我最近碰到这个问题就来了一个评估：线程池的大小应该达到最大性能？
ExecutorService threadpool = Executors.newFixedThreadPool(N);
for(Runnable task : tasks){
threadpool.submit(task);
}
每个任务花费的计算为25％和75％执行I/O。假设我们正在研究四核机器（无超线程），线程池N的大小应该是多少以达到最大性能而不浪费线程？ （假设我们有无限的I/O容量）
我猜测16是因为机器有无限的I/O意味着我们可以完全专注于CPU。每个任务在运行时使用四分之一的CPU。这意味着，我们可以运行四个任务来饱和一个CPU内核，并使四核机器上的N = 16。
更新：此题的选项分别为2,4,5,6,7,8,12和16
你是正确的，你应该考虑你的饱和核。不过，最好的答案将超过16个。如果你只有16个线程，那么CPU的需求就不会完全对齐，这样你所有的内核都会一直在使用。
所以最好的答案是> 16，也足够小，不会显著提高个人任务完成时间，并处显著线程转换成本，或浪费一大堆的内存。
如果你在课堂上学到了这一点，那么你的教授可能会给你乘数作为“经验法则”。他会期待你记住它并将它应用到这里。
我通常使用average_demand = 2 * num_cores，所以会选择32个线程。这在大多数情况下运作良好。当平均CPU需求是核心数量的两倍时，核心利用率将接近100％。
而且，在这种情况下，每个任务的CPU部分只得到平均1/2的核心，因此它需要两倍的时间......但这样的任务完成时间只有13它是工作的只有25％ ％超过最佳。
2倍的默认，我用差不多比最佳人数始终较高，但它也几乎总是足够低，不征收额外显著开销。如果你知道你的任务的CPU限制很大，那么你可以自信地减少这个数字。
如果你真的想找到最佳值，那么你可以测量它，但是当你在正确的范围内它不会产生很大的差异。
-
P.S注：“average_demand”我上面使用是芯，这将是在使用中在任何时候给定N个线程和N个核的预期数量。
虽然这个问题没有严格的对错，主观好的是：
32个线程
你必须考虑从概率上。 现在让我们考虑一个CPU核心和独立线程：
一个线程在任何给定时间有25％的机会做计算。 如果你有2个独立的线程（概率事件），至少有一个CPU做一些工作的概率不是50％，而是7/16（43.75％）。（如果您对此不确定，则应刷新其中一些probability skills）。
你可能会看到这是怎么回事。对于P为100％，线程数必须是无限的。所以我们必须做出有根据的猜测：4个线程的P为〜68％，8个线程为〜90％。增加数量现在真的没有什么效果，所以我们定在8点。这是一个核心。我们有4个CPU核心，所以我们可以乘以4，我们得到最终答案：32.
你的答案是什么，你是怎么想出来的，你为什么不认为这是正确的答案？ – Andreas
我的回答是16，因为这台机器有无限的I/O意味着我们可以完全专注于CPU。每个任务在运行时使用四分之一的CPU。这意味着，我们可以运行四个任务来饱和一个CPU内核，并使四核机器上的N = 16。 – Mickey
听起来像是对我的正确答案。 – Andreas