Scala系列——Akka并发编程
打个广告，帮朋友卖点东西，东西超便宜的哟，厂家直接出货，绝对低于市场价！！！ 一般都比市场价便宜3—7折【都是牌子货】，如果您感兴趣，可以扫描屏幕下方的二维码，感谢关注！！！
微信
一、Akka简介
1、基本介绍
Akka基于Actor模型，提供了一个用于构建可扩展的（Scalable）、弹性的（Resilient）、快速响应的（Responsive）应用程序的平台。
Actor模型：在计算机科学领域，Actor模型是一个并行计算（Concurrent Computation）模型，它把actor作为并行计算的基本元素来对待：为响应一个接收到的消息，一个actor能够自己做出一些决策，如创建更多的actor，或发送更多的消息，或者确定如何去响应接收到的下一个消息。
Actor是Akka中最核心的概念，它是一个封装了状态和行为的对象，Actor之间可以通过交换消息的方式进行通信，每个Actor都有自己的收件箱（Mailbox）。通过Actor能够简化锁及线程管理，可以非常容易地开发出正确地并发程序和并行系统，Actor具有如下特性：
- 提供了一种高级抽象，能够简化在并发（Concurrency）/并行（Parallelism）应用场景下的编程开发
- 提供了异步非阻塞的、高性能的事件驱动编程模型
- 超级轻量级事件处理（每GB堆内存几百万Actor）
2、重要类介绍
1.ActorSystem
在Akka中，ActorSystem是一个重量级的结构，他需要分配多个线程，所以在实际应用中，ActorSystem通常是一个单例对象，我们可以使用这个ActorSystem创建很多Actor。
2.Actor
在Akka中，Actor负责通信，在Actor中有一些重要的生命周期方法。
- preStart()方法：该方法在Actor对象构造方法执行后执行，整个Actor生命周期中仅执行一次。
- receive()方法：该方法在Actor的preStart方法执行完成后执行，用于接收消息，会被反复执行。
二、RPC项目搭建
1、需求
目前大多数的分布式架构底层通信都是通过RPC实现的，RPC框架非常多，比如前我们学过的Hadoop项目的RPC通信框架，但是Hadoop在设计之初就是为了运行长达数小时的批量而设计的，在某些极端的情况下，任务提交的延迟很高，所有Hadoop的RPC显得有些笨重。
Spark 的RPC是通过Akka类库实现的，Akka用Scala语言开发，基于Actor并发模型实现，Akka具有高可靠、高性能、可扩展等特点，使用Akka可以轻松实现分布式RPC功能。
2、架构图
3、代码实现
首先maven构建如下：
4.0.0
com.scala
my_rpc
1.0-SNAPSHOT
1.7
1.7
UTF-8
2.10.6
2.10
org.scala-lang
scala-library
${scala.version}
com.typesafe.akka
akka-actor_2.10
2.3.14
com.typesafe.akka
akka-remote_2.10
2.3.14
src/main/scala
src/test/scala
net.alchim31.maven
scala-maven-plugin
3.2.2
compile
testCompile
-make:transitive
-dependencyfile
${project.build.directory}/.scala_dependencies
org.apache.maven.plugins
maven-shade-plugin
2.4.3
package
shade
*:*
META-INF/*.SF
META-INF/*.DSA
META-INF/*.RSA
reference.conf
com.scala.rpc.Worker
然后Master如下：
class Master extends Actor{
println("constructor invoked")
override def preStart(): Unit = {
println("preStart invoked")
}
// 用于接收消息
override def receive: Receive = {
case "connect" => {
println("a client connected")
sender ! "reply"
}
case "hello" => {
println("hello")
}
}
}
object Master {
def main(args: Array[String]) {
val host = args(0)
val port = args(1).toInt
// 准备配置
val configStr =
s"""
|akka.actor.provider = "akka.remote.RemoteActorRefProvider"
|akka.remote.netty.tcp.hostname = "$host"
|akka.remote.netty.tcp.port = "$port"
""".stripMargin
val config = ConfigFactory.parseString(configStr)
//ActorSystem老大，辅助创建和监控下面的Actor，他是单例的
val actorSystem = ActorSystem("MasterSystem", config)
//创建Actor, 起个名字
val master = actorSystem.actorOf(Props[Master], "Master")//Master主构造器会执行
master ! "hello" //发送信息
actorSystem.awaitTermination() //让进程等待着, 先别结束
}
}Worker如下：
class Worker(val masterHost: String, val masterPort: Int) extends Actor{
var master : ActorSelection = _
//建立连接
override def preStart(): Unit = {
//在master启动时会打印下面的那个协议, 可以先用这个做一个标志, 连接哪个master
//继承actor后会有一个context, 可以通过它来连接
//需要有/user, Master要和master那边创建的名字保持一致(val master = actorSystem.actorOf(Props[Master], "Master"))
master = context.actorSelection(s"akka.tcp://MasterSystem@$masterHost:$masterPort/user/Master")
master ! "connect"
}
override def receive: Receive = {
case "reply" => {
println("a reply form master")
}
}
}
object Worker {
def main(args: Array[String]) {
val host = args(0)
val port = args(1).toInt
val masterHost = args(2)
val masterPort = args(3).toInt
// 准备配置
val configStr =
s"""
|akka.actor.provider = "akka.remote.RemoteActorRefProvider"
|akka.remote.netty.tcp.hostname = "$host"
|akka.remote.netty.tcp.port = "$port"
""".stripMargin
val config = ConfigFactory.parseString(configStr)
//ActorSystem老大，辅助创建和监控下面的Actor，他是单例的
val actorSystem = ActorSystem("WorkerSystem", config)
actorSystem.actorOf(Props(new Worker(masterHost, masterPort)), "Worker")
actorSystem.awaitTermination()
}
}