[[271016]]

1. 為什么要寫這篇文章

幾年前 NoSQL 開始流行的時候，像其他團隊一樣，我們的團隊也熱衷于令人興奮的新東西，并且計劃替換一個應(yīng)用程序的數(shù)據(jù)庫。但是，當深入實現(xiàn)細節(jié)時，我們想起了一位智者曾經(jīng)說過的話：“細節(jié)決定成敗”。最終我們意識到 NoSQL 不是解決所有問題的銀彈，而 NoSQL vs RDMS 的答案是：“視情況而定”。類似地，去年RxJava 和 Spring Reactor 這樣的并發(fā)庫加入了讓人充滿激情的語句，如異步非阻塞方法等。為了避免再犯同樣的錯誤，我們嘗試評估諸如 ExecutorService、 RxJava、Disruptor 和 Akka 這些并發(fā)框架彼此之間的差異，以及如何確定各自框架的正確用法。

本文中用到的術(shù)語在這里有更詳細的描述。

2. 分析并發(fā)框架的示例用例

3. 快速更新線程配置

在開始比較并發(fā)框架的之前，讓我們快速復(fù)習(xí)一下如何配置最優(yōu)線程數(shù)以提高并行任務(wù)的性能。這個理論適用于所有框架，并且在所有框架中使用相同的線程配置來度量性能。

• 對于內(nèi)存任務(wù)，線程的數(shù)量大約等于具有***性能的內(nèi)核的數(shù)量，盡管它可以根據(jù)各自處理器中的超線程特性進行一些更改。
  • 例如，在8核機器中，如果對應(yīng)用程序的每個請求都必須在內(nèi)存中并行執(zhí)行4個任務(wù)，那么這臺機器上的負載應(yīng)該保持為 @2 req/sec，在 ThreadPool 中保持8個線程。
• 對于 I/O 任務(wù)，ExecutorService 中配置的線程數(shù)應(yīng)該取決于外部服務(wù)的延遲。
  • 與內(nèi)存中的任務(wù)不同，I/O 任務(wù)中涉及的線程將被阻塞，并處于等待狀態(tài)，直到外部服務(wù)響應(yīng)或超時。因此，當涉及 I/O 任務(wù)線程被阻塞時，應(yīng)該增加線程的數(shù)量，以處理來自并發(fā)請求的額外負載。
  • I/O 任務(wù)的線程數(shù)應(yīng)該以保守的方式增加，因為處于活動狀態(tài)的許多線程帶來了上下文切換的成本，這將影響應(yīng)用程序的性能。為了避免這種情況，應(yīng)該根據(jù) I/O 任務(wù)中涉及的線程的等待時間按比例增加此機器的線程的確切數(shù)量以及負載。

參考: http://baddotrobot.com/blog/2013/06/01/optimum-number-of-threads/

4. 性能測試結(jié)果

性能測試配置 GCP -> 處理器：Intel(R) Xeon(R) CPU @ 2.30GHz;架構(gòu)：x86_64;CPU 內(nèi)核：8個(注意：這些結(jié)果僅對該配置有意義，并不表示一個框架比另一個框架更好)。

5. 使用執(zhí)行器服務(wù)并行化 IO 任務(wù)

5.1 何時使用?

如果一個應(yīng)用程序部署在多個節(jié)點上，并且每個節(jié)點的 req/sec 小于可用的核心數(shù)量，那么 ExecutorService 可用于并行化任務(wù)，更快地執(zhí)行代碼。

5.2 什么時候適用?

如果一個應(yīng)用程序部署在多個節(jié)點上，并且每個節(jié)點的 req/sec 遠遠高于可用的核心數(shù)量，那么使用 ExecutorService 進一步并行化只會使情況變得更糟。

當外部服務(wù)延遲增加到 400ms 時，性能測試結(jié)果如下(請求速率 @50 req/sec，8核)。

5.3 所有任務(wù)按順序執(zhí)行示例

// I/O 任務(wù)：調(diào)用外部服務(wù) 
String posts = JsonService.getPosts(); 
String comments = JsonService.getComments(); 
String albums = JsonService.getAlbums(); 
String photos = JsonService.getPhotos(); 
 
// 合并來自外部服務(wù)的響應(yīng) 
// (內(nèi)存中的任務(wù)將作為此操作的一部分執(zhí)行) 
int userId = new Random().nextInt(10) + 1; 
String postsAndCommentsOfRandomUser = ResponseUtil.getPostsAndCommentsOfRandomUser(userId, posts, comments); 
String albumsAndPhotosOfRandomUser = ResponseUtil.getAlbumsAndPhotosOfRandomUser(userId, albums, photos); 
 
// 構(gòu)建最終響應(yīng)并將其發(fā)送回客戶端 
String response = postsAndCommentsOfRandomUser + albumsAndPhotosOfRandomUser; 
return response; 

5.4 I/O 任務(wù)與 ExecutorService 并行執(zhí)行代碼示例

// 添加 I/O 任務(wù) 
List<Callable<String>> ioCallableTasks = new ArrayList<>(); 
ioCallableTasks.add(JsonService::getPosts); 
ioCallableTasks.add(JsonService::getComments); 
ioCallableTasks.add(JsonService::getAlbums); 
ioCallableTasks.add(JsonService::getPhotos); 
 
// 調(diào)用所有并行任務(wù) 
ExecutorService ioExecutorService = CustomThreads.getExecutorService(ioPoolSize); 
List<Future<String>> futuresOfIOTasks = ioExecutorService.invokeAll(ioCallableTasks); 
 
// 獲取 I/O  操作(阻塞調(diào)用)結(jié)果 
String posts = futuresOfIOTasks.get(0).get(); 
String comments = futuresOfIOTasks.get(1).get(); 
String albums = futuresOfIOTasks.get(2).get(); 
String photos = futuresOfIOTasks.get(3).get(); 
 
// 合并響應(yīng)(內(nèi)存中的任務(wù)是此操作的一部分) 
String postsAndCommentsOfRandomUser = ResponseUtil.getPostsAndCommentsOfRandomUser(userId, posts, comments); 
String albumsAndPhotosOfRandomUser = ResponseUtil.getAlbumsAndPhotosOfRandomUser(userId, albums, photos); 
 
// 構(gòu)建最終響應(yīng)并將其發(fā)送回客戶端 
return postsAndCommentsOfRandomUser + albumsAndPhotosOfRandomUser; 

6. 使用執(zhí)行器服務(wù)并行化 IO 任務(wù)(CompletableFuture)

與上述情況類似：處理傳入請求的 HTTP 線程被阻塞，而 CompletableFuture 用于處理并行任務(wù)。

6.1 何時使用?

如果沒有 AsyncResponse，性能與 ExecutorService 相同。如果多個 API 調(diào)用必須異步并且鏈接起來，那么這種方法更好(類似 Node 中的 Promises)。

ExecutorService ioExecutorService = CustomThreads.getExecutorService(ioPoolSize); 
 
// I/O 任務(wù) 
CompletableFuture<String> postsFuture = CompletableFuture.supplyAsync(JsonService::getPosts, ioExecutorService); 
CompletableFuture<String> commentsFuture = CompletableFuture.supplyAsync(JsonService::getComments, 
    ioExecutorService); 
CompletableFuture<String> albumsFuture = CompletableFuture.supplyAsync(JsonService::getAlbums, 
    ioExecutorService); 
CompletableFuture<String> photosFuture = CompletableFuture.supplyAsync(JsonService::getPhotos, 
    ioExecutorService); 
CompletableFuture.allOf(postsFuture, commentsFuture, albumsFuture, photosFuture).get(); 
 
// 從 I/O 任務(wù)(阻塞調(diào)用)獲得響應(yīng) 
String posts = postsFuture.get(); 
String comments = commentsFuture.get(); 
String albums = albumsFuture.get(); 
String photos = photosFuture.get(); 
 
// 合并響應(yīng)(內(nèi)存中的任務(wù)將是此操作的一部分) 
String postsAndCommentsOfRandomUser = ResponseUtil.getPostsAndCommentsOfRandomUser(userId, posts, comments); 
String albumsAndPhotosOfRandomUser = ResponseUtil.getAlbumsAndPhotosOfRandomUser(userId, albums, photos); 
 
// 構(gòu)建最終響應(yīng)并將其發(fā)送回客戶端 
return postsAndCommentsOfRandomUser + albumsAndPhotosOfRandomUser; 

7. 使用 ExecutorService 并行處理所有任務(wù)

使用 ExecutorService 并行處理所有任務(wù)，并使用 @suspended AsyncResponse response 以非阻塞方式發(fā)送響應(yīng)。

圖片來自 http://tutorials.jenkov.com/java-nio/nio-vs-io.html

• HTTP 線程處理傳入請求的連接，并將處理傳遞給 Executor Pool，當所有任務(wù)完成后，另一個 HTTP 線程將把響應(yīng)發(fā)送回客戶端(異步非阻塞)。
• 性能下降原因：
  • 在同步通信中，盡管 I/O 任務(wù)中涉及的線程被阻塞，但是只要進程有額外的線程來承擔并發(fā)請求負載，它仍然處于運行狀態(tài)。
  • 因此，以非阻塞方式保持線程所帶來的好處非常少，而且在此模式中處理請求所涉及的成本似乎很高。
  • 通常，對這里討論采用的例子使用異步非阻塞方法會降低應(yīng)用程序的性能。

7.1 何時使用?

如果用例類似于服務(wù)器端聊天應(yīng)用程序，在客戶端響應(yīng)之前，線程不需要保持連接，那么異步、非阻塞方法比同步通信更受歡迎。在這些用例中，系統(tǒng)資源可以通過異步、非阻塞方法得到更好的利用，而不僅僅是等待。

// 為異步執(zhí)行提交并行任務(wù) 
ExecutorService ioExecutorService = CustomThreads.getExecutorService(ioPoolSize); 
CompletableFuture<String> postsFuture = CompletableFuture.supplyAsync(JsonService::getPosts, ioExecutorService); 
CompletableFuture<String> commentsFuture = CompletableFuture.supplyAsync(JsonService::getComments, 
ioExecutorService); 
CompletableFuture<String> albumsFuture = CompletableFuture.supplyAsync(JsonService::getAlbums, 
ioExecutorService); 
CompletableFuture<String> photosFuture = CompletableFuture.supplyAsync(JsonService::getPhotos, 
ioExecutorService); 
 
// 當 /posts API 返回響應(yīng)時，它將與來自 /comments API 的響應(yīng)結(jié)合在一起 
// 作為這個操作的一部分，將執(zhí)行內(nèi)存中的一些任務(wù) 
CompletableFuture<String> postsAndCommentsFuture = postsFuture.thenCombineAsync(commentsFuture, 
(posts, comments) -> ResponseUtil.getPostsAndCommentsOfRandomUser(userId, posts, comments), 
ioExecutorService); 
 
// 當 /albums API 返回響應(yīng)時，它將與來自 /photos API 的響應(yīng)結(jié)合在一起 
// 作為這個操作的一部分，將執(zhí)行內(nèi)存中的一些任務(wù) 
CompletableFuture<String> albumsAndPhotosFuture = albumsFuture.thenCombineAsync(photosFuture, 
(albums, photos) -> ResponseUtil.getAlbumsAndPhotosOfRandomUser(userId, albums, photos), 
ioExecutorService); 
 
// 構(gòu)建最終響應(yīng)并恢復(fù) http 連接，把響應(yīng)發(fā)送回客戶端 
postsAndCommentsFuture.thenAcceptBothAsync(albumsAndPhotosFuture, (s1, s2) -> { 
LOG.info("Building Async Response in Thread " + Thread.currentThread().getName()); 
String response = s1 + s2; 
asyncHttpResponse.resume(response); 
}, ioExecutorService); 

8. RxJava

• 這與上面的情況類似，唯一的區(qū)別是 RxJava 提供了更好的 DSL 可以進行流式編程，下面的例子中沒有體現(xiàn)這一點。
• 性能優(yōu)于 CompletableFuture 處理并行任務(wù)。

8.1 何時使用?

如果編碼的場景適合異步非阻塞方式，那么可以*** RxJava 或任何響應(yīng)式開發(fā)庫。還具有諸如 back-pressure 之類的附加功能，可以在生產(chǎn)者和消費者之間平衡負載。

int userId = new Random().nextInt(10) + 1; 
ExecutorService executor = CustomThreads.getExecutorService(8); 
 
// I/O 任務(wù) 
Observable<String> postsObservable = Observable.just(userId).map(o -> JsonService.getPosts()) 
.subscribeOn(Schedulers.from(executor)); 
Observable<String> commentsObservable = Observable.just(userId).map(o -> JsonService.getComments()) 
.subscribeOn(Schedulers.from(executor)); 
Observable<String> albumsObservable = Observable.just(userId).map(o -> JsonService.getAlbums()) 
.subscribeOn(Schedulers.from(executor)); 
Observable<String> photosObservable = Observable.just(userId).map(o -> JsonService.getPhotos()) 
.subscribeOn(Schedulers.from(executor)); 
 
// 合并來自 /posts 和 /comments API 的響應(yīng) 
// 作為這個操作的一部分，將執(zhí)行內(nèi)存中的一些任務(wù) 
Observable<String> postsAndCommentsObservable = Observable 
.zip(postsObservable, commentsObservable, 
(posts, comments) -> ResponseUtil.getPostsAndCommentsOfRandomUser(userId, posts, comments)) 
.subscribeOn(Schedulers.from(executor)); 
 
// 合并來自 /albums 和 /photos API 的響應(yīng) 
// 作為這個操作的一部分，將執(zhí)行內(nèi)存中的一些任務(wù) 
Observable<String> albumsAndPhotosObservable = Observable 
.zip(albumsObservable, photosObservable, 
(albums, photos) -> ResponseUtil.getAlbumsAndPhotosOfRandomUser(userId, albums, photos)) 
.subscribeOn(Schedulers.from(executor)); 
 
// 構(gòu)建最終響應(yīng) 
Observable.zip(postsAndCommentsObservable, albumsAndPhotosObservable, (r1, r2) -> r1 + r2) 
.subscribeOn(Schedulers.from(executor)) 
.subscribe((response) -> asyncResponse.resume(response), e -> asyncResponse.resume("error")); 

9. Disruptor

[Queue vs RingBuffer]

圖片1：http://tutorials.jenkov.com/java-concurrency/blocking-queues.html

圖片2：https://www.baeldung.com/lmax-disruptor-concurrency

• 在本例中，HTTP 線程將被阻塞，直到 disruptor 完成任務(wù)，并且使用 countdowlatch 將 HTTP 線程與 ExecutorService 中的線程同步。
• 這個框架的主要特點是在沒有任何鎖的情況下處理線程間通信。在 ExecutorService 中，生產(chǎn)者和消費者之間的數(shù)據(jù)將通過 Queue傳遞，在生產(chǎn)者和消費者之間的數(shù)據(jù)傳輸過程中涉及到一個鎖。Disruptor 框架通過一個名為 Ring Buffer 的數(shù)據(jù)結(jié)構(gòu)(它是循環(huán)數(shù)組隊列的擴展版本)來處理這種生產(chǎn)者-消費者通信，并且不需要任何鎖。
• 這個庫不適用于我們在這里討論的這種用例。僅出于好奇而添加。

9.1 何時使用?

Disruptor 框架在下列場合性能更好：與事件驅(qū)動的體系結(jié)構(gòu)一起使用，或主要關(guān)注內(nèi)存任務(wù)的單個生產(chǎn)者和多個消費者。

static { 
    int userId = new Random().nextInt(10) + 1; 
 
    // 示例 Event-Handler; count down latch 用于使線程與 http 線程同步 
    EventHandler<Event> postsApiHandler = (event, sequence, endOfBatch) -> { 
        event.posts = JsonService.getPosts(); 
        event.countDownLatch.countDown(); 
    }; 
 
    // 配置 Disputor 用于處理事件 
    DISRUPTOR.handleEventsWith(postsApiHandler, commentsApiHandler, albumsApiHandler) 
    .handleEventsWithWorkerPool(photosApiHandler1, photosApiHandler2) 
    .thenHandleEventsWithWorkerPool(postsAndCommentsResponseHandler1, postsAndCommentsResponseHandler2) 
    .handleEventsWithWorkerPool(albumsAndPhotosResponseHandler1, albumsAndPhotosResponseHandler2); 
    DISRUPTOR.start(); 
} 
 
// 對于每個請求，在 RingBuffer 中發(fā)布一個事件: 
Event event = null; 
RingBuffer<Event> ringBuffer = DISRUPTOR.getRingBuffer(); 
long sequence = ringBuffer.next(); 
CountDownLatch countDownLatch = new CountDownLatch(6); 
try { 
    event = ringBuffer.get(sequence); 
    event.countDownLatch = countDownLatch; 
    event.startTime = System.currentTimeMillis(); 
} finally { 
    ringBuffer.publish(sequence); 
} 
try { 
    event.countDownLatch.await(); 
} catch (InterruptedException e) { 
    e.printStackTrace(); 
} 

10. Akka

圖片來自：https://blog.codecentric.de/en/2015/08/introduction-to-akka-actors/

• Akka 庫的主要優(yōu)勢在于它擁有構(gòu)建分布式系統(tǒng)的本地支持。
• 它運行在一個叫做 Actor System 的系統(tǒng)上。這個系統(tǒng)抽象了線程的概念，Actor System 中的 Actor 通過異步消息進行通信，這類似于生產(chǎn)者和消費者之間的通信。
• 這種額外的抽象級別有助于 Actor System 提供諸如容錯、位置透明等特性。
• 使用正確的 Actor-to-Thread 策略，可以對該框架進行優(yōu)化，使其性能優(yōu)于上表所示的結(jié)果。雖然它不能在單個節(jié)點上與傳統(tǒng)方法的性能匹敵，但是由于其構(gòu)建分布式和彈性系統(tǒng)的能力，仍然是***。

10.1 示例代碼

// 來自 controller : 
Actors.masterActor.tell(new Master.Request("Get Response", event, Actors.workerActor), ActorRef.noSender()); 
 
// handler : 
public Receive createReceive() { 
    return receiveBuilder().match(Request.class, request -> { 
    Event event = request.event; // Ideally, immutable data structures should be used here. 
    request.worker.tell(new JsonServiceWorker.Request("posts", event), getSelf()); 
    request.worker.tell(new JsonServiceWorker.Request("comments", event), getSelf()); 
    request.worker.tell(new JsonServiceWorker.Request("albums", event), getSelf()); 
    request.worker.tell(new JsonServiceWorker.Request("photos", event), getSelf()); 
    }).match(Event.class, e -> { 
    if (e.posts != null && e.comments != null & e.albums != null & e.photos != null) { 
    int userId = new Random().nextInt(10) + 1; 
    String postsAndCommentsOfRandomUser = ResponseUtil.getPostsAndCommentsOfRandomUser(userId, e.posts, 
    e.comments); 
    String albumsAndPhotosOfRandomUser = ResponseUtil.getAlbumsAndPhotosOfRandomUser(userId, e.albums, 
    e.photos); 
    String response = postsAndCommentsOfRandomUser + albumsAndPhotosOfRandomUser; 
    e.response = response; 
    e.countDownLatch.countDown(); 
    } 
    }).build(); 
} 

11. 總結(jié)

• 根據(jù)機器的負載決定 Executor 框架的配置，并檢查是否可以根據(jù)應(yīng)用程序中并行任務(wù)的數(shù)量進行負載平衡。
• 對于大多數(shù)傳統(tǒng)應(yīng)用程序來說，使用響應(yīng)式開發(fā)庫或任何異步庫都會降低性能。只有當用例類似于服務(wù)器端聊天應(yīng)用程序時，這個模式才有用，其中線程在客戶機響應(yīng)之前不需要保留連接。
• Disruptor 框架在與事件驅(qū)動的架構(gòu)模式一起使用時性能很好；但是當 Disruptor 模式與傳統(tǒng)架構(gòu)混合使用時，就我們在這里討論的用例而言，它并不符合標準。這里需要注意的是，Akka 和 Disruptor 庫值得單獨寫一篇文章，介紹如何使用它們來實現(xiàn)事件驅(qū)動的架構(gòu)模式。
• 這篇文章的源代碼可以在 GitHub 上找到。