参考
码农翻身 当多线程并发遇到Actor
goroutine, channel 和 CSP
并发之痛 Thread，Goroutine，Actor
一、多线程并发的难题
张大胖在做一个银行相关的项目，写了一个Account的类，用来表示一个用户的银行账号，根据银行的常规业务，自然要提供两个方法，存款(deposit)和取款(withdraw)。
为了防止多线程并发时导致的数据不一致问题，张大胖给每个方法都加了synchronized， 那意思很清楚，想进入某个方法执行存款或取款操作，必须得先获得一把锁才行。
但是在做转账操作的时候，为了保证一致性，必须得把两个账户都加上锁，然后才可以操作，于是张大胖写下了这样的代码，他觉得很简单，立刻就提交给Bill ，让他Review。
富有经验的Bill立刻就发现了问题，马上对张大胖说：“这样会出现死锁！”
张大胖说：“这么简单的代码，怎么可能有死锁？”
“假设线程1 做的操作是账户A给账户B转账， 先锁住了A账户， 接下来试图申请B账户的锁；与此同时线程2 在从 账户B给账户A 转账， 先锁住了B账户的锁， 接下来试图申请A账户的锁。两个线程各自持有资源， 然后等待获取对方的资源， 都无法执行下去， 死锁就出现了！”
张大胖无言以对，不得不承认Bill是正确的。他问道：“那怎么解决这个问题？”
“非常简单，加锁的时候按次序来就可以了，例如所有的线程，无论是从A向B转账，还是从B向A转账，都先获得账号A的锁，成功后再获得账户B的锁，这样就没问题了。”
张大胖说：“那样代码会变得很古怪啊，还得给两个账户排个顺序，如果不知道背后的思想读起来很痛苦，怪不得人家说多线程编程很难啊。”
Bill说：“是啊， 其实线程这个东西，就是一段代码的执行而已， 是操作系统层面的概念，可是我们苦逼的程序员不得不来面对它，来背这个多线程并发的锅了。”
二、黑盒子
下班后，张大胖一直在思考这个问题：既然线程是操作系统层面的概念，能不能把线程的概念隐藏起来，然后所有的操作都不用加锁呢？ 这样以来编程就会容易得多啊！
本质的问题是什么？
首先是共享的状态，例如Account中的balance ，多个线程都要读写， 其次就是多个线程乱序、并发执行。
能不能换个思路，把这个Account对象看成一个黑盒子，你想存款了，就发一个存款的消息过来，想取款就发一个取款的消息过来。
不管是有一个消息，还是有100个消息，我统统放到黑盒子的一个队例中，然后让Account对象一个个顺序处理不就可以了？ 根本不用在方法上加锁！
这样做，其实就是把并发的操作变成了串行的操作而已！
不对，如果调用方把取款消息放下就走，不等待返回结果，那就不是同步操作，而是异步操作了！但是如果取款的时候发现余额不足，怎么通知调用方？嗯，调用方也必须是个黑盒子对象，也向它发送异步消息，这个消息也会在消息队列中存下来，调用方“黑盒子”也会一个个处理。
想到这一层，张大胖激动起来：取款和存款的操作就不用在加锁了，码农们只要考虑黑盒子对消息的处理即可：取出消息，处理消息，向别的黑盒子发送消息， 根本不用考虑线程这样底层的概念了。
三、Actor模型
第二天张大胖赶紧找到Bill, 向他炫耀自己的“新发明”。
Bill不动声色：“小伙子，不错啊，重新发明了轮子！”
“重新发明？”
“是啊，你这个所谓黑盒子，就是所谓Actor模型啊！ 它最早由Carl Hewitt在1973定义，其消息传递的方式更加符合面向对象的原始意图， 这一点我想你也体会到了，要不你怎么把他们叫做黑盒子啊。”
“1973年？ 我还没出生。唉，看来这些概念已经被老前辈们都发明完了啊。”
“Actor属于并发组件模型 ，可以把程序员从多线程并发或线程池等基础概念中解放出来。它有这么几个特点：”
- Actor：就是你说的黑盒子，系统是由很多Actor组成。 Actor之间不共享状态，但是会接收别的Actor发送的异步消息，处理的过程中，会改变内部状态，也可能向别的Actor发送消息。
- Message:消息是不可变的， 它的发送都是异步的，Actor内部有个“MailBox”来缓存消息。
- MailBox：Actor内部缓存消息的邮箱， 其他Actor发送的消息都放到这里，然后被本Actor处理，类似有多个生成者和一个消费者的队例。
张大胖说：“和我之前的图差不多，看来我确实是重新发明了轮子啊。”
四、用Actor实现转账
Bill 笑道：“这个Actor看起来很美，但是编程的时候你得刷新一下你的思维才行。 大胖，之前你的转账操作在多线程下不是会出现死锁吗？ 你考虑下，如果用Actor的思路该怎么写？”
“首先，得有两个Actor, 这两个Actor 表示了两个账户，我把它们叫做旺财和小强。”
“然后呢，转账的逻辑怎么处理？”
张大胖想了一会：“既然转账是在两个Actor之间发生的，那可以引入一个协调者Actor，叫做转账管家吧。不过，由于消息都是异步的，转账管家向旺财这个Actor发起扣款请求以后，不知道什么时候才能真正执行扣款，也不能立刻知道是否成功，必须得等待啊，这就有点麻烦了。”
Bill说：“我给你画个流程图，你看看。”
张大胖感慨地说：“原来的多线程并发模型，需要同时锁住两个账户，然后才能进行转账。现在每个Actor都独立，也把这个转账给搞定了。”
Bill说：“其实对于转账管家来说，对每个转账的消息，内部是隐含一个流程状态的，就是先向某个账户扣款，成功以后再向另一个账户增加，最后给调用者返回状态，这个次序是不能乱的。看到图中那个Transaction ID没有(Tx01)，就是用来跟踪这个转账的事务。”
五、漏洞
“我发现了一个漏洞，你这个转账虽然看起来很美，没有加锁，但是和原来的是有区别的，原来多线程思路是会把旺财和小强的账户同时锁住，然后转账，在这个过程中，别人是不能操作这两个账号的！ 而你的Actor方案中，当转账管家给旺财发消息扣款的时候，小强其实是自由的，如果这时候小强的账户被冻结，那你的转账管家还得回滚旺财的扣款，这多麻烦啊。”
Bill：“哈哈，你小子还挺机灵的嘛，看出了这个问题，Actor模型非常适用于多个组件独立工作，相互之间仅仅依靠消息传递的情况。如果想在多个组件之间维持一致的状态（比如咱们例子中的转账），那就不爽了。”
“那怎么解决这个问题？”
“那必须得用一些特殊手段了，有些实现Actor的框架，例如Akka，专门提供了像Coordinated /Transactor这样的机制来处理这个问题。有空的话给你仔细讲讲。”
“好吧，我回头看看这个Akka， 对了， Actor虽然对用户隐藏了线程， 但是总得有线程来处理消息吧。” 张大胖问道。
“那是肯定的，线程本质上就是一段代码的执行，每个Actor在处理消息的时候，肯定得和线程关联才行，只不过Actor系统把线程这个概念给隐藏了。”
“有哪些系统实现了Actor?” 张大胖接着问。
“其实最著名的就是Erlang了，Actor模型可以说是它的基础，除了我们上面所说的，还可以让Actor之间建立关联，例如让一个Actor去监控另外一些Actor工作，如果那些Actor崩溃了，就新建一个Actor继续工作。在Java 领域，刚才提到的Akka是比较知名的一个Actor框架。 ”
六、解决方案
1.线程池方案
Java1.5后，Doug Lea的Executor系列被包含在默认的JDK内，是典型的线程池方案。
线程池一定程度上控制了线程的数量，实现了线程复用，降低了线程的使用成本。但还是没有解决数量的问题，线程池初始化的时候还是要设置一个最小和最大线程数，以及任务队列的长度，自管理只是在设定范围内的动态调整。另外不同的任务可能有不同的并发需求，为了避免互相影响可能需要多个线程池，最后导致的结果就是Java的系统里充斥了大量的线程池。
2.新的思路
从前面的分析我们可以看出，如果线程是一直处于运行状态，我们只需设置和CPU核数相等的线程数即可，这样就可以最大化的利用CPU，并且降低切换成本以及内存使用。但如何做到这一点呢？
陈力就列，不能者止
这句话是说，能干活的代码片段就放在线程里，如果干不了活（需要等待，被阻塞等），就摘下来。通俗的说就是不要占着茅坑不拉屎，如果拉不出来，需要酝酿下，先把茅坑让出来，因为茅坑是稀缺资源。
要做到这点一般有两种方案：
异步回调方案
典型如NodeJS，遇到阻塞的情况，比如网络调用，则注册一个回调方法（其实还包括了一些上下文数据对象）给IO调度器（linux下是libev，调度器在另外的线程里），当前线程就被释放了，去干别的事情了。等数据准备好，调度器会将结果传递给回调方法然后执行，执行其实不在原来发起请求的线程里了，但对用户来说无感知。但这种方式的问题就是很容易遇到callback hell，因为所有的阻塞操作都必须异步，否则系统就卡死了。还有就是异步的方式有点违反人类思维习惯，人类还是习惯同步的方式。GreenThread/Coroutine/Fiber方案
这种方案其实和上面的方案本质上区别不大，关键在于回调上下文的保存以及执行机制。为了解决回调方法带来的难题，这种方案的思路是写代码的时候还是按顺序写，但遇到IO等阻塞调用时，将当前的代码片段暂停，保存上下文，让出当前线程。等IO事件回来，然后再找个线程让当前代码片段恢复上下文继续执行，写代码的时候感觉好像是同步的，仿佛在同一个线程完成的，但实际上系统可能切换了线程，但对程序无感。
GreenThread
- 用户空间 首先是在用户空间，避免内核态和用户态的切换导致的成本。
- 由语言或者框架层调度
- 更小的栈空间允许创建大量实例（百万级别）
几个概念
- Continuation 这个概念不熟悉FP编程的人可能不太熟悉，不过这里可以简单的顾名思义，可以理解为让我们的程序可以暂停，然后下次调用继续（contine）从上次暂停的地方开始的一种机制。相当于程序调用多了一种入口。
- Coroutine 是Continuation的一种实现，一般表现为语言层面的组件或者类库。主要提供yield，resume机制。
- Fiber 和Coroutine其实是一体两面的，主要是从系统层面描述，可以理解成Coroutine运行之后的东西就是Fiber。
3.Goroutine
Goroutine其实就是前面GreenThread系列解决方案的一种演进和实现。
- 首先，它内置了Coroutine机制。因为要用户态的调度，必须有可以让代码片段可以暂停/继续的机制。
- 其次，它内置了一个调度器，实现了Coroutine的多线程并行调度，同时通过对网络等库的封装，对用户屏蔽了调度细节。
- 最后，提供了Channel机制，用于Goroutine之间通信，实现CSP并发模型（Communicating Sequential Processes）。因为Go的Channel是通过语法关键词提供的，对用户屏蔽了许多细节。其实Go的Channel和Java中的SynchronousQueue是一样的机制，如果有buffer其实就是ArrayBlockQueue。
这个图一般讲Goroutine调度器的地方都会引用，想要仔细了解的可以看看原博客。这里只说明几点：
- M代表系统线程，P代表处理器（核），G代表Goroutine。Go实现了M:N的调度，也就是说线程和Goroutine之间是多对多的关系。这点在许多GreenThread/Coroutine的调度器并没有实现。比如Java1.1版本之前的线程其实是GreenThread（这个词就来源于Java），但由于没实现多对多的调度，也就是没有真正实现并行，发挥不了多核的优势，所以后来改成基于系统内核的Thread实现了。
- 某个系统线程如果被阻塞，排列在该线程上的Goroutine会被迁移。当然还有其他机制，比如M空闲了，如果全局队列没有任务，可能会从其他M偷任务执行，相当于一种rebalance机制。这里不再细说，有需要看专门的分析文章。
- 具体的实现策略和我们前面分析的机制类似。系统启动时，会启动一个独立的后台线程（不在Goroutine的调度线程池里），启动netpoll的轮询。当有Goroutine发起网络请求时，网络库会将fd（文件描述符）和pollDesc（用于描述netpoll的结构体，包含因为读/写这个fd而阻塞的Goroutine）关联起来，然后调用runtime.gopark方法，挂起当前的Goroutine。当后台的netpoll轮询获取到epoll（linux环境下）的event，会将event中的pollDesc取出来，找到关联的阻塞Goroutine，并进行恢复。
4.Goroutine是银弹么？
Goroutine很大程度上降低了并发的开发成本，是不是我们所有需要并发的地方直接go func就搞定了呢？
Go通过Goroutine的调度解决了CPU利用率的问题。但遇到其他的瓶颈资源如何处理？比如带锁的共享资源，比如数据库连接等。互联网在线应用场景下，如果每个请求都扔到一个Goroutine里，当资源出现瓶颈的时候，会导致大量的Goroutine阻塞，最后用户请求超时。这时候就需要用Goroutine池来进行控流，同时问题又来了：池子里设置多少个Goroutine合适？
所以这个问题还是没有从根本上解决。
七、Actor模型
Actor对没接触过这个概念的人可能不太好理解，Actor的概念其实和OO里的对象类似，是一种抽象。面对对象编程对现实的抽象是对象=属性+行为（method），但当使用方调用对象行为（method）的时候，其实占用的是调用方的CPU时间片，是否并发也是由调用方决定的。这个抽象其实和现实世界是有差异的。现实世界更像Actor的抽象，互相都是通过异步消息通信的。比如你对一个美女say hi，美女是否回应，如何回应是由美女自己决定的，运行在美女自己的大脑里，并不会占用发送者的大脑。
所以Actor有以下特征：
- Processing – actor可以做计算的，不需要占用调用方的CPU时间片，并发策略也是由自己决定。
- Storage – actor可以保存状态
- Communication – actor之间可以通过发送消息通讯
Actor遵循以下规则：
- 发送消息给其他的Actor
- 创建其他的Actor
- 接受并处理消息，修改自己的状态
Actor的目标：
- Actor可独立更新，实现热升级。因为Actor互相之间没有直接的耦合，是相对独立的实体，可能实现热升级。
- 无缝弥合本地和远程调用 因为Actor使用基于消息的通讯机制，无论是和本地的Actor，还是远程Actor交互，都是通过消息，这样就弥合了本地和远程的差异。
- 容错 Actor之间的通信是异步的，发送方只管发送，不关心超时以及错误，这些都由框架层和独立的错误处理机制接管。
- 易扩展，天然分布式 因为Actor的通信机制弥合了本地和远程调用，本地Actor处理不过来的时候，可以在远程节点上启动Actor然后转发消息过去。
Actor的实现：
- Erlang/OTP Actor模型的标杆，其他的实现基本上都一定程度参照了Erlang的模式。实现了热升级以及分布式。
- Akka（Scala,Java）基于线程和异步回调模式实现。由于Java中没有Fiber，所以是基于线程的。为了避免线程被阻塞，Akka中所有的阻塞操作都需要异步化。要么是Akka提供的异步框架，要么通过Future-callback机制，转换成回调模式。实现了分布式，但还不支持热升级。
- Quasar (Java) 为了解决Akka的阻塞回调问题，Quasar通过字节码增强的方式，在Java中实现了Coroutine/Fiber。同时通过ClassLoader的机制实现了热升级。缺点是系统启动的时候要通过javaagent机制进行字节码增强。
八、Golang CSP VS Actor
二者的格言都是：
Don’t communicate by sharing memory, share memory by communicating
通过消息通信的机制来避免竞态条件，但具体的抽象和实现上有些差异。
- CSP模型里消息和Channel是主体，处理器是匿名的。
也就是说发送方需要关心自己的消息类型以及应该写到哪个Channel，但不需要关心谁消费了它，以及有多少个消费者。Channel一般都是类型绑定的，一个Channel只写同一种类型的消息，所以CSP需要支持alt/select机制，同时监听多个Channel。Channel是同步的模式（Golang的Channel支持buffer，支持一定数量的异步），背后的逻辑是发送方非常关心消息是否被处理，CSP要保证每个消息都被正常处理了，没被处理就阻塞着。 - Actor模型里Actor是主体，Mailbox（类似于CSP的Channel）是透明的。
也就是说它假定发送方会关心消息发给谁消费了，但不关心消息类型以及通道。所以Mailbox是异步模式，发送者不能假定发送的消息一定被收到和处理。Actor模型必须支持强大的模式匹配机制，因为无论什么类型的消息都会通过同一个通道发送过来，需要通过模式匹配机制做分发。它背后的逻辑是现实世界本来就是异步的，不确定（non-deterministic）的，所以程序也要适应面对不确定的机制编程。自从有了并行之后，原来的确定编程思维模式已经受到了挑战，而Actor直接在模式中蕴含了这点。
从这样看来，CSP的模式比较适合Boss-Worker模式的任务分发机制，它的侵入性没那么强，可以在现有的系统中通过CSP解决某个具体的问题。它并不试图解决通信的超时容错问题，这个还是需要发起方进行处理。同时由于Channel是显式的，虽然可以通过netchan（原来Go提供的netchan机制由于过于复杂，被废弃，在讨论新的netchan）实现远程Channel，但很难做到对使用方透明。
而Actor则是一种全新的抽象，使用Actor要面临整个应用架构机制和思维方式的变更。它试图要解决的问题要更广一些，比如容错，比如分布式。但Actor的问题在于以当前的调度效率，哪怕是用Goroutine这样的机制，也很难达到直接方法调用的效率。当前要像OO的『一切皆对象』一样实现一个『一切皆Actor』的语言，效率上肯定有问题。所以折中的方式是在OO的基础上，将系统的某个层面的组件抽象为Actor。
部分选摘知乎 为什么 Go 语言如此不受待见？
评论区又见洗地，go的用户就不要拼命洗地说用go的虚拟线程能够作出actormodel了，这个明显就是设计上的失误，如果一开始就看准了有actormodel这回事的话，根本就不会设计成强制用户使用虚拟线程，直接暴露os线程是最简单也是最直观的做法，就是因为go走出错了路，挖了一个大坑，然后为了actormodel而强行实现，只能说明这一开始就是一个错误，最后不计成本地去模拟出别人的模型，那actormodel从本质上就有的性能优势还有什么意义？之所以用actormodel就是冲着性能去的，而go这样搞，只能作出比一般actormodel性能更差的实现，那还有什么意义？你还是回去无脑堆虚拟线程算了，何必呢？虚拟了一层又一层，其他语言的道路是通过保留线程api，然后增加虚拟线程api，但是go是直接一上来就干掉了原始线程，强行封装一层，然后再在这个基础之上，去填坑，这么做的人一定是疯了，这样做还不如不做，你看go用户一直鼓吹的性能优势在这个时候，从模型上就开始表现出不足来，看看其他语言，人家既有nativethread的包装，又有coroutine/fiber，我们要组合出eventlooop和actormodel来就很容易和直观，然后搭配async/await就可以用非常简单的方式写代码了，又回到最初的proactiveprogramming上去了，但是go就少了nativethread这一步，怎么模拟都会多出一层虚拟层，那这一层犹如隔靴扰痒，太不爽了
.
go是强行塞入n:m这一层，而其他语言是保留了1:1，然后再在1:1的基础之上增加了1:n，所以其他语言可以做到用async/await完全抹杀掉线程调度带来的消耗，同时在这个基础之上，也能做到无脑堆虚拟线程，用车来比喻，就是其他语言能做到手动挡和自动挡，但是go只能做到自动挡
九、从写程序的角度来看，有什么不同
参考关于并发模型 Actor 和 CSP
1.假如，要做“关于取得RSS文章的单词数”这样的程序的话：
CSP：
步骤1：定义几个channel，保存不同处理的之间的数据：
1，新文章ch
2，文章内容ch
3，单词数ch
步骤2：然后写相应的处理程序：
1，新文章URL处理（把得取的新文章的URL，写入“新文章ch”）
2，新文章内容处理（把新文章内容读取下来，写入“文章内容ch”）
3，单词数统计（对文章内容进行单词个数统计，写入“单词数ch”）
4，文章单词数累加（读取“单词数ch”，把各个文章单词数进行累加）
步骤3：在主程序中，定义上面的几个channel，
再调用几个处理程序，并把channel当成参数传给处理程序
Actor：
步骤1：定义控制Actor，控制程序流程，功能如下：
1，当收到指令是“新文章URL处理”的话，调用“新文章URL处理”Actor，并把处理结果返回给调用者。
2，当收到指令是“新文章内容处理”的话，调用“新文章内容处理”Actor，并把处理结果返回给调用者。
3，当收到指令是“单词数统计”的话，调用“单词数统计”Actor，并把处理结果返回给调用者。
4，当收到指令是“文章单词数累加”的话，调用“文章单词数累加”Actor，并把处理结果返回给调用者。
(以上的每一个指令的执行，都可以做成并行的)
步骤2：定义指令相对应的处理程序。
步骤3：主程序，向“控制Actor”发指令，并把每次指令的结果当成参数，传给下一次的指令调用。
2.如果需求增加，在单词数统计时，去掉”of/to/and”这些单词的话，CSP和Actor要怎么做呢？
CSP：
主程序：
1，定义一个新的ch
2，并增加对内容过滤程序的调用。
3，传给“单词数统计”程序的ch，要修改成新定义的ch
子程序：
1，新加一个处理程序。
Actor：
主程序：
1，增加对内容过滤Actor的调用
控制Actor：
1，增加一个新的内容过滤指令
子程序：
1，定义一个新的内容过滤Actor
十、protoactor-go简介
Golang最好用的Actor框架 protoactor-go
go语言实践-protoactor使用小结
Actor模型是一种适用于高并发的编程模型。早在1973 年 Carl Hewitt 发表的论文中定义了Actor，但一直流行于Erlang 语言中。Erlang 被爱立信公司应用于建立高并发、可靠通信系统，取得了巨大成功，著名的rabbitMQ 就是Erlang的代表作。Java 语言的 Akka 库里面角色的API 跟Scala 框架里面角色相似，后者一些语法模仿Erlang语言。
Golang中 始终缺乏一个代表性的Actor 框架，Golang自身的协程处理被广大Golang推崇，但从生产实践来看，在大规模并发的情况下，协程并不是最佳的方案，使用Actor框架编写大规模并发服务通常被认为是更好的选择。
今天给大家推荐是由瑞士的团队Asynkron出品的Actor框架protoactor-go，从目前gitHub 上的Star数量观察， protoactor-go 是唯一个star 过千的Actor框架，由于背后有专业团队持续维护，因此稳定性有保证,同时protoactor-go有.Net/Golang/Java/Kotlin 的跨语言平台的实现，给开发者提供了更多系统集成的方案， 特别是在互联网公司，多语言共同开发环境下，优势明显。
Actor框架的提出基本上与CSP差不多处于同一个年代，相对于后者，过去10年Actor还是要稍微火一些，毕竟目前都强调快速开发，绝大部分的开发人员更关注业务实现，这符合Actor侧重于接收消息的对象（CSP更强调传输通道）一致。ProtoActor的设计与实现，绝大部分和AKKA很相似，只是在序列化、服务发现与注册、生命周期几个地方略有差异。框架使用上整体与AKKA相同，但受限于go语言，在使用细节上差别有点大。