原文：tutorials.jenkov.com/java-concur…
多线程最明显的优势是：
- 更好的利用CPU
- 更加简化某些情况下的设计
- 更好的程序响应
- 更公平地为不同任务进行CPU资源分配
更好的利用CPU
设想一个程序读取和处理本地文件系统的文件，假设从磁盘中读取一个文件需要花费5秒，处理一个文件需要花费2秒，那么处理两个文件需要花费
5 seconds reading file A
2 seconds processing file A
5 seconds reading file B
2 seconds processing file B
-----------------------
14 seconds total
当从磁盘中读取文件时，绝大部分的CPU时间花费在等待磁盘读取数据。那会CPU十分空闲，其实它是可以干点其他事的。通过改变操作的顺序，CPU能够得到更充分的利用，看下面的顺序：
5 seconds reading file A
5 seconds reading file B + 2 seconds processing file A
2 seconds processing file B
-----------------------
12 seconds total
CPU等待读取第一个文件，然后开始读取第二个文件，当等待IO组件读取第二个文件时，CPU处理第一个文件。记住，当从磁盘读取文件时，CPU大部分时间是空闲的。
译者注：显然这个例子是基于阻塞IO来说的，我们知道在阻塞IO中，线程在执行
read方法时会被阻塞，如果不使用多线程，那么在读取第二个文件时，无法处理第一个文件，因为读取第二个文件的线程被阻塞了。如果我的理解有问题还希望大家指正
译者注：作者说的一个线程应该不是指一台机器只有一个线程，而是只为该程序分配一个线程。可即使这样，如何才能在一个线程下实现上述顺序？
总的来说，当等待IO操作时CPU可以进行其他操作。这个IO不一定非得是磁盘IO，也可以是网络IO，或者等待用户的输入。网络和磁盘IO要比CPU和内存的IO要慢很多。
更简约的程序设计
如果你想要在单线程应用总手动实现上述顺序的读取和处理操作，你不得不同时跟踪每个文件的读取和处理状态。然而，你可以启动两个线程，每个线程只负责一个文件的读取和处理。当这两个线程在读取文件被阻塞时，其他线程可以利用CPU去处理已经读取的数据，这样一来，磁盘就总会保持忙碌状态，把数据从多个文件读到内存中。从而保证磁盘和CPU得到更充分的利用，而且对程序来说也简单，每个线程只跟踪自己的文件。
译者注：不太明白作者说的手动是什么意思，既然是单线程应用，线程在执行
read时肯定会被阻塞，也就是说当读取第二个文件被阻塞时，没有其他线程来处理第一个文件，那怎么实现上述处理顺序呢？在此也希望大家帮忙解惑 译者注：
更好的程序响应
将单线程应用变为多线程应用的另一个目的是获得更好的响应。设想有个服务器端程序监听在某个端口以接受请求，当收到请求时，它会处理该请求然后返回继续监听，服务器端的循环大体如下:
while(server is active){
listen for request
process request
}
如果处理这个请求需要花费很长时间，那么其他客户端在这段时间内将无法发送请求，只有当服务器处在监听状态时才能接受请求。
一种替代设计是监听线程将请求交给工作者线程，然后立即返回。设计大体如下：
while(server is active){
listen for request
hand request to worker thread
}
这种方式使得服务器端线程快速返回到监听状态，因此更多的客户端可以发送请求。这台服务器变得更具响应性。
对于桌面程序也是如此，如果你点击一个按钮，以此触发一个长时任务，一旦执行任务的线程跟更新窗口，按钮等是一个线程，那么在执行长时任务时应用程序将变得无法响应。相反，可以将任务交一个工作者线程，当工作者线程处理任务时，窗口线程可以很好的接受其他用户的请求。一旦工作者线程完成任务，它会给窗口线程发送信号，然后窗口线程根据任务结果更新窗口。工作者线程使得应用程序更具响应性。
更公平的CPU资源分配
设想有一台服务器接收客户端请求，并且其中一个请求的处理比较耗时，例如10秒。如果这台服务器使用一个线程处理所有请求，那么对该请求后面的其他请求的处理将被拖慢，直到这个请求处理完。通过多线程划分CPU时间以及多线程的切换，可以让CPU在多个请求之间更公平地共享执行时间。那么即使一个请求处理比较慢，那么其他可更快处理的请求可以跟这个请求并发执行。当然，对慢请求的处理会变得更慢，因为它不会再独占CPU来执行，但是其他请求却等待更短的时间，因为没有必要等待这个慢请求处理完。到最后，只有这个慢任务在运行，CPU仍然可以单独分配给该任务来执行。
下一篇：多线程开销
