相信接触过并发系统的小伙伴们基本都使用过线程池，或多或少调整过对应的参数。以 Java 中的经典模型来说，能够配置核心线程数、最大线程数、队列容量等等参数。
确定业务属性，比如IO密集型、CPU密集型、混合型等。
参考理想化的线程计算模型算出理论值。如《Java并发编程实战》一书中的理想化模型：
辅之以压测等手段对参数进行逐步调优。
本文则推荐一款工具，它不关心任务内部是如何实现的，而是通过计算运行时的各种系统指标（包括 CPU计算时间、IO等待时间、内存占用等）来直接计算线程池参数的。我们可以直接在这些参数的基础上，再配合压测进行调优，避免盲目调参。
获取当前线程的 CPU计算时间，记为 C1
计算当前任务执行需要的内存：M1 - M0
该工具的使用方法也很简单：
把你的业务代码封装为一个函数，放到 createTask 函数中。
设定 CPU使用率的期望值、队列占用内存的期望值。
执行，等待结果输出。
下面分别展示一个CPU密集型和IO密集型的输出（我们设置的 CPU 使用率期望值为 60%，队列占用内存的期望值为 10MB ）：
而队列大小与任务中使用的对象大小有关，这里的内存使用是通过计算 gc 执行前后的内存大小差异得到的（本文中的例子均为 40 B）。由于该算法内部使用 System.gc() 触发 gc。但由于 gc 不一定真的会立刻执行，所以拿到的队列结果可能不一定准确，只能作为粗略参考。
总的来说，dark_magic 这款工具以任务执行时的系统指标数据为基础，计算出比较合理的线程池参数，给我们进行后续的压测调参提供了相对比较合理的参考，值得推荐。