java线程池需通过扩展threadpoolexecutor或任务包装等方式主动埋点监控，核心是拦截提交、执行开始、执行结束三节点；推荐用micrometer集成timer、counter、gauge暴露指标，并覆盖拒绝策略与异常场景。
Java 线程池本身不直接暴露任务执行次数、成功/失败耗时等监控指标，需通过扩展 ThreadPoolExecutor 或结合 ThreadFactory、RejectedExecutionHandler、Runnable 包装等方式主动埋点。核心思路是拦截任务提交、执行开始、执行结束（含异常）三个关键节点，采集并聚合数据。
任务提交与执行状态埋点
继承 ThreadPoolExecutor，重写 beforeExecute 和 afterExecute 方法，在其中记录时间戳与执行结果。注意：这两个方法在工作线程内执行，适合记录单次任务粒度的耗时；同时需在 execute 或 submit 时对任务做包装，确保即使任务抛出未捕获异常也能被 afterExecute 捕获。
- 在
beforeExecute中记录开始时间（如System.nanoTime()），存入ThreadLocal或作为任务上下文传递 - 在
afterExecute中取出开始时间，计算耗时，根据Throwable参数判断是否异常完成，并更新原子计数器（如AtomicLong统计成功/失败次数、总耗时、最大/最小耗时） - 避免在钩子方法中做耗时操作（如打日志、发网络请求），建议只做内存计数，异步导出指标
统一任务包装器封装监控逻辑
不依赖钩子方法，而是对所有提交的任务进行装饰，把计时和异常捕获逻辑内聚在包装器中。适用于无法修改线程池实例（如 Spring 的 ThreadPoolTaskExecutor）或需更精确控制统计边界的情况。
- 定义
MonitoredRunnable和MonitoredCallable，构造时传入原始任务和指标收集器 -
run()或call()内部用try-catch包裹原任务执行，记录开始/结束时间、结果状态，并调用指标收集器的recordSuccess(long ns)或recordFailure(long ns, Throwable t) - 提交任务时统一使用包装器：
executor.execute(new MonitoredRunnable(runnable, metrics))
集成 Micrometer 或 Prometheus 实现指标暴露
将自定义计数器接入标准监控生态，便于可视化与告警。推荐使用 Micrometer（Spring Boot 场景下默认支持），它提供 Timer、Counter、Gauge 等语义化指标类型。
- 声明
Timer记录任务耗时分布（自动统计 count、sum、max、percentiles）：Timer.builder("threadpool.task.duration").tag("pool", "biz").register(registry) - 用
Counter分别统计成功/失败次数：Counter.builder("threadpool.task.result").tag("status", "success").register(registry) - 若需实时活跃任务数，可用
Gauge绑定getActiveCount()；队列长度可用Gauge绑定getQueue().size() - 指标注册后，通过 Actuator 的
/actuator/metrics或 Prometheus 的/actuator/prometheus端点对外暴露
拒绝策略与异常场景覆盖
监控不能只关注“执行中”的任务，还需覆盖拒绝、超时、线程中断等边界情况，否则指标会失真。
- 自定义
RejectedExecutionHandler，在拒绝时调用指标收集器的recordRejected()，并记录拒绝原因（如CALLER_RUNS、ABORT） - 对
ScheduledThreadPoolExecutor，需额外处理延迟任务取消、周期任务跳过等情况，可在decorateTask中增强调度逻辑 - 若任务内部使用
CompletableFuture或异步回调，需确保监控范围覆盖到最终完成点，而非仅外层 submit
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
