这篇文章来盘一下我最近遇到的两个有意思的代码案例，有意思的点在于，拿到代码后，你一眼望去，没有任何毛病。
然后一顿分析，会发现破绽藏的还比较的深。
几个基础招式的一套组合拳下来，直接把我打懵逼了。
你也来看看，是不是你跺你也麻。
第一个场景
首先第一个是这样的：
一个读者给我发来的一个关于线程池使用的疑问，同时附上了一个可以复现问题的 Demo。
我打开 Demo 一看，一共就这几行代码，结合问题描述来看想着应该不是啥复杂的问题：
我拿过来 Demo，根本就没看代码，直接扔到 IDEA 里面跑了两次，想着是先看看具体报错是什么，然后再去分析代码。
但是两次程序都正常结束了。
好吧，既然没有异常，我也大概的瞅了一眼 Demo，重点关注在了 CountDownLatch 的用法上。
我是横看竖看也没看出问题，因为我一直都是这样用的，这就是正确的用法啊。
于是从拿到 Demo 到定位问题，不到两分钟，我直接得出了一个大胆的结论，那就是：常规用法，没有问题：
然后我们就结束了这次对话。
过了一会，我准备关闭 IDEA 了。鬼使神差的，我又点了一次运行。
你猜怎么着？
居然真的报错了，抛出了 rejectedExecution 异常，意思是线程池满了。
哦哟，这就有点意思了。
带大家一起盘一盘。
首先我们还是过一下代码，为了减少干扰项，便于理解，我把他给我的 Demo 稍微简化了一点，但是整体逻辑没有发生任何变化。
简化后的完整代码是这样的，你直接粘过去，引入一个 Guava 的包就能跑：
import com.google.common.collect.Lists;
import java.util.ArrayList;import java.util.List;import java.util.concurrent.*;
public class Test {
private static final ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor(64, 64, 0, TimeUnit.MINUTES, new ArrayBlockingQueue<>(32));
public static void main(String[] args) { List list = new ArrayList<>(); for (int i = 0; i < 400; i++) { list.add(i); } for (int i = 0; i < 100; i++) { List> sublist = Lists.partition(list, 400 / 32);
int n = sublist.size(); CountDownLatch countDownLatch = new CountDownLatch(n); for (int j = 0; j < n; j++) { threadPoolExecutor.execute(() -> { try { Thread.sleep(1000); } catch
(Exception e) { e.printStackTrace(); } finally { countDownLatch.countDown(); } }); } try { countDownLatch.await(); } catch (InterruptedException e) { e.printStackTrace(); } System.out.println("===============> 详情任务 - 任务处理完成"); } System.out.println("都执行完成了"); }}
一起分析一波代码啊。
首先定义了一个线程池：
private static final ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor(64, 64, 0, TimeUnit.MINUTES, new ArrayBlockingQueue<>(32));
该线程池核心大小数和最大线程数都是 64，队列长度为 32，也就是说这个线程池同时能容纳的任务数是 64+32=96。
main 方法里面是这样的：
在实际代码中，肯定是有具体的业务含义的，这里为了脱敏，就用 List 来表示一下，这个点你知道就行。
编号为 ① 的地方，是在给往 list 里面放 400 个数据，你可以认为是 400 个任务。
编号为 ② 的地方，这个 List 是 guava 的 List，含义是把 400 个任务拆分开，每一组有 400/32=12.5 个任务，向下取整，就是 12 个。
具体是什么个意思呢，我给你看一下 debug 的截图你就知道了：
400 个任务分组，每一组 12 个任务，那就可以拆出来 34 组，最后一组只有 4 个任务：
但是这都不重要，一点都不重要好吧。
因为后续他根本就没有用这个 list ，只是用到了 size 的大小，即 34 。
所以你甚至还能拿到一个更加简洁的代码：
为什么我最开始的时候不直接给你这个最简化的代码，甚至还让你多引入一个包呢？
因为歪师傅就是想体现这个简化代码的过程。
按照我写文章的经验，在定位问题的时候，一定要尽量多的减少干扰项。排除干扰项的过程，也是梳理问题的过程，很多问题在排除干扰项的时候，就逐渐的能摸清楚大概是怎么回事儿。
如果你遇到一个让你摸不着头脑的问题，那就先从排除干扰项做起。
好了，说回我们的代码。现在我们的代码就只有这几行了，核心逻辑就是我圈起来的这个方法：
而圈起来这个部分，主要是线程池结合 CountDownLatch 的使用。
对于 CountDownLatch 我一般只关注两个地方。
所以现在从程序分析不出来问题，我们怎么办？
那就从异常信息往回推算。
我们的异常信息是什么？
触发了线程池拒绝策略：
什么时候会出现线程池拒绝策略呢？
核心线程数用完了，队列满了，最大线程数也用完了的时候。
但是按理来说，由于有 countDownLatch.await() 的存在，在执行完 for 循环中的 34 次 countDownLatch.countDown() 方法之前，主线程一定是阻塞等待的。
而 countDownLatch.countDown() 方法在 finally 方法中调用，如果主线程继续运行，执行外层的 for 循环，放新的任务进来，那说明线程池里面的任务也一定执行完成了。
线程池里面的任务执行完成了，那么核心线程就一定会释放出来等着接受下一波循环的任务。
这样捋下来，感觉还是没毛病啊？
除非线程池里面的任务执行完成了，核心线程就一定会释放出来等着接受下一波循环的任务，但是不会立马释放出来。
什么意思呢？
就是当一个核心线程执行完成任务之后，到它进入下一次可以开始处理任务的状态之间，有时间差。
而由于这个时间差的存在，导致第一波的核心线程虽然全部执行完成了 countDownLatch.countDown()，让主线程继续运行下去。但是，在线程池中还有少量线程未再次进入“可以处理任务”的状态，还在进行一些收尾的工作。
从而导致，第二波任务进来的时候，需要开启新的核心线程数来执行。
放进来的任务速度，快于核心线程的“收尾工作”的时间，最终导致线程池满了，触发拒绝策略。
需要说明的是，这个原因都是基于我个人的猜想和推测。这个结论不一定真的正确，但是伟人曾经说过：大胆假设，小心求证。
所以，为了证明这个猜想，我需要找到实锤证据。
从哪里找实锤呢？
源码之下，无秘密。
当我有了这个猜想之后，我立马就想到了线程池的这个方法：
java.util.concurrent.ThreadPoolExecutor#runWorker
标号为 ① 的地方是执行线程 run 方法，也就是这一行代码执行完成之后，一个任务就算是执行完成了。对应到我们的 Demo 也就是这部分执行完成了：
这部分执行完成了，countDownLatch.countDown() 方法也执行完成了。
但是这个核心线程还没跑完呢，它还要继续往下走，执行标号为 ② 和 ③ 处的收尾工作。
在核心线程执行“收尾工作”时，主线程又咔咔就跑起来了，下一波任务就扔进来了。
这不就是时间差吗？
另外，我再问一个问题：线程池里面的一个线程是什么时候处于“来吧，哥们，我可以处理任务了”的状态的？
是不是要执行到红框框着的这个地方 WAITING 着：
java.util.concurrent.ThreadPoolExecutor#getTask
那在执行到这个红框框之前，还有一大坨代码呢，它们不是收尾工作，属于“就绪准备工作”。
现在我们再捋一捋啊。
线程池里面的一个线程在执行完成任务之后，到下一次可以执行任务的状态之间，有一个“收尾工作”和“就绪准备工作”，这两个工作都是非常快就可以执行完成的。
但是这“两个工作”和“主线程继续往线程池里面扔任务的动作”之间，没有先后逻辑控制。
从程序上讲，这是两个独立的线程逻辑，谁先谁后，都有可能。
如果“两个工作”先完成，那么后面扔进来的任务一定是可以复用线程的，不会触发新开线程的逻辑，也就不会触发拒绝策略。
如果“主线程继续往线程池里面扔任务的动作”先完成，那么就会先开启新线程，从而有可能触发拒绝策略。
所以最终的执行结果可能是不报错，也可能是抛出异常。
同时也回答了这个问题：为什么提高线程池的队列长度，就不抛出异常了？
因为队列长度越长，核心线程数不够的时候，任务大不了在队列里面堆着。而且只会堆一小会儿，但是这一小会，给了核心线程足够的时间去完成“两个工作”，然后就能开始消耗队列里面的任务。
另外，提出问题的小伙伴说换成 Tomcat 的线程池就不会被拒绝了：
也是同理，因为 Tomcat 的线程池重写了拒绝策略，一个任务被拒绝之后会进行重试，尝试把任务仍回到队列中去，重试是有可能会成功的。
对应的源码是这个部分：
org.apache.tomcat.util.threads.ThreadPoolExecutor#execute(java.lang.Runnable, long, java.util.concurrent.TimeUnit)
这就是我从源码中找到的实锤。
但是我觉得锤的还不够死，我得想办法让这个问题必现一下。
怎么弄呢？
如果要让问题必现，那么就是延长“核心线程完成两个工作”的时间，让主线程扔任务的动作”的动作先于它完成。
很简单，看这里，afterExecute 方法：
线程池给你留了一个统计数据的口子，我们就可以基于这个口子搞事情嘛，比如睡一下下：
private static final ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor( 64, 64, 0, TimeUnit.MINUTES, new ArrayBlockingQueue<>(32)) { @Override protected void afterExecute(Runnable r, Throwable t) { try { Thread.sleep(5000); } catch (InterruptedException e) { throw new RuntimeException(e); } } };
由于收尾任务的时间过长，这样“主线程扔任务的动作”有极大概率的是先执行的，导致触发拒绝策略：
到这里，这个问题其实就算是分析完成了。
但是我还想分享一个我在验证过程中的一个验证思路，虽然这个思路最终并没有得到我想要的结论，但是技多不压身，你抽空学学，以后万一用得上呢。
前面说了，在我重写了 afterExecute 方法之后，一定会触发拒绝策略。
那么我在触发拒绝策略的时候，dump 一把线程，通过 dump 文件观察线程状态，是不是就可以看到线程池里面的线程，可能还在 RUNNING 状态，但是是在执行“两个工作”呢？
于是就有了这样的代码：
我自定义了一个拒绝策略，在触发拒绝策略的时候，dump 一把线程池：
但是很不幸，最终 dump 出来的结果并不是我期望的，线程池里面的线程，不是在 TIMED_WAITING 状态就是在 WAITING 状态，没有一个是 RUNNING 的。
为什么？
很简单，因为在触发拒绝策略之后，dump 完成之前，这之间代码执行的时间，完全够线程池里面的线程完成“两个工作”。
虽然你 dump 了，但是还是晚了一点。
这一点，可以通过在 dump 前面输出一点日志进行观察验证：
虽然我没有通过 dump 文件验证到我的观点，但是你可以学习一下这个手段。
在正常的业务逻辑中触发拒绝策略的时候，可以 dump 一把，方便你分析。
那么问题就来了？
怎么去 dump 呢？
关键代码就这一行：
JVMUtil.jstack(jStackStream);
这个方法其实是 Dubbo 里面的一个工具，我只是引用了一下 Dubbo 的包：
但是你完全可以把这个工具类粘出去，粘到你的项目中去。
你的代码很好，现在它是我的了。
最后，我还是必须要再补充一句：
以上从问题的定位到问题的复现，都是基于我个人的分析，从猜测出发，最终进行验证的。有可能我猜错了，那么整个论证过程可能都是错的。你可以把 Demo 粘过去跑一跑，带着怀疑一切的眼光去审视它，如果你有不同的看法，可以告诉我，我也学习一下。
最后，你想想整个过程。
拆开了看，无非是线程池和 CountDownLatch 的八股文的考察，这两个玩意都是面试热点考察部分，大家应该都背的滚瓜烂熟。
在实际工作中，这两个东西碰撞在一起也是经常有的写法，但是没想到的是，在套上一层简单的 for 循环之后，完全就变成了一个复杂的问题了。
这玩意着实是把我打懵逼了。以后把 CountDownLatch 放在 for 循环里面的场景，都需要多多注意一下了。
