareExchangeIndexes(ref upper, upper + , ref lower, lower))
 {
 Volatile.Write<IThreadPoolWorkItem>(ref this.nodes[upper], node);
 return true;
 }
 }
 return false;
 }

这个所谓的global work queue实际上是一个IThreadPoolWorkItem的数组，而且限死256，这是为啥？难道是因为和IIS线程池(也只有256个线程）对齐？使用interlock和内存写屏障volatile.write来保证nodes的正确性，比起同步锁性能有很大的提高。最后调用EnsureThreadRequested，EnsureThreadRequested会调用QCall把请求发送至CLR，由CLR调度ThreadPool。

线程池如何执行任务
线程被调度后通过ThreadPoolWorkQueue的Dispatch方法来执行callback。

 internal static bool Dispatch()
 {
 ThreadPoolWorkQueue threadPoolWorkQueue = ThreadPoolGlobals.workQueue;
 int tickCount = Environment.TickCount;
 threadPoolWorkQueue.MarkThreadRequestSatisfied();
 threadPoolWorkQueue.loggingEnabled = FrameworkEventSource.Log.IsEnabled(EventLevel.Verbose, (EventKeywords) );
 bool flag1 = true;
 IThreadPoolWorkItem callback = (IThreadPoolWorkItem) null;
 try
 {
 ThreadPoolWorkQueueThreadLocals tl = threadPoolWorkQueue.EnsureCurrentThreadHasQueue();
 while ((long) (Environment.TickCount - tickCount) < (long) ThreadPoolGlobals.tpQuantum)
 {
 try
 {
 }
 finally
 {
 bool missedSteal = false;
 threadPoolWorkQueue.Dequeue(tl, out callback, out missedSteal);
 if (callback == null)
 flag1 = missedSteal;
 else
 threadPoolWorkQueue.EnsureThreadRequested();
 }
 if (callback == null)
 return true;
 if (threadPoolWorkQueue.loggingEnabled)
 FrameworkEventSource.Log.ThreadPoolDequeueWorkObject((object) callback);
 if (ThreadPoolGlobals.enableWorkerTracking)
 {
 bool flag2 = false;
 try
 {
 try
 {
 }
 finally
 {
 ThreadPool.ReportThreadStatus(true);
 flag2 = true;
 }
 callback.ExecuteWorkItem();
 callback = (IThreadPoolWorkItem) null;
 }
 finally
 {
 if (flag2)
 ThreadPool.ReportThreadStatus(false);
 }
 }
 else
 {
 callback.ExecuteWorkItem();
 callback = (IThreadPoolWorkItem) null;
 }
 if (!ThreadPool.NotifyWorkItemComplete())
 return false;
 }
 return true;
 }
 catch (ThreadAbortException ex)
 {
 if (callback != null)
 callback.MarkAborted(ex);
 flag1 = false;
 }
 finally
 {
 if (flag1)
 threadPoolWorkQueue.EnsureThreadRequested();
 }
 return true;
 }

while语句判断如果执行时间少于30ms会不断继续执行下一个callback。这是因为大多数机器线程切换大概在30ms，如果该线程只执行了不到30ms就在等待中断线程切换那就太浪费CPU了，浪费可耻啊！
Dequeue负责找到需要执行的callback：

 public void Dequeue(ThreadPoolWorkQueueThreadLocals tl, out IThreadPoolWorkItem callback, out bool missedSteal)
 {
 callback = (IThreadPoolWorkItem) null;
 missedSteal = false;
 ThreadPoolWorkQueue.WorkStealingQueue workStealingQueue1 = tl.workStealingQueue;
 workStealingQueue1.LocalPop(out callback);
 if (callback == null)
 {
 for (ThreadPoolWorkQueue.QueueSegment comparand = this.queueTail; !comparand.TryDequeue(out callback) && comparand.Next != null && comparand.IsUsedUp(); comparand = this.queueTail)
 Interlocked.CompareExchange<ThreadPoolWorkQueue.QueueSegment>(ref this.queueTail, comparand.Next, comparand);
 }
 if (callback != null)
 return;
 ThreadPoolWorkQueue.WorkStealingQueue[] current = ThreadPoolWorkQueue.allThreadQueues.Current;
 int num = tl.random.Next(current.Length);
 for (int length = current.Length; length > ; --length)
 {
 ThreadPoolWorkQueue.WorkStealingQueue workStealingQueue2 = Volatile.Read<ThreadPoolWorkQueue.WorkStealingQueue>(ref current[num % current.Length]);
 if (workStealingQueue2 != null && workStealingQueue2 != workStealingQueue1 && workStealingQueue2.TrySteal(out callback, ref missedSteal))
 break;
 ++num;
 }
 }

因为我们把callback添加到了global work queue，所以local work queue(workStealingQueue.LocalPop(out callback))找不到callback，local work queue查找callback会在task里讲解。接着又去global work queue查找，先从global work queue的起始位置查找直至尾部，因此global work quque里的callback是FIFO的执行顺序。

 public bool TryDequeue(out IThreadPoolWorkItem node)
 {
 int upper;
 int lower;
 this.GetIndexes(out upper, out lower);
 while (lower != upper)
 {
 // ISSUE: explicit reference operation
 // ISSUE: variable of a reference type
 int& prevUpper = @upper;
 // ISSUE: explicit reference operation
 int newUpper = ^prevUpper;
 // ISSUE: explicit reference operation
 // ISSUE: variable of a reference type
 int& prevLower = @lower;
 // ISSUE: explicit reference operation
 int newLower = ^prevLower + ;
 if (this.CompareExchangeIndexes(prevUpper, newUpper, prevLower, newLower))
 {
 SpinWait spinWait = new SpinWait();
 while ((node = Volatile.Read<IThreadPoolWorkItem>(ref this.nodes[lower])) == null)
 spinWait.SpinOnce();
 this.nodes[lower] = (IThreadPoolWorkItem) null;
 return true;
 }
 }
 node = (IThreadPoolWorkItem) null;
 return false;
 }

使用自旋锁和内存读屏障来避免内核态和用户态的切换，提高了获取callback的性能。如果还是没有callback，那么就从所有的local work queue里随机选取一个，然后在该local work queue里“偷取”一个任务(callback)。
拿到callback后执行callback.ExecuteWorkItem()，通知完成。

总结
ThreadPool提供了方法调整线程池最少活跃的线程来应对不同的并发场景。ThreadPool带有2个work queue，一个golbal一个local。执行时先从local找任务，接着去global，最后才会去随机选取一个local偷一个任务，其中global是FIFO的执行顺序。Work queue实际上是数组，使用了大量的自旋锁和内存屏障来提高性能。但是在偷取任务上，是否可以考虑得更多，随机选择一个local太随意。首先要考虑偷取的队列上必须有可执行任务；其次可以选取一个不在调度中的线程的local work queue，这样降低了自旋锁的可能性，加快了偷取的速度；最后，偷取的时候可以考虑像golang一样偷取别人queue里一半的任务，因为执行完偷到的这一个任务之后，下次该线程再次被调度到还是可能没任务可执行，还得去偷取别人的任务，这样既浪费CPU时间，又让任务在线程上分布不均匀，降低了系统吞吐量！

另外，如果禁用log和ETW trace，可以使ThreadPool的性能更进一步。