RejectedExecutionHandler处理变量任务溢出的策略

很多人一提到线程池的拒绝策略，第一反应是“出问题了怎么办”。但说实话，RejectedExecutionHandler 并不应该被当作故障补救措施来理解——它本质上是一个提前设计好的压力信号。这个信号只在两个条件同时满足时才会触发：工作队列已经满了（而且得是有界队列），同时当前活跃线程数已经达到了 maximumPoolSize。换句话说，新任务既排不上队，也开不了新线程，系统直接告诉你：扛不住了，你自己看着办。

这时候，拒绝策略开始发挥作用。但选错了策略，后果很微妙：轻则任务悄悄丢失，你完全不知道；重则反向压垮调用方，引发连锁反应。下面我们就逐个拆解，看看每种策略到底适合什么场景，又藏着哪些坑。

AbortPolicy：快速失败，但必须配套可观测性

这是线程池的默认策略，逻辑很简单：直接抛出 RejectedExecutionException，不补偿，不静默。它的核心价值就在于“立刻暴露问题”，倒逼上游自己做决策。

哪些场景适合？比如支付回调、订单落库、风控同步校验这类关键路径上的任务，宁可失败重试，也不能默默丢掉。但这里有个前提：你必须捕获异常，并且记录下任务标识（比如 traceId、taskId）、任务类型和提交时间，否则你只知道“出了异常”，却不知道是哪个任务出了问题。

此外，建议打点监控指标，比如 rejected_task_count，并联动告警。特别要注意的是，在 Web 场景中，如果没做异常捕获，RejectedExecutionException 会直接返回 HTTP 500，而且没有上下文日志，定位起来非常痛苦。

CallerRunsPolicy：调用线程兜底，但风险隐蔽

看名字就知道，这个策略会让提交任务的线程（比如 Tomcat 的 worker 线程）自己去执行被拒的任务。表面上看，任务没有被丢弃，似乎很安全。但问题恰恰出在这里：它把压力静悄悄地传导回了上游。

适用场景是那些提交方本身可控的情况，比如定时调度器每秒最多 submit 3 次，即使回退执行，也不会对系统造成太大冲击。但如果是 HTTP 接口大量使用这个策略，风险就非常隐蔽了：响应延迟上升 → 连接池耗尽 → 上游超时重试 → 压力倍增，最终引发雪崩。

另外，务必在 execute 前加一个判断：if (!executor.isShutdown())，避免线程池 shutdown 后仍然强行执行任务。总的来说，高吞吐网关或 API 层不建议直接启用这个策略。

DiscardPolicy 与 DiscardOldestPolicy：静默丢弃，行为差异大

这两个策略都不抛异常，但丢法完全不同，后果也天差地别。

• DiscardPolicy：直接丢弃当前新任务，零日志，零痕迹。只适用于完全可丢的流量，比如前端埋点、非关键心跳——丢了也不影响核心业务。
• DiscardOldestPolicy：先从队列头 poll 一个最老的任务（不管它有多重要），然后尝试执行当前任务。问题在于，如果队列持续满，高频任务会反复被丢，而真正关键的任务可能卡在队尾，永远得不到执行。

这两个策略有一个共同的致命缺陷：线上完全无法感知丢弃行为。如果你没有自行包装策略并加入限流日志（比如 logger.warn("discarded: {}", taskId)），那基本等于盲调，出了事都不知道从哪查起。

自定义策略：自由度高，但三个关键约束不能破

实现 RejectedExecutionHandler 接口看起来很简单，但实际写起来很容易引入新的瓶颈。这里有几个必须遵守的约束：

• 禁止在 rejectedExecution 方法中调用 executor.submit() 或任何可能阻塞的操作，否则可能导致死锁或线程耗尽。
• 如果要做异步补偿（比如发 Kafka、写 DB），补偿逻辑自身必须带超时和降级，否则拒绝处理反而成了系统的新瓶颈。
• 避免在拒绝逻辑中打印完整堆栈（比如 e.printStackTrace()）。高频拒绝时，I/O 会直接打爆磁盘或日志系统；改用带限流的 warn 日志会更安全。

说到底，拒绝策略的选择不是简单的“哪个好”，而是“哪个更匹配你的场景和可观测性能力”。没有完美的策略，只有最适合当前系统的设计。