调度器

Akka MessageDispatcher是维持 Akka Actor “运作”的部分, 可以说它是整个机器的引擎。所有的MessageDispatcher实现也同时也是一个ExecutionContext，这意味着它们可以用来执行任何代码，例如Future(Scala)。

缺省派发器

在没有为Actor作配置的情况下，每一个ActorSystem将有一个缺省的派发器。该缺省派发器可以被配置，默认是使用指定的default-executor的一个Dispatcher。如果一个ActorSystem是使用传入的ExecutionContext创建的，则该ExecutionContext将被用作所有派发器的默认执行器（“executor”）。如果没有给定ExecutionContext，则会回退使用akka.actor.default-dispatcher.default-executor.fallback指定的执行器。缺省情况下是使用“fork-join-executor”，它在大多数情况下拥有非常好的性能。

查找一个派发器

派发器实现了ExecutionContext接口，因此可以用来运行Future调用等。

  1. // for use with Futures, Scheduler, etc.
  2. implicit val executionContext = system.dispatchers.lookup("my-dispatcher")

为Actor指定派发器

如果你希望为你的Actor设置非缺省的派发器，你需要做两件事，首先是配置派发器：

  1. my-dispatcher {
  2.   # Dispatcher 是基于事件的派发器的名称
  3.   type = Dispatcher
  4.   # 使用何种ExecutionService
  5.   executor = "fork-join-executor"
  6.   # 配置 fork join 池
  7.   fork-join-executor {
  8.     # 容纳基于因子的并行数量的线程数下限
  9.     parallelism-min = 2
  10.     # 并行数（线程）... ceil(可用CPU数＊因子）
  11.     parallelism-factor = 2.0
  12.     # 容纳基于因子的并行数量的线程数上限
  13.     parallelism-max = 10
  14.   }
  15.   # Throughput 定义了线程切换到下一个actor之前处理的消息数上限
  16.   # 设置成1表示尽可能公平。
  17.   throughput = 100
  18. }

以下是另一个使用“thread-pool-executor”的例子：

  1. my-thread-pool-dispatcher {
  2.   # Dispatcher是基于事件的派发器的名称
  3.   type = Dispatcher
  4.   # 使用何种 ExecutionService
  5.   executor = "thread-pool-executor"
  6.   # 配置线程池
  7.   thread-pool-executor {
  8.     # 容纳基于因子的内核数的线程数下限
  9.     core-pool-size-min = 2
  10.     # 内核线程数 .. ceil(可用CPU数＊倍数）
  11.     core-pool-size-factor = 2.0
  12.     # 容纳基于倍数的并行数量的线程数上限
  13.     core-pool-size-max = 10
  14.   }
  15.   # Throughput 定义了线程切换到下一个actor之前处理的消息数上限
  16.   # 设置成1表示尽可能公平.
  17.   throughput = 100
  18. }

更多选项，请参阅配置的缺省派发器(default-dispatcher)一节。

然后可以像往常一样创建actor并在部署配置中定义调度器。

  1. import akka.actor.Props
  2. val myActor = context.actorOf(Props[MyActor], "myactor")
  1. akka.actor.deployment {
  2.   /myactor {
  3.     dispatcher = my-dispatcher
  4.   }
  5. }

部署配置的替代方法是在代码中定义调度器。如果你在部署配置中定义dispatcher，则实际使用的将是此值，而不是以编程方式提供的参数。

  1. import akka.actor.Props
  2. val myActor =
  3.   context.actorOf(Props[MyActor].withDispatcher("my-dispatcher"), "myactor1")

注意

你在withDispatcher中指定的调度器，和在部署文件指定的dispatcher设置其实是配置中的一个路径. 所以在这个例子中它位于配置的顶层，但你可以例如把它放在下面的层次，用“.”来代表子层次，象这样："foo.bar.my-dispatcher"

派发器的类型

一共有4种类型的消息派发器:

  • Dispatcher

    • 这是基于事件的调度器，将一组actor绑定到线程池。如果未指定派发器，则它将被用作默认调度器。
    • 可共享性：无限制
    • 邮箱：任意，为每一个Actor创建一个
    • 使用场景：缺省派发器，Bulkheading
    • 底层驱动：java.util.concurrent.ExecutorService
      通过”executor”指定，可使用”fork-join-executor”、”thread-pool-executor”或一个akka.dispatcher.ExecutorServiceConfigurator的限定

  • PinnedDispatcher

    • 这个调度器为每一个使用它的actor分配一个独立的线程；即每个actor会有其独有的只有一个线程的线程池。
    • 可共享性：无
    • 邮箱：任意，为每个Actor创建一个
    • 使用场景：Bulkheading
    • 底层驱动：任意akka.dispatch.ThreadPoolExecutorConfigurator
      缺省为一个“thread-pool-executor”

  • BalancingDispatcher

    • 这是基于事件的调度器，将尝试从繁忙的actor重新分配工作到空闲的actor。
    • 所有actor共享单个邮箱，并从中获取他们的消息。
    • 这里假定所有使用此调度器的actor都可以处理发送到其中一个actor的所有的消息；即actor属于actor池，并且对客户端来说没有保证来决定哪个actor实例实际上处理某个特定的消息。
    • 可共享性：仅对同一类型的Actor共享
    • 邮箱：任意，为所有的Actor创建一个
    • 使用场景：Work-sharing
    • 底层驱动：java.util.concurrent.ExecutorService
      通过”executor”指定，可使用 “fork-join-executor”, “thread-pool-executor” 或akka.dispatcher.ExecutorServiceConfigurator的限定
    • 请注意不能将BalancingDispatcher用作一个路由器调度程序。（但是你可以把它用作Routees）

  • CallingThreadDispatcher

    • 该调度器只在当前线程上调用。该调度器不会创建任何新的线程，但它可以被相同的actor从不同的线程同时使用。更多信息和限制，请参阅CallingThreadDispatcher。
    • 可共享性：无限制
    • 邮箱：任意，每Actor每线程创建一个（需要时）
    • 使用场景：测试
    • 底层使用：调用的线程 (duh)
更多 dispatcher 配置的例子

配置一个PinnedDispatcher：

  1. my-pinned-dispatcher {
  2.   executor = "thread-pool-executor"
  3.   type = PinnedDispatcher
  4. }

然后使用它:

  1. val myActor =
  2.   context.actorOf(Props[MyActor].withDispatcher("my-pinned-dispatcher"), "myactor2")

注意thread-pool-executor配置按上述my-thread-pool-dispatcher的调度程序例子并不适用。这是因为每个actor使用PinnedDispatcher时，会有其自己的线程池，并且该池将只有一个线程。

注意没有保证随时间推移，相同的线程会被使用，由于核心池超时被PinnedDispatcher用于在空闲actor的情况下降低资源使用率。总是使用相同的线程需要在PinnedDispatcher的配置中添加thread-pool-executor.allow-core-timeout=off。