最大工作线程数，后端服务一般也有个配置，工作线程池的线程数量，这个线程数的配置不同的业务架构师有不同的经验值，有些业务设置为CPU核数的2倍，有些业务设置为CPU核数的8倍，有些业务设置为CPU核数的32倍。
一个典型的工作线程的处理过程，从开始处理start到结束处理end，该任务的处理共有7个步骤：
-
从工作队列里拿出任务，进行一些本地初始化计算，例如http协议分析、参数解析、参数校验等
-
访问cache拿一些数据
-
拿到cache里的数据后，再进行一些本地计算，这些计算和业务逻辑相关
-
通过RPC调用下游service再拿一些数据，或者让下游service去处理一些相关的任务
-
RPC调用结束后，再进行一些本地计算，怎么计算和业务逻辑相关
-
访问DB进行一些数据操作
-
操作完数据库之后做一些收尾工作，同样这些收尾工作也是本地计算，和业务逻辑相关
分析整个处理的时间轴，会发现：
线程进行本地业务逻辑计算时需要占用CPU
访问cache、service、DB过程中线程处于一个等待结果的状态，不需要占用CPU
通过量化分析，例如打日志进行统计，可以统计出整个Worker线程执行过程中这两部分时间的比例，例如：
-
执行计算，占用CPU的时间（粉色时间轴）是100ms
-
等待时间，不占用CPU的时间（橙色时间轴）也是100ms
得到的结果是，这个线程计算和等待的时间是1：1，即有50%的时间在计算（占用CPU），50%的时间在等待（不占用CPU）：
-
假设此时是单核，则设置为2个工作线程就可以把CPU充分利用起来，让CPU跑到100%
-
假设此时是N核，则设置为2N个工作现场就可以把CPU充分利用起来，让CPU跑到N*100%
结论：
N核服务器，通过执行业务的单线程分析出本地计算时间为x，等待时间为y，则工作线程数（线程池线程数）设置为 N*(x+y)/x，能让CPU的利用率最大化。
经验：
一般来说，非CPU密集型的业务（加解密、压缩解压缩、搜索排序等业务是CPU密集型的业务），瓶颈都在后端数据库访问或者RPC调用，本地CPU计算的时间很少，所以设置几十或者几百个工作线程是能够提升吞吐量的。
六、总结
-
线程数不是越多越好
-
sleep()不占用CPU
-
单核设置多线程不但能使得代码清晰，还能提高吞吐量
-
站点和服务最常用的线程模型是“IO线程与工作现场通过任务队列解耦”，此时设置多工作线程可以提升吞吐量
-
N核服务器，通过日志分析出任务执行过程中，本地计算时间为x，等待时间为y，则工作线程数（线程池线程数）设置为 N*(x+y)/x，能让CPU的利用率最大化
https://mp.weixin.qq.com/s/EPWwJShDNmnQQE24tAOanQ