三 akka学习 actor的例子

（转载； http://blog.csdn.net/chenleixing/article/details/44044243 ）

Java并发编程的4种风格：Threads，Executors，ForkJoin和Actors；这里为了完成下面的任务，用四种方式来实现。

任务：

实现一个方法，它接收一条消息和一组字符串作为参数，这些字符串与某个搜索引擎的查询页面对应。对每个字符串，这个方法发出一个http请求来查询消息，并返回第一条可用的结果，越快越好。

方法一：  Threads

　　 AtomicReference：
　　提供了引用变量的读写原子性操作（也可以保证可见性） ；

线程的接口相当简明，你只需要提供一个Runnable，调用.start()开始计算。没有现成的API来结束线程，你需要自己来实现，通过类似boolean类型的标记来通讯

package com.ibm.multithread;

import java.util.List;
import java.util.concurrent.atomic.AtomicReference;

public class PureThread {
    static String getFirstResult(String question, List<String> engines) {
        AtomicReference<String> result = new AtomicReference<>();
        for (String base : engines) {
            String url = base + question;

            new Thread(() -> {
                result.compareAndSet(null, "999999999999");
            }).start();
        }

        while (result.get() == null);
        return result.get();

    }
}

自己管理线程的最大劣势是，你很容易过分的关注线程的数量。线程是很昂贵的对象，创建它们需要耗费大量的内存和时间。这是一个矛盾，线程太少，你不能获得良好的并发性；线程太多，将很可能导致内存问题，调度也变得更复杂。

方法二：
　   ExecutorCompletionService

　　ExecutorService和CompletionService区别：
ExecutorService：一直习惯自己维护一个list保存submit的callable task所返回的Future对象。在主线程中遍历这个list并调用Future的get()方法取到Task的返回值。
CompletionService：在很多地方会看到一些代码通过CompletionService包装ExecutorService，然后调用其take()方法去取Future对象。
这两者最主要的区别在于submit的task不一定是按照加入自己维护的list顺序完成的。从list中遍历的每个Future对象并不一定处于完成状态，这时调用get()方法就会被阻塞住，如果系统是设计成每个线程完成后就能根据其结果继续做后面的事，这样对于处于list后面的但是先完成的线程就会增加了额外的等待时间。
而CompletionService的实现是维护一个保存Future对象的BlockingQueue。只有当这个Future对象状态是结束的时候，才会加入到这个Queue中，take()方法其实就是Producer-Consumer中的Consumer。它会从Queue中取出Future对象，如果Queue是空的，就会阻塞在那里，直到有完成的Future对象加入到Queue中。
所以，先完成的必定先被取出。这样就减少了不必要的等待时间。
jdk 自带线程池结果管理器：ExecutorCompletionService。它将BlockingQueue 和Executor 封装起来。然后使用ExecutorCompletionService.submit()方法提交任务。

package com.ibm.multithread;

import java.util.List;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ExecutorCompletionService;
import java.util.concurrent.Executors;

public class ExecutorExample {
    static String getFirstResult(String question, List<String> engines) {
        ExecutorCompletionService<String> service = new ExecutorCompletionService<>(Executors.newFixedThreadPool(4));

        for (String base : engines) {
            String url = base + question;
            service.submit(() -> {return "fdsfdsfsd";});
        }

        try {
            return service.take().get();
        }
        catch(InterruptedException| ExecutionException e) {
            return null;
        }
    }
}

如果你需要精确的控制程序产生的线程数量，以及它们的精确行为，那么executor和executor服务将是正确的选择。例如，需要仔细考虑的一个重要问题是，当所有线程都在忙于做其他事情时，需要什么样的策略？增加线程数量或者不做数量限制？把任务放入到队列等待？如果队列也满了呢？无限制的增加队列大小？

感谢JDK，已经有很多配置项回答了这些问题，并且有着直观的名字，例如上面的Executors.newFixedThreadPool(4)。

线程和服务的生命周期也可以通过选项来配置，使资源可以在恰当的时间关闭。唯一的不便之处是，对新手来说，配置选项可以更简单和直观一些。然而，在并发编程方面，你几乎找不到更简单的了。

总之，对于大型系统，我个人认为使用executor最合适。

方法三：
   forkjoin:
　Fork/Join框架是Java 7提供的一个用于并行执行任务的框架，是一个把大任务分割成若干个小任务，最终汇总每个小任务结果后得到大任务结果的框架。
Fork/Join框架要完成两件事情：
　　 (1).任务分割：首先Fork/Join框架需要把大的任务分割成足够小的子任务，如果子任务比较大的话还要对子任务进行继续分割
　 　(2).执行任务并合并结果：分割的子任务分别放到双端队列里，然后几个启动线程分别从双端队列里获取任务执行。子任务执行完的结果都放在另外一个队列里，
启动一个线程从队列里取数据，然后合并这些数据。
Optional: 是Java8提供的为了解决null安全问题的一个API:
public static String getName(User u) {
if (u == null)
return "Unknown";
return u.name;
}

public static String getName(User u) {
return Optional.ofNullable(u)
.map(user->user.name)
.orElse("Unknown");
}

map: 是按照给定规则对流的每一个元素进行一种变化（映射），得到另外的序列。

paralle： Java8的paralleStream用fork/join框架提供了并发执行能力；

Java 8中加入了并行流，从此我们有了一个并行处理集合的简单方法。它和lambda一起，构成了并发计算的一个强大工具。

package com.ibm.multithread;

import java.util.List;
import java.util.Optional;
import java.util.concurrent.atomic.AtomicReference;

public class ForkJoinPool {
    static String getFirstResult(String question, List<String> engines) {
        Optional<String> result = engines.stream().parallel().map((base) -> {
            String url = base + question;
            return "fdsfsdf";
        }).findAny();

        return result.get();

    }

    public static String getName(User u) {
        return Optional.ofNullable(u)
                .map(user->user.name)
                .orElse("Unknown");
    }

    class User {
        private String name;
        private String fljdsaljf;
    }
}

方法四：actor:

package com.ibm.multithread.ActorTest;

import akka.actor.ActorRef;
import akka.actor.ActorSystem;
import akka.actor.Props;

import java.util.Arrays;
import java.util.List;
import java.util.concurrent.TimeUnit;
import java.util.concurrent.atomic.AtomicReference;

public class ActorTest {
    public static void main(String[] args) {
        ActorTest actor = new ActorTest();
        actor.getFirstResultActors("", Arrays.asList("aa", "bb"));
    }

    public String getFirstResultActors(String question, List<String> engines) {
        ActorSystem system = ActorSystem.create("Search");
        AtomicReference<String> result = new AtomicReference<>();

        final ActorRef q = system.actorOf(Props.create(Querier.class, question, engines, result));

        q.tell(new Object(), ActorRef.noSender());
        while (result.get() == null)
            try {
                TimeUnit.SECONDS.sleep(1);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        return result.get();
    }
}

package com.ibm.multithread.ActorTest;

public class Message {

    Message(String url) {this.url = url;}
    private String name;
    private String url;
}

package com.ibm.multithread.ActorTest;

import akka.actor.ActorRef;
import akka.actor.Props;
import akka.actor.UntypedActor;

import java.util.List;
import java.util.concurrent.atomic.AtomicReference;

class Querier extends UntypedActor {
    private String question;
    private List<String> engines;
    private AtomicReference<String> result;
    public Querier(String question, List<String> engines, AtomicReference<String> result) {
        this.question = question;
        this.engines = engines;
        this.result = result;
    }

    @Override
    public void onReceive(Object message) throws Exception {
        if (message instanceof Result) {
            result.compareAndSet(null,((Result) message).html);
            getContext().stop(self());
        } else {
            for (String base : engines) {
                String url = base + question;
                ActorRef fetcher = this.getContext().actorOf(Props.create(UrlFetcher.class),"fetcher-" + base.hashCode());
                Message m = new Message(url);
                fetcher.tell(m, self());
            }
        }
    }
}

package com.ibm.multithread.ActorTest;

public class Result {
    String html;
    Result(String html) {
        this.html = html;
    }
}

package com.ibm.multithread.ActorTest;

import akka.actor.UntypedActor;

import java.util.concurrent.TimeUnit;

class UrlFetcher extends UntypedActor {
    @Override
    public void onReceive(Object message) throws Exception {
        if (message instanceof Message) {
            Message work = (Message) message;
            String result = "result...";
            TimeUnit.SECONDS.sleep(1);
            getSender().tell(new Result(result), getSelf());
        } else {
            unhandled(message);
        }
    }
}

简短地说，在actor模型中，你把一切都看做是一个actor。一个actor是一个计算实体，就像上面第一个例子中的线程，它可以从其他actor那里接收消息，因为一切都是actor。

在应答消息时，它可以给其他actor发送消息，或者创建新的actor并与之交互，或者只改变自己的内部状态。

相当简单，但这是一个非常强大的概念。生命周期和消息传递由你的框架来管理，你只需要指定计算单元是什么就可以了。另外，actor模型强调避免全局状态，这会带来很多便利。你可以应用监督策略，例如免费重试，更简单的分布式系统设计，错误容忍度等等。