线程池是管理线程生命周期、提升资源利用率的利器。但在生产环境中，仅创建线程池是不够的，我们还需要实时洞察其内部运行状况，如任务积压、活动线程数量等，以便进行容量规划、问题排查和性能调优。ThreadPoolExecutor
类提供了一组丰富的API，使我们能够轻松实现这一目标。

关键监控指标API
假设我们有一个自定义的线程池 executor（实际类型为 ThreadPoolExecutor）：

监控指标 API方法 说明
排队任务数 executor.getQueue().size() 当前在阻塞队列中等待执行的任务数量。这是判断任务是否积压的核心指标。
活动线程数 executor.getActiveCount() 当前正在执行任务的线程（大致）数量。
已完成任务数 executor.getCompletedTaskCount() 从池创建开始累计已完成执行的任务总数。
总任务数 executor.getTaskCount() 从池创建开始，已安排执行的任务的近似总数。包括已完成和正在执行的任务。
核心线程数 executor.getCorePoolSize() 线程池保持存活的最小线程数（即使空闲）。
最大线程数 executor.getMaximumPoolSize() 线程池允许创建的最大线程数。
池中当前线程数 executor.getPoolSize() 池中当前的线程数量（包括空闲和活动的）。
历史最大线程数 executor.getLargestPoolSize() 池中曾经达到的最大线程数量。有助于评估峰值负载。
重要关系：总任务数 ≈ 排队任务数 + 活动线程数 + 已完成任务数。注意，由于并发，这是一个近似值。

实战：模拟并监控高负载场景
java
import java.util.concurrent.*;

public class ThreadPoolMonitorDemo {
// 创建一个有界线程池：核心5，最大10，队列容量100
private static final ExecutorService executor = new ThreadPoolExecutor(
5, // corePoolSize
10, // maximumPoolSize
60L, TimeUnit.SECONDS, // 空闲线程存活时间
new LinkedBlockingQueue<>(100) // 任务队列
);

public static void main(String[] args) throws Exception {
    System.out.println("开始提交大量任务...");

    // 提交200个任务，每个任务耗时2秒
    for (int i = 1; i <= 200; i++) {
        final int taskId = i;
        executor.execute(() -> {
            try {
                Thread.sleep(2000); // 模拟任务执行耗时
                System.out.println(Thread.currentThread().getName() + " 完成任务: " + taskId);
            } catch (InterruptedException e) {
                Thread.currentThread().interrupt();
            }
        });
    }

    System.out.println("任务提交完毕，开始监控...\n");

    ThreadPoolExecutor tpe = (ThreadPoolExecutor) executor;

    // 每秒采样一次，持续监控
    for (int sample = 1; sample <= 20; sample++) {
        Thread.sleep(1000); // 采样间隔
        System.out.printf("--- 采样时刻 %d 秒 ---%n", sample);
        System.out.println("排队任务数: " + tpe.getQueue().size());
        System.out.println("活动线程数: " + tpe.getActiveCount());
        System.out.println("池中总线程数: " + tpe.getPoolSize());
        System.out.println("已完成任务数: " + tpe.getCompletedTaskCount());
        System.out.println("累计总任务数: " + tpe.getTaskCount());
        System.out.println("历史最大线程数: " + tpe.getLargestPoolSize());
        System.out.println();
    }

    executor.shutdown(); // 优雅关闭
    executor.awaitTermination(1, TimeUnit.MINUTES);
    System.out.println("所有任务执行完毕，线程池已关闭。");
}

}
监控输出解读（示例片段）
text
开始提交大量任务…
任务提交完毕，开始监控…

— 采样时刻 1 秒 —
排队任务数: 195 // 队列几乎满了，大部分任务在等待
活动线程数: 5 // 核心线程已全部激活
池中总线程数: 5 // 还未扩容
已完成任务数: 0
累计总任务数: 200
历史最大线程数: 5

— 采样时刻 5 秒 —
排队任务数: 185 // 队列任务在减少
活动线程数: 10 // 已扩容到最大线程数
池中总线程数: 10
已完成任务数: 10 // 第一批任务完成
累计总任务数: 200

— 采样时刻 30 秒 —
排队任务数: 0 // 队列已清空
活动线程数: 5 // 活动线程减少，部分线程因空闲被回收（低于核心数的会保留）
池中总线程数: 5
已完成任务数: 200 // 所有任务完成
累计总任务数: 200
历史最大线程数: 10 // 记录下了曾经扩容到的峰值
将监控集成到生产系统
可以将这些指标的采集封装成一个方法，定期（如每5秒）执行，并记录到日志或发送到监控系统（如Prometheus +
Grafana）。当“排队任务数”持续超过某个阈值，或“活动线程数”长期等于“最大线程数”时，即可触发告警，提示可能需要调整线程池参数（扩大核心/最大线程数或队列容量），或检查任务执行逻辑是否过慢。

通过这套监控体系，你就能对线程池的健康状况了如指掌，从而实现从“能用”到“可控、可观测”的飞跃。