Actor并发编程模型浅析

2018-12-05 本文已影响16人大数据_zzzzMing

一.Actor模型介绍

在单核 CPU 发展已经达到一个瓶颈的今天，要增加硬件的速度更多的是增加 CPU 核的数目。而针对这种情况，要使我们的程序运行效率提高，那么也应该从并发方面入手。传统的多线程方法又极其容易出现 Bug 而难以维护，不过别担心，今天将要介绍另一种并发的模式能一定程度解决这些问题，那就是 Actor 模型。

Actor 模型其实就是定义一组规则，这些规则规定了一组系统中各个模块如何交互及回应。在一个 Actor 系统中，Actor 是最小的单元模块，系统由多个 Actor 组成。每个 Actor 有两个东西，一个是 mailbox，一个是自身状态。同时 Actor 有接收和发送的功能。下面代码给出一个大概的 Actor 样例：

trait Actor {
  //持有一个表示自身状态的私有变量
  val state:Integer = 0;
  //持有一个mailbox 的队列
  val mailBox:mutable.Queue[Message] = scala.collection.mutable.Queue[Message]()
  def send(message : Message): Unit ={
      ...
  }
  def recive(): Unit ={
      ...
  }
}

当一个 Actor 接收到消息后，它会执行下面三种操作中的一种：

创建其他actors。
向其他actors发送消息。
修改自身状态。
需要注意的是，尽管许多actors同时运行，但是一个actor只能顺序地处理消息。也就是说其它actors发送了三条消息给一个actor，这个actor只能一次处理一条。所以如果你要并行处理3条消息，你需要把这条消息发给3个actors。

下面这张图展示了一个简单的 Actor 模型系统：

image

了解了 Actor 模型的大概规则后，我们用两个具体的例子来看看 Actor 模型的妙处以及不足吧。

二. 两个例子

2.1 素数计算

假设我们现在有一个任务，需要找出100000以内素数个数，并且使用多线程的方式实现。

下图展示了使用共享内存的方式和以Actor模型的方式进行并发执行。

Actor 素数计算

这里展示了两种处理并发的不同思路，传统的方式是通过锁/同步的方式来实现并发，每次同步获取当前值，并让一个线程去判断值是否为素数，是的话再通过同步的方式对计数器加1（这里的说明只是作为提供思路用，这种方法自然有很大的优化空间）。

而使用 Actor 模型则不一样，它将这一过程拆分成几个模块，即拆分成几个 Actor 。每个 Actor 负责不同的部分，通过消息传递的方式让这几个 Actor 协同工作，并且其中涉及到主要计算的 Actor 可以有多个，通过多个 Actor 协同工作实现并发。

2.2 银行转账

银行转账的任务描述很简单，假设有两个用户，现在用户A向用户B转账100元，这个 Actor 模型该如何设计呢？

用户 A 和用户 B 明显是两个 Actor ，但我们同时还需要一个可以控制用户A Actor 和用户B Actor 的 Actor ，我们称之为转账管家 Actor。那么流程图如下。

Actor 银行转账

可以看到，当一个转账需求过来的时候，Actor 管家会先向用户A Actor 发送扣款 100 元的信息，接受到扣款成功消息后再发送消息给用户B Actor，发送让其增加 100 元的消息。

一切看起来都很美好是吧，但这里面有一个问题，那就是在用户A Actor 扣款期间，用户B Actor 是不受限制的，此时对用户B Actor 进行操作是合法的！针对这种情况单纯的Actor模型就显得比较乏力了，需要加入其他机制以保证一致性。

看到这你就明白了，Actor 模型并非万能的，它有一定的缺点。那就是针对一致性要求比较强的场景比较乏力。

三. 为什么会出现 Actor 模型

接下来我们来聊聊为什么会有 Actor 模型这种并发编程模型出现。

我们需要先说说并发性中的一致性和隔离性。

一致性即让数据保持一致，比如银行转账例子中，用户A 转给　用户B 100块钱，没有其他干扰的情况下，转账完成时。用户A 的账户必然减少 100 元，用户B 的账户必然增加100 元，这就满足了一致性。不能说用户A 减少50 或用户B 增加了 200。

隔离性可以理解为牺牲一部分的一致性需求，而获得性能的提高。打个比方，在完全一致的情况下，任务都是串行的，这时候也就不存在隔离性了。

明白这些之后，你就直到为什么会有 Actor 模型了。

传统并发模式，共享内存是倾向于强一致性弱隔离性的。比如悲观锁/同步的方式，其实就是使用强一致性的方式控制并发。而Actor 模型天然是强隔离性且弱一致性，所以 Actor 模型在并发中有良好的性能，且易于控制和管理。

这样你就明白 Actor 模型适合于什么样的并发场景了，当对一致性需求不是很高的情况下且对性能需求较高时，Actor 模型无疑是一个值得尝试的方案。