totobacoo

SNA 架构下的在线人数统计 | 郁闷的 Stuts2.0.6 的 package 继承的bug

2007-06-17

Quartz 执行多线程任务

现在项目(web)中有个需求，每天临晨对一个 WEB 目标进行页面爬取，爬取过程是一个多线程任务，这个任务由 Quartz（Spring2 整合）cronTrigger 来调度。大概同时会派出5-10个爬虫线程，执行爬虫线程的线程池，也是由 Spring 配置的 SimpleThreadPoolTaskExecutor。

现在的情况：众所周知，Quartz 缺省维持了一组自己的线程池，default pool size = 10。实际上我全系统只有一个任务，每天运行一次，那么，每次调度触发时，池中始终只有一个线程会被用到。这个线程开始执行任务后，单独配置的爬虫线程池再接着开始执行爬取任务。

现在的问题：虽然 Spring 整合了 Quartz，但是 Quartz 线程池内的线程，依然工作在容器收管之外，本身就存在私立线程的风险。除此之外，系统还为爬虫线程另外配置了一个线程池（size也是10），资源风险进一步增加。在不否决 Quartz 方案的前提下，怎么做才能将此风险最小化？首先我能想到的，就是将 Quartz 的 default pool size 覆盖为 1，因为全系统始终只有一个例行任务，不需要那么大的任务线程池；另外有一个假想，我的10个爬虫线程，能不能就从 Quartz 自带的线程池里取，不再另外为爬虫线程专门配置一个池。因为 Quartz 自己的线程池，实际上也是一个 SimpleThreadPoolTaskExecutor。如果这个假想可行的话，那么，Quartz 自己的线程池，既用来执行任务本身，也负责爬虫线程的执行工作。

不知道有没有朋友做过这样的尝试，有的话请不吝赐教。