防丢失关键在于可控的饱和处理而非避免饱和；须用有界队列+显式拒绝策略，首选CallerRunsPolicy实现反压，不可丢任务需自定义持久化策略，并配套监控预警。
核心业务中防止请求丢失，关键不是避免线程池饱和，而是让饱和时的处理方式可控、可预期、不丢数据。饱和本身是系统承压的正常信号，真正危险的是默认 AbortPolicy 导致异常未捕获、任务静默消失。
明确触发饱和的真实条件
线程池拒绝策略不会在“队列看起来快满”或“线程数接近最大值”时触发。它只在三个条件**同时成立**时才生效：
- 线程池处于 RUNNING 状态（非 shutdown/shutdownNow）
- 工作队列是有界队列（如 ArrayBlockingQueue），且已满
- 当前线程数已达 maximumPoolSize
注意：若用 LinkedBlockingQueue（无界队列），即使线程数已达 maximumPoolSize，新任务仍会持续入队——这看似“不拒绝”，实则埋下 OOM 隐患。所以防丢失的第一步，是**必须用有界队列 + 显式配置拒绝策略**。
优先选用 CallerRunsPolicy（调用者执行）
这是核心业务防丢失最实用、开箱即用的策略。它不抛异常、不丢任务，而是把当前被拒的任务交还给提交线程（比如 Tomcat 的 worker 线程）去同步执行。
- 效果上相当于给上游加了一层天然反压：调用线程忙于执行任务，自然降低后续 submit 速率
- 适用于 Web 请求类场景——只要业务逻辑执行时间可控（例如 ≤ 200ms），用户端最多感知为响应稍慢，而非 500 或超时
- 配置方式简单：
new ThreadPoolExecutor(..., new ThreadPoolExecutor.CallerRunsPolicy())
对绝对不可丢的任务，必须自定义持久化策略
CallerRunsPolicy 虽好，但依赖调用线程能及时执行。若请求线程本身不能长时间阻塞（如 Netty EventLoop、定时任务线程），或任务执行耗时不可控，则需兜底方案：
- 实现 RejectedExecutionHandler 接口，在
rejectedExecution()中将任务序列化后写入 Kafka / RocketMQ / 数据库 - 搭配独立的补偿服务，监听消息/轮询数据库，等线程池负载下降后重新投递
- 注意任务对象必须可序列化，且幂等设计要前置——重试可能多次触发
配套监控与容量水位预警
再好的策略也需可观测性支撑。仅靠拒绝策略被动应对远远不够：
- 暴露并采集关键指标：活跃线程数、队列剩余容量、
getRejectedExecutionCount()（需继承 ThreadPoolExecutor 自定义计数器） - 设置告警阈值：例如队列使用率 > 80% 持续 1 分钟，或每分钟拒绝数 > 5 次，立即通知负责人
- 压测时重点验证：在目标 QPS 下，线程池是否稳定在合理水位，拒绝率是否趋近于 0
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
