原生移动开发 / 系统课时
检查协程与线程池调度
检查协程与线程池调度
当 Android 应用出现 CPU 长时间偏高、任务排队、界面卡顿或线程数量持续增长时,不能只看某一个线程,而要沿着“协程 Dispatcher → Executor → 线程池 → 队列”检查调度关系,确认并发是否真的必要。
学习目标
- 看懂协程 Dispatcher、Executor、线程池和任务队列之间的关系
- 识别过度并发、串行阻塞和线程膨胀三类常见调度问题
- 使用线程池状态与代码结构定位异常并发来源
先看清调度链路
协程本身不是线程。协程需要通过 Dispatcher 找到执行上下文,底层可能使用共享线程池,也可能绑定到应用自己创建的 Executor。排查时要沿着这条链路追踪,重点确认“任务在哪里排队”和“到底创建了多少线程”。

例如,应用把每次网络回调都提交给一个独立的固定线程池,短时间内可能看起来执行很快,但大量请求同时到达后,CPU、线程栈和上下文切换成本会一起上升。反过来,如果线程池只有一个工作线程,耗时任务又没有拆分,后续任务就会全部排队。
检查 Dispatcher 与 Executor 是否合理
常见排查点不是“用了协程还是线程”,而是 Dispatcher 后面究竟连接了什么执行资源。对于 I/O、CPU 密集计算和需要串行化的任务,应区分用途,避免把所有工作都塞进同一个执行器。
下面是一个用于排查的片段示例。它创建一个有界固定线程池,并暴露线程池的活动线程、队列长度和已完成任务数,便于在问题现场记录状态。
import java.util.concurrent.Executors
import java.util.concurrent.ThreadPoolExecutor
fun main() {
val executor = Executors.newFixedThreadPool(4) as ThreadPoolExecutor
val dispatcher = executor.asCoroutineDispatcher()
println("core=${executor.corePoolSize}")
println("active=${executor.activeCount}")
println("queue=${executor.queue.size}")
println("completed=${executor.completedTaskCount}")
dispatcher.close()
executor.shutdown()
}预期结果
core=4
active=0
queue=0
completed=0这里的输出只表示采样瞬间的状态,实际排查时更有价值的是连续采样。若 active 长时间接近线程数上限且 queue 持续增长,通常说明提交速度超过了处理速度;若线程数不断增加,则应继续查找是否在重复创建 Executor。
用症状区分三类问题
过度并发通常表现为任务大量同时进入执行器,CPU 使用率升高,但单个任务本身并不一定很慢。典型根因是一次性 launch 大量工作、批量数据没有限流,或者每个小任务都创建独立执行资源。
串行阻塞更容易表现为队列不断增长,而实际同时运行的任务很少。常见原因是固定线程池规模过小,或者某个任务在占用工作线程期间执行了长时间阻塞操作。
线程膨胀则重点看线程数量。若代码路径频繁调用 Executors.newFixedThreadPool()、newCachedThreadPool() 或重复创建其他 Executor,而旧实例没有及时复用和关闭,线程数量可能随着业务操作持续扩大。
可以按下面顺序快速判断:
- 先看线程总量是否异常增长。
- 再看目标线程池的活动线程数与队列长度。
- 确认任务是并发执行、排队执行,还是被单个阻塞任务卡住。
- 回到创建点检查 Executor 是否被重复初始化。
- 最后检查 Dispatcher 与任务类型是否匹配。
修复时不要只调大线程数
发现队列增长后,直接把线程池从 4 调成 32 往往只是把问题推迟。线程越多,并不意味着吞吐一定越高;CPU 密集任务尤其容易因为上下文切换和竞争增加而出现反效果。
更稳妥的做法是先限制任务产生速度,再根据任务类型调整执行资源。CPU 密集任务应避免无限并发;I/O 任务需要结合实际阻塞比例和下游容量设置并发度;同一类长期运行的任务应尽量复用已有执行器,而不是每次操作重新创建。
排查结束时,至少要回答三个问题:任务由哪个 Dispatcher 调度、Dispatcher 使用什么执行资源、资源为什么会出现当前的活动数或队列长度。能把这三层对应起来,才能把“CPU 高”和“线程多”继续追到真正的调度根因。