线程池默认参数 200 并发实际只跑三成

先看现象。用 ThreadPoolExecutor() 默认参数跑两百个模型调用，八核机器上同时工作的线程一直不超过三十二个，总耗时 240 秒，压测报告里吞吐上不去。

原因不止一个，得分开看。默认 max_workers 按 CPU 核数推算 不按任务数。也可能是任务里有长阻塞 IO 线程一直占位。

少数情况下是任务队列无上限 提交后全堆在内存。

不容易想到的是，没有监控线程池的活跃度。

第一件事是确认默认值是多少

python -c "import os;print(min(32,(os.cpu_count() or 1)+4))"

显式设置线程数并压测对比

python bench_pool.py --workers 64 --tasks 200

IO 密集与 CPU 密集分开建池

python pool_split.py --io 64 --cpu 8

末了把活跃线程数打成指标

python metric.py --name pool_active --interval 10

报错是间歇性的，我蹲守了半小时才抓到一次完整现场。

白天有业务在跑，能验证的部分都压到了晚上做。

恢复的判定其实很直接。两百个任务总耗时降到 70 秒以内，活跃线程数与设置一致，队列积压可见。

容易忽略的是，默认值是按 CPU 核数推出来的，IO 密集场景必须自己显式设。这类问题最好一次改到位，反复小改反而容易把原因搅混。