Scala与Golang的并发实现对比

并发语言俨然是应大规模应用架构的需要而提出，有其现实所需。前后了解了Scala和Golang，深深体会到现代并发语言与旧有的Java、C++等语言在风格及理念上的巨大差异。本文主要针对Scala和Golang这两个我喜爱的并发语言在并发特性上的不同实现，做个比较和阐述，以进一步加深理解。

 

一. Scala与Golang的并发实现思路
Scala语言并发设计采用Actor模型，借鉴了Erlang的Actor实现，并且在Scala 2.10之后，Scala采用的是Akka Actor模型库。Actor模型主要特征如下：

1. “一切皆是参与者”，且各个actor间是独立的；
2. 发送者与已发送消息间解耦，这是Actor模型显著特点，据此实现异步通信；
3. actor是封装状态和行为的对象，通过消息交换进行相互通信，交换的消息存放在接收方的邮箱中；
4. actor可以有父子关系，父actor可以监管子actor，子actor唯一的监管者就是父actor；
5. 一个actor就是一个容器，它包含了状态、行为、一个邮箱（邮箱用来接受消息）、子actor和一个监管策略；

Go语言也能够实现传统的共享内存的通信方式，但Go更提倡“以通信来共享内存，而非以共享内存来通信”。Go的并发通信方式借鉴CSP(Communicating Sequential Process)模型，其主要特征如下：

1. goroutine（协程，Go的轻量级线程）是Go的轻量级线程管理机制，用“go”启动一个goroutine， 如果当前线程阻塞则分配一个空闲线程，如果没有空闲线程，则新建一个线程；
2. 通过管道（channel）来存放消息，channel在goroutine之间传递消息；比如通过读取channel里的消息（通俗点说好比一个个“值”），你能够明白某个goroutine里的任务完成以否；
3. Go给channel做了增强，可带缓存。

Scala与Go在并发通信模型实现上的主要差异如下：

1. actor是异步的，因为发送者与已发送消息间实现了解耦；而channel则是某种意义上的同步，比如channel的读写是有关系的，期间会依赖对方来决定是否阻塞自己；
2. actor是一个容器，使用actorOf来创建Actor实例时，也就意味着需指定具体Actor实例，即指定哪个actor在执行任务，该actor必然要有“身份”标识，否则怎么指定呢？！而channel通常是匿名的， 任务放进channel之后你不用关心是哪个channel在执行任务；

二. 实例说明
我们来看一个例子：对一组连续序列（1-10000）的整数值进行累加，分别观察Scala与Go环境下单线程与多线程效率，一方面了解并发效率的提升；一方面也能够对比Scala与Go并发实现的差异 ── 这才是本文的重点。具体要求如下：
对1 - 10000的整数进行累加，在并发条件下，我们将1 - 10000平均划分为四部分，启动四个线程进行并发计算，之后将四个线程的运行结果相加得出最终的累加统计值。为了更明显地观察到时间上的差异性，在每部分的每次计算过程中，我们添加一个3000000次的空循环:)
三. Scala实现
以下先列出Scala Akka Actor并发实现的完整示例代码：

// Akka并发计算实例 import  akka.actor.Actor import  akka.actor.Props import akka.actor.ActorSystem import  akka.routing.RoundRobinPool  // 定义一个case类 sealed  trait  SumTrait case  class  Result ( value :  Int )  extends  SumTrait  // 计算用的Actor class  SumActor  extends  Actor  {  val  RANGE  =  10000  def  calculate ( start :  Int ,  end : Int ,  flag  :  String ) :  Int  =  {  var  cal  =  0  for  ( i  <-  ( start  to  end ))  {  for  ( j  <-  1  to  3000000 )  {} cal  +=  i  }  println ( "flag : "  +  flag  +  "." )  return  cal  }  def  receive  =  {  case  value :  Int  => sender  !  Result ( calculate (( RANGE  /  4 )  *  ( value  -  1 )  +  1 ,  ( RANGE  /  4 )  *  value , value . toString ))  case  _  =>  println ( "未知 in SumActor..." )  } }  // 打印结果用的Actor class PrintActor  extends  Actor  {  def  receive  =  {  case  ( sum :  Int ,  startTime :  Long )  => println ( "总数为："  +  sum  +  "；所花时间为："  +  ( System . nanoTime ()  - startTime )/ 1000000000.0  +  "秒。" )  case  _  =>  println ( "未知 in PrintActor..." )  } }  // 主actor，发送计算指令给SumActor，发送打印指令给PrintActor class  MasterActor extends  Actor  {  var  sum  =  0  var  count  =  0  var  startTime :  Long  =  0  // 声明Actor实例，nrOfInstances是pool里所启routee（SumActor）的数量，  // 这里用4个SumActor来同时计算，很Powerful。  val  sumActor  =  context . actorOf ( Props [ SumActor ] . withRouter ( RoundRobinPool ( nrOfInstances  =  4 )),  name  =  "sumActor" )  val printActor  =  context . actorOf ( Props [ PrintActor ],  name  =  "printActor" )  def  receive  =  { case  "calculate..."  =>  startTime  =  System . nanoTime ()  for  ( i  <-  1  to  4 )  sumActor  !  i case  Result ( value )  =>  sum  +=  value  count  +=  1  if  ( count  ==  4 )  {  printActor  !  ( sum , startTime )  context . stop ( self )  }  case  _  =>  println ( "未知 in MasterActor..." )  } }  object Sum  {  def  main ( args :  Array [ String ]) :  Unit  =  {  var  sum  =  0  val  system  = ActorSystem ( "MasterActorSystem" )  val  masterActor  = system . actorOf ( Props [ MasterActor ],  name  =  "masterActor" )  masterActor  ! "calculate..."  Thread . sleep ( 5000 )  system . shutdown ()  } }

在这里我们设计了3个Actor实例，如下图所示：

 

在这里，我们一共定义了 三个Actor实例（actor），MasterActor、SumActor和PrintActor，其中，前者是后两者的父亲actor，如前文Scala的Actor模型特征里提到的：“actor可以有父子关系，父actor可以监管子actor，子actor唯一的监管者就是父actor”。
我们的主程序通过向MasterActor发送“calculate...”指令，启动整个计算过程，嗯哼，好戏开始登场了:)
注意以下代码：

val  sumActor  =  context . actorOf ( Props [ SumActor ] . withRouter ( RoundRobinPool ( nrOfInstances  =  4 )),  name  =  "sumActor" )

这里的设置将会在线程池里初始化称为“routee”的子actor（这里是SumActor），数量为4，也就是我们需要4个SumActor实例参与并发计算。这一步很关键。
然后，在接受消息的模式匹配中，通过以下代码启动计算actor：

for  ( i  <-  1  to  4 )  sumActor  !  i

在SumActor中，每个计算线程都会调用calculate方法，该方法将处理分段的整数累加，并返回分段累加值给父actor MasterActor，我们特地通过case类实现MasterActor接受消息中的一个模式匹配功能（case Result(value) =>...），可以发现，模式匹配在Scala并发功能实现中的地位非常重要，并大大提升了开发人员的开发效率。在这里，我们获取了4个并发过程返回的分段累加值，MasterActor会计算最终的累加值。如果4个并发过程全部完成，就调用PrintActor实例打印结果和所花时间。
在整个运算过程中，我们很容易理解发送者与已发送消息间的解耦特征，发送者和接受者各种关心自己要处理的任务即可，比如状态和行为处理、发送的时机与内容、接收消息的时机与内容等。当然，actor确实是一个“容器”，且“五脏俱全”：我们用类来封装，里面也封装了必须的逻辑方法。
Scala Akka的并发实现，给我的感觉是设计才是关键，将各个actor的功能及关联关系表述清楚，剩余的代码实现就非常容易，这正是Scala、Akka的魅力体现，在底层帮我们做了大量工作！
在这里的PrintActor实际上并无太大存在意义，因为它并不实现并发功能。实现它主要是为了演示actor间的消息传递与控制。
再来看看单线程的计算运行模式：

... val  RANGE  =  10000 var  cal  =  0 val  startTime  =  System . nanoTime ()  for  ( i  <-  ( 1  to RANGE ))  {  for  ( j  <-  1  to  3000000 )  {}  cal  +=  i }  val  endTime  =  System . nanoTime () ...

并发与单线程两种模式的效率在后面一块说，暂且按下不表。
四. Go语言实现
仍然先列出Go语言实现的并发功能完整代码：

// Go并发计算实例  package  main  import  (  "fmt"  "runtime"  "strconv"  "time" )  type Sum  [] int  func  ( s  Sum )  Calculate ( count ,  start ,  end  int ,  flag  string ,  ch  chan  int )  {  cal :=  0  for  i  :=  start ;  i  <=  end ;  i ++  {  for  j  :=  1 ;  j  <=  3000000 ;  j ++  {  }  cal  +=  i  }  s [ count ]  = cal  fmt . Println ( "flag :" ,  flag ,  "." )  ch  <-  count }  func  ( s  Sum )  LetsGo ()  {  // runtime.NumCPU()可以获取CPU核数，我的环境为4核，所以这里就简单起见直接设为4了  const  NCPU  =  4  const  RANGE  =  10000  var  ch  =  make ( chan  int ) runtime . GOMAXPROCS ( NCPU )  for  i  :=  0 ;  i  <  NCPU ;  i ++  {  go  s . Calculate ( i , ( RANGE / NCPU ) * i + 1 ,  ( RANGE / NCPU ) * ( i + 1 ),  strconv . Itoa ( i + 1 ),  ch )  }  for  i  :=  0 ;  i  < NCPU ;  i ++  {  <- ch  } }  func  main ()  {  var  s  Sum  =  make ([] int ,  4 ,  4 )  var  sum  int  =  0  var startTime  =  time . Now ()  s . LetsGo ()  for  _ ,  v  :=  range  s  {  sum  +=  v  }  fmt . Println ( "总数为：" ,  sum ,  "；所花时间为：" ,  ( time . Now (). Sub ( startTime )),  "秒。" ) }

Go语言的实现与之前的Scala实现风格完全不一样，其通过“go”关键字实现的goroutine协程工作方式，结合channel，实现并发功能。goroutine和channel是Go语言非常强大的两个招式，简约而不简单。在这里，我们的并发实现模型如下图所示：

由上可知，Go语言的并发魔力来源于goroutine和channel。我们定义了一个Sum类型（插一句：Go语言的类型系统设计得也非常特别，这是别的主题了,:)），它有两个方法：LetsGo()和Calculate，LetsGo()首先创建一个计数用的channel，随后发起4个并发计算的协程。每个计算协程调用Calculate()进行分段计算（并会传入channel），Calculate()方法的最后，在分段计算完成时，都会往channel里塞一个计数标志：

ch  <-  count

总有某个协程抢先运行到此处，那么该协程对应的计数标志就塞进了channel，在channel里的计数标志未被读取之前，其他协程在处理完分段计算的业务逻辑之后，其他协程的计数标志是无法塞进channel里的，其他协程只能等待，因为channel在之前被塞进一个计数标志之后，标志一直未被读取出来，程序阻塞了。再看看以下代码：

for  i  :=  0 ;  i  <  NCPU ;  i ++  {  <- ch }

在这里，从channel依次取出协程里塞进的计数标志。每取出了一个标志，则意味着该标志对应的协程结束使命，下一个协程在判断channel为空之后，会将它的计数标志塞进channel。如此循环，直至channel里的计数标志全被取出，则所有的协程都处理完毕了。另外，如果读取的channel里没东西了还继续读取它会怎样？那么，程序也会阻塞，直至有东西可读。
对于channel的写入、等待和读取，简单形象地用下图描述：

这里为了演示方便，且本例中的协程和业务逻辑也不至于会造成协程僵死或locked，因此未考虑协程永久等待的处理，如果要处理超时，可以这么考虑：

for  {  select  {  case  <- ch :  ...  case  <- time . After ( 3  *  time . Second ):  ...  } }

select机制也是Go语言并发处理中的强大武器，由于与本主题关系不大，故不表。但可以看出，Go语言有Unix和C的深深烙印，select、channel概念就是很好的例证。 

在所有的分段计算结束后，就可以计算总的累加值了： 

for  _ ,  v  :=  range  s  {  sum  +=  v }

这段代码从Sum类型实例中获取分段累加值，最后计算出总的累加统计值。
Go中的channel是可以带缓存的，在缓存未被填满之前，都可以写入。本例中未使用带缓存的channel，虽然这样做在理论上可以节省写入channel时的等待时间，但在这里可以忽略，大型应用中就要慎重对待了。
来看看单线程的计算运行模式：

... cal  :=  0  for  i  :=  start ;  i  <=  end ;  i ++  {  for  j  :=  1 ;  j  <=  3000000 ;  j ++  {  }  cal  +=  i } ...

五. 对Scala与Go的感知
运行效率
先来看看运行效率。我的操作系统是Windows 8.1 64位，分别用以下命令编译及运行Scala和Go程序并发程序：

scalac -cp lib \akka-actor_2.11-2.3.4.jar Sum.scalascala Sum go build Sum.goSum

具体运行时间如下所列：
Scala：7.189461763秒（单线程模式），3.895642655秒（并发模式）
Golang 12.987232秒（单线程模式），7.1636263秒（并发模式）
从上可知，Scala与Go语言的并发实现都比单线程实现快了45%左右，这个数据还是比较可观的。而Golang并发却比Scala并发慢了不少，事实的确如此吗？我在另一台比较旧的32位操作系统机器上运行，Scala的并发足足花了近300秒，而Go语言并发差不多是20秒。因此，拿Scala和Go的并发效率来对比，应该是没什么意义的，其间要受到各自内部实现、类型系统、内存使用机制、并发模式、并发规模以及硬件支持等等复杂因素的影响。如果一定要对两者进行比较，则肯定会引发口水战。
模式上的差异
如果前面讲述“Scala与Golang的并发实现思路”时，理解起来还比较抽象，但经过上面的示例说明与比较，相信感知会比较具体了：

1. Akka的actor是解耦的、相对独立的，定义好各个actor间如何沟通，剩下的东西就尽管交给它们处理好了，它们自会按既定方式各司其职，而且每个actor“麻雀虽小五脏俱全”，这也是其解耦性做得好的必然基础。Go语言则独辟蹊径，通过“go”魔法和Unix风格的channel，以更轻量级的协程方式来处理并发，虽说是更轻量，但你仍得花点心思关注下channel的状态，别一不小心阻塞了，特别是channel多了、复杂了，并且其中包含了业务处理所需数据、而不仅仅只是计数标志的情况下；
2. Akka的Actor实现是库的形式，其也能应用于Java语言。Go语言内嵌了协程的并发实现；
3. Akka基于JVM，实现模式是面向对象，天然讲究抽象与封装，虽然可以穿插混合应用函数式风格。而Go语言显然体现了命令式语言的风格，在需要考虑封装性的时候，需要开发者多着墨。

是Scala还是Go？
据说Go语言中轻量级的协程可以轻易启动数十上百万个，这对Scala来说当然是有压力的。但相较而言，Go语言的普及及应用程度尚远不及Java生态，我也希望更多的应用能够实践Go语言。此外，从代码简洁程度来看，Go语言应该会更简洁些吧。
在你了解了Akka之后，再回过头来看看Java与它的concurrent，就会有一种弱爆了的感觉，动不动就阻塞、同步。因此，如果是Java平台上的选择，不要说Akka就是很重要的考量指标了。
不得不提的一点是，不同模式有其适用的业务和环境，因此，选择Scala还是Go语言来实现功能，这必须有赖于现实业务与环境的需求──是Scala还是Go？这永远是个问题。
六. 结束语
并发实现及场景是复杂的，比如远程调用、异常处理以及选择恰当的并发模式等。需要不断深入学习与实践，才能对并发技能运用自如。希望通过本文的阐述，能够让你了解到一些Scala与Golang的并发实现思路。

http://weibo.com/p/1001603834419784852355