《Akka应用模式:分布式应用程序设计实践指南》读书笔记2

简介: Akka简介  Akka是什么:“Akka是在JVM上构建高并发、分布式、弹性消息驱动应用的开源工具包”。弹性意味着要积极响应失败情况,从失败中恢复的能力。  其实Akka的定义很符合响应式领域模型,这个模型有几个基本特征:  1、弹性。

Akka简介

  Akka是什么:“Akka是在JVM上构建高并发、分布式、弹性消息驱动应用的开源工具包”。弹性意味着要积极响应失败情况,从失败中恢复的能力。

  其实Akka的定义很符合响应式领域模型,这个模型有几个基本特征:

  1、弹性。面对失败的响应能力

  2、伸缩性。不同负载情况下的响应

  3、消息驱动。高内聚低耦合,通过异步消息隔离

  4、响应能力。限定延迟

  如果一个Akka设计的比较好,可以很容易满足响应式模型的基本要求。毕竟Akka也是围绕失败来做设计的。Akka通过消息驱动和其他完美(至少我认为)的设计,支持了高响应性、高容错性、高可伸缩性。这几个特性对于分布式系统来说还是相当重要的。

Akka actor

  actor实现了状态不共享、基于异步消息传递机制的Actor模型。这个可以类比OOP中的对象来理解,但要注意区别。每一个actor都有一个ActorRef与之关联,有点类似于OOP对象的指针。所有的消息都必须通过ActorRef发送,Actor模型的消息驱动本质就是通过使用它来实现的。本质来说,actor可以接收的消息就是对外暴露接口的输入,返回的消息就是接口的输出。

remoting

  Akka让actor的位置变得透明,使用ActorRef发送消息时,并不需要关心对应的actor是在本地还是在其他机器上。如果设计得当,通过修改配置就可以使系统变成分布式。

clustering

  在Akka中设计集群系统也会非常简单,毕竟actor的位置是透明的,你只需要做的可能就是给集群设置一个或多个节点。actor系统使用gossip协议的变体管理集群的成员。集群中节点的生命周期的变化都会以消息的方式通知其他节点。

集群分片

  sharding的想法最初被应用于数据库中,当单个数据集过大,无法被包容在单个节点中时,需要进行分片处理。集群分片,无形中水平扩展了系统的处理能力。

集群单例

  集群的另一个重要的技术点就是集群单例,即在集群中始终有且只有一个特定的actor实例,它的位置不重要,重要的是只能有一个。如果要自己实现一个集群单例的节点,感觉还是挺复杂的,但Akka居然自带这个功能,只能说太牛逼了。

Akka HTTP

  提供了一种在Akka之上构建HTTP API的方法,如果你要问这有什么用,毕竟已经有那么多的HTTP库了,那你好好看看Akka提供了那么多的功能,就知道原因了。

 TestKit

  TestKit专门用来测试akka系统。具体的功能或者特性,读者可以自己探讨

Akka Streams

  Akka Streams提供了一个更高级别API来与actor进行交互,同时提供自动处理“背压”(back pressure)的机制。简单点来说,Akka Streams就是基于actor的DSL,并提供一些基础的特性。如果一个分布式系统支持背压机制,还是很牛掰的,毕竟这个机制单独实现还挺麻烦的。

消息传递

  Actor模型指定消息传递应该是actor进行通信的唯一方式,并且所有操作都应该是为了响应此消息传递才发生的。Akka中有三个消息传递机制,分别代表不同的设计模式。

  1、tell。就是 fire and forget 消息机制,它不会阻塞当前代码,不等待任何响应。连是否发送成功都不期望,就是尽可能的发送消息。

  2、ask。这个跟调用OOP对象的方法有点类似,给目标actor发送消息,阻塞当前代码等待响应,且一定会有响应。超时后返回null也是一种响应。

  3、发布/订阅。各个actor之间通过引用事件总线来发布消息,即消息的接受者必须订阅该类型的消息,然后才能接收其他actor发布的同类型的所有消息。各个actor并不知道对方的存在。事件总线有点类似于消息中转站的功能。

actor 系统

  actor系统为actor提供通信的基础功能,例如位置透明、创建actor等

这一章节书籍的作者介绍了Akka的各个技术细节,但还是有很多没有讲到的。例如位置透明具体怎么用呢?集群开发的基本设计模式是神马,随着后面章节,才会慢慢了解Akka构建分布式系统的巨大威力。

目录
相关文章
|
2月前
|
缓存 NoSQL PHP
Redis作为PHP缓存解决方案的优势、实现方式及注意事项。Redis凭借其高性能、丰富的数据结构、数据持久化和分布式支持等特点,在提升应用响应速度和处理能力方面表现突出
本文深入探讨了Redis作为PHP缓存解决方案的优势、实现方式及注意事项。Redis凭借其高性能、丰富的数据结构、数据持久化和分布式支持等特点,在提升应用响应速度和处理能力方面表现突出。文章还介绍了Redis在页面缓存、数据缓存和会话缓存等应用场景中的使用,并强调了缓存数据一致性、过期时间设置、容量控制和安全问题的重要性。
45 5
|
2月前
|
监控
Saga模式在分布式系统中保证事务的隔离性
Saga模式在分布式系统中保证事务的隔离性
|
3月前
|
人工智能 文字识别 Java
SpringCloud+Python 混合微服务,如何打造AI分布式业务应用的技术底层?
尼恩,一位拥有20年架构经验的老架构师,通过其深厚的架构功力,成功指导了一位9年经验的网易工程师转型为大模型架构师,薪资逆涨50%,年薪近80W。尼恩的指导不仅帮助这位工程师在一年内成为大模型架构师,还让他管理起了10人团队,产品成功应用于多家大中型企业。尼恩因此决定编写《LLM大模型学习圣经》系列,帮助更多人掌握大模型架构,实现职业跃迁。该系列包括《从0到1吃透Transformer技术底座》、《从0到1精通RAG架构》等,旨在系统化、体系化地讲解大模型技术,助力读者实现“offer直提”。此外,尼恩还分享了多个技术圣经,如《NIO圣经》、《Docker圣经》等,帮助读者深入理解核心技术。
SpringCloud+Python 混合微服务,如何打造AI分布式业务应用的技术底层?
|
3月前
|
存储 缓存 NoSQL
大数据-38 Redis 高并发下的分布式缓存 Redis简介 缓存场景 读写模式 旁路模式 穿透模式 缓存模式 基本概念等
大数据-38 Redis 高并发下的分布式缓存 Redis简介 缓存场景 读写模式 旁路模式 穿透模式 缓存模式 基本概念等
79 4
|
4月前
Saga模式在分布式系统中如何保证事务的隔离性
Saga模式在分布式系统中如何保证事务的隔离性
|
4月前
|
存储 NoSQL Java
分布式session-SpringSession的应用
Spring Session 提供了一种创建和管理 Servlet HttpSession 的方案,默认使用外置 Redis 存储 Session 数据,解决了 Session 共享问题。其特性包括:API 及实现用于管理用户会话、以应用容器中性方式替换 HttpSession、简化集群会话支持、管理单个浏览器实例中的多个用户会话以及通过 headers 提供会话 ID 以使用 RESTful API。Spring Session 通过 SessionRepositoryFilter 实现,拦截请求并转换 request 和 response 对象,从而实现 Session 的创建与管理。
分布式session-SpringSession的应用
|
4月前
|
存储 NoSQL Java
分布式session-SpringSession的应用
Spring Session 提供了一种创建和管理 Servlet HttpSession 的方案,默认使用外置 Redis 存储 Session 数据,解决 Session 共享问题。其主要特性包括:提供 API 和实现来管理用户会话,以中立方式替换应用程序容器中的 HttpSession,简化集群会话支持,并在单个浏览器实例中管理多个用户会话。此外,Spring Session 允许通过 headers 提供会话 ID 以使用 RESTful API。结合 Spring Boot 使用时,可通过配置 Redis 依赖和支持缓存的依赖实现 Session 共享。
分布式session-SpringSession的应用
|
3月前
|
缓存 网络协议 API
分布式系统应用之服务发现!
分布式系统应用之服务发现!
|
4月前
|
存储 运维 应用服务中间件
阿里云分布式存储应用示例
通过阿里云EDAS,您可以轻松部署与管理微服务应用。创建应用时,使用`CreateApplication`接口基于模板生成新应用,并获得包含应用ID在内的成功响应。随后,利用`DeployApplication`接口将应用部署至云端,返回"Success"确认部署成功。当业务调整需下线应用时,调用`ReleaseApplication`接口释放资源。阿里云EDAS简化了应用全生命周期管理,提升了运维效率与可靠性。[相关链接]提供了详细的操作与返回参数说明。
|
5月前
|
存储 分布式计算 算法
探索Hadoop的三种运行模式:单机模式、伪分布式模式和完全分布式模式
在配置Hadoop集群之前,了解这三种模式的特点、适用场景和配置差异是非常重要的。这有助于用户根据个人需求和资源情况,选择最适合自己的Hadoop运行模式。在最初的学习和开发阶段,单机模式和伪分布式模式能为用户提供便利和成本效益。进而,当用户要处理大规模数据集时,完全分布式模式将是理想的选择。
322 2