Actors模型专题
Akka性能测试
Akka承诺高并发。那么有什么更好的方式来模拟呢？，让它处理1000万信息花费多少时间，使用普通硬件和软件并且没有任何低级别的微调。这个例子使用Akka产生1000万条信息，计算处理它们所花费的时间。该程序演示了路由的概念，roundrobinrouter是用于将负载分发到一组worker工作者上面，类似负载平衡概念。
运行的硬件：英特尔酷睿4核 4 GB RAM的iMac，分配1024M给JVM堆Heap空间，在23秒内处理1000万信息，每秒处理400K信息。
该案例的代码结果如下，有两个Actor: workerActor和jobCOntrollerActor:
workerActor使用10个工作者运行，这个10个分配策略使用RoundRobinRouter，也就是轮流策略;jobControllerActor是收集响应消息直到1000万数量达到。
入口调用是：
new ApplicationManagerSystem().generateLoad()
ApplicationManagerSystem代码如下：
public ApplicationManagerSystem() {
final int no_of_workers = 10;
system = ActorSystem.create("LoadGeneratorApp");
final ActorRef appManager = system.actorOf(
new Props(new UntypedActorFactory() {
public UntypedActor create() {
return new JobControllerActor(no_of_msgs);
}
}), "jobController");//启动jobController
router = system.actorOf(new Props(new UntypedActorFactory() {
public UntypedActor create() {
return new WorkerActor(appManager);
}
}).withRouter(new RoundRobinRouter(no_of_workers)));//启动带RoundRobinRouter的workerActor
}
private void generateLoad() {//开始产生1000万消息
for (int i = no_of_msgs; i >= 0; i--) {
router.tell("Job Id " + i + "# send");
}
System.out.println("All jobs sent successfully");
}
产生1000万消息首先调用WorkerActor，以发送消息方式。
workerActor如下：
public class WorkerActor extends UntypedActor {
private ActorRef jobController;//jobController是接受者
@Override //接受到generateLoad的发送消息
public void onReceive(Object message) throws Exception {
// using scheduler to send the reply after 1000 milliseconds
getContext()
.system()
.scheduler()
.scheduleOnce(Duration.create(1000, TimeUnit.MILLISECONDS),
jobController, "Done");//jobController是接受者
}
public WorkerActor(ActorRef inJobController) {
jobController = inJobController;
}
}
jobController的代码如下：
public class JobControllerActor extends UntypedActor {
int count = 0;
long startedTime = System.currentTimeMillis();
int no_of_msgs = 0;
@Override //接受来自workActor消息
public void onReceive(Object message) throws Exception {
if (message instanceof String) {
if (((String) message).compareTo("Done") == 0) {
count++;//计数增加
if (count == no_of_msgs) {//计数到达1000万结束，统计时间
long now = System.currentTimeMillis();
System.out.println("All messages processed in "
+ (now - startedTime) / 1000 + " seconds");
System.out.println("Total Number of messages processed "
+ count);
getContext().system().shutdown();
}
}
}
}
}