一个线程每秒处理600万笔交易是如何做到的？

LMAX交易所是世界上领先的机构外汇交易所，他们已拥有全球300多家大型基金和经纪商作为机构客户群，以及25家全球主要银行和非银行机构作为流动性提供商。要面对这么多的客单量，他们自主研发的系统，每秒可处理600万个订单。所有订单都是撮合形式成交，超过90%的交易在小于20毫秒之内执行。

那它是如何做到一个线程每秒撮合生成600万个订单？原因有二：

第一， 业务逻辑处理器完全是运行在内存中，速度够快，这个大家都很容易理解。

第二，使用自主研发的Disruptor并发框架组件，能够在无锁的情况下实现网络的Queue并发操作。

Disruptor这个并发框架组件是如何做到这么高的并发速度的？它与Java自带的多线程并发框架有何相似和区别呢？

Disruptor与BlockingQueue有什么相同点呢？

从功能上来看，Disruptor 是实现了“队列”的功能，而且是一个有界队列。那么它的应用场景自然就是“生产者-消费者”模型的应用场合了。

我们知道 BlockingQueue 是一个 FIFO 队列，生产者(Producer)往队列里发布(publish)一项事件(或称之为“消息”也可以)时，消费者(Consumer)能获得通知；如果没有事件时，消费者被堵塞，直到生产者发布了新的事件。

这就是两者的相似之处。

Disruptor与BlockingQueue有什么区别吗？LMAX给Disruptor设计了什么功能呢？

第一，Disruptor性能要比BlockingQueue好很多

针对极高的性能目标而实现的极度优化和无锁的设计，性能相比BlockingQueue高很多，当多个线程之间传递大量数据或对性能要求较高时，可以考虑使用Disruptor作为BlockingQueue的替代者，而且Disruptor一般采用一个线程做为生产者接收消息。

官方也对Disruptor和ArrayBlockingQueue的性能在不同的应用场景下做了对比，本文列出其中一组数据，数据中P代表producer，C代表consumer，ABS代表ArrayBlockingQueue：

完整的官方性能测试数据在Performance Results · LMAX-Exchange/disruptor Wiki可以看到，性能测试的代码已经包含在Disruptor的代码中，你完全可以git下来在自己的主机上测试一下看看。

第二，Disruptor事件可以多次消费

同一个“事件”可以有多个消费者，消费者之间既可以并行处理，也可以相互依赖形成处理的先后次序(形成一个依赖图)，并行处理和串行处理能够相互结合实现多种处理方式。

第三，Disruptor事件内容的存储空间可以预先分配

预分配用于存储事件内容的内存空间，可以根据需求进行设置事件内容的存储长度，保证高的吞吐量。

以上就是使用Disruptor操作内存中的数据达到如此高并发的原因。