scala——Akka并发编程、定时任务、简易通信框架

编程/开发
378
0
0
2024-03-04

1. Akka 并发编程框架简介

1.1 Akka概述

Akka是一个用于构建高并发、分布式和可扩展的基于事件驱动的应用工具包。Akka是使用scala开发的库,同时可以使用scala和Java语言来开发基于Akka的应用程序。

1.2 Akka特性

  • 提供基于异步非阻塞、高性能的事件驱动编程模型
  • 内置 容错机制 ,允许Actor在出错时进行恢复或者重置操作
  • 超级轻量级的事件处理(每GB堆内存几百万Actor)
  • 使用Akka可以在单机上构建高并发程序,也可以在网络中构建分布式程序。

1.3 Akka通信过程

以下图片说明了Akka Actor的并发编程模型的基本流程:

  1. 学生创建一个ActorSystem
  2. 通过ActorSystem来创建一个ActorRef(老师的引用),并将消息发送给ActorRef
  3. ActorRef将消息发送给Message Dispatcher(消息分发器)
  4. Message Dispatcher将消息按照顺序保存到目标Actor的MailBox中
  5. Message Dispatcher将MailBox放到一个线程中
  6. MailBox按照顺序取出消息,最终将它递给TeacherActor接受的方法中

2. 创建Actor

Akka中,也是基于Actor来进行编程的。类似于之前学习过的Actor。但是Akka的Actor的编写、创建方法和之前有一些不一样。

2.1 API介绍

  • ActorSystem: 它负责创建和监督Actor
.  在Akka中,ActorSystem是一个重量级的结构,它需要分配多个线程.
.  在实际应用中, ActorSystem通常是一个单例对象, 可以使用它创建很多Actor.
.  直接使用`context.system`就可以获取到管理该Actor的ActorSystem的引用 
  • 实现Actor类
. 定义类或者单例对象继承Actor(注意:要导入akka.actor包下的Actor)
. 实现receive方法,receive方法中直接处理消息**即可,不需要添加loop和react方法调用. Akka会自动调用receive来接收消息.
. 【可选】还可以实现preStart()方法, 该方法在Actor对象构建后执行,在Actor生命周期中仅执行一次. 
  • 加载Actor
. 要创建Akka的Actor,必须要先获取创建一个ActorSystem。需要给ActorSystem指定一个名称,并可以去加载一些配置项(后面会使用到)
. 调用ActorSystem.actorOf(Props(Actor对象), "Actor名字")来加载Actor. 

2.2 Actor Path

每一个Actor都有一个Path,这个路径可以被外部引用。路径的格式如下:

Actor类型

路径

示例

本地Actor

akka://actorSystem名称/user/Actor名称

akka://SimpleAkkaDemo/user/senderActor

远程Actor

akka.tcp://my-sys@ip地址:port/user/Actor名称

akka.tcp://192.168.10.17:5678/user/service-b

2.3 入门案例

2.3.1 需求

基于Akka创建两个Actor,Actor之间可以互相发送消息。

2.3.2 实现步骤

  1. 创建Maven模块
  2. 创建并加载Actor
  3. 发送/接收消息

2.3.3 创建Maven模块

使用Akka需要导入Akka库,这里我们使用Maven来管理项目, 具体步骤如下:

  1. 创建 maven 模块.
  2. 打开pom.xml文件,导入akka Maven依赖和插件.
 <dependencies>
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId> scala -library</artifactId>
            <version>${scala.version}</version>
        </dependency>

        <dependency>
            <groupId>com.typesafe.akka</groupId>
            <artifactId>akka-actor_.11</artifactId>
            <version>.3.14</version>
        </dependency>

        <dependency>
            <groupId>com.typesafe.akka</groupId>
            <artifactId>akka-remote_.11</artifactId>
            <version>.3.14</version>
        </dependency>

        <dependency>
            <groupId>com.itheima</groupId>
            <artifactId> spark -demo-common</artifactId>
            <version>.0-SNAPSHOT</version>
        </dependency>

    </dependencies>

    <build>
        <sourceDirectory>src/main/scala</sourceDirectory>
        <testSourceDirectory>src/test/scala</testSourceDirectory>
        <plugins>
            <plugin>
                <groupId>net.alchim.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>.2.2</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>compile</goal>
                            <goal>testCompile</goal>
                        </goals>
                        <configuration>
                            <args>
                                <arg>-dependency file </arg>
                                <arg>${project.build.directory}/.scala_dependencies</arg>
                            </args>
                        </configuration>
                    </execution>
                </executions>
            </plugin>

            <plugin>
                <groupId>org. apache .maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>.4.3</version>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <filters>
                                <filter>
                                    <artifact>*:*</artifact>
                                    <excludes>
                                        <exclude> META -INF/*.SF</exclude>
                                        <exclude>META-INF/*.DSA</exclude>
                                        <exclude>META-INF/*. RSA </exclude>
                                    </excludes>
                                </filter>
                            </filters>
                            <transformers>
                                <transformer implementation="org.apache.maven.plugins.shade.resource.AppendingTransformer">
                                    <resource>reference.conf</resource>
                                </transformer>
                                <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                                    <mainClass></mainClass>
                                </transformer>
                            </transformers>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

2.3.4 创建并加载Actor

到这, 我们已经把Maven项目创建起来了, 后续我们都会采用Maven来管理我们的项目. 接下来, 我们来实现:

创建并加载Actor, 这里, 我们要创建两个Actor:

  • SenderActor:用来发送消息
  • ReceiverActor:用来接收,回复消息

具体步骤

  1. 在src/main/scala文件夹下创建包: com.itheima.akka.demo
  2. 在该包下创建两个Actor(注意: 用object修饰的单例对象).SenderActor: 表示发送消息的Actor对象.ReceiverActor: 表示接收消息的Actor对象.
  3. 在该包下创建单例对象Entrance, 并封装main方法, 表示整个程序的入口.
  4. 把程序启动起来, 如果不报错, 说明代码是没有问题的.

参考代码

 object SenderActor  extends  Actor {
    /*
    细节: 
        在Actor并发编程模型中, 需要实现act方法, 想要持续接收消息, 可通过loop + react实现.
        在Akka编程模型中, 需要实现receive方法, 直接在receive方法中编写偏函数处理消息即可.
    */    //重写receive()方法
    override def receive: Receive = {
        case x => println(x)
    }
} 

object ReceiverActor extends Actor{
    //重写receive()方法
    override def receive: Receive = {
        case x => println(x)
    }
}

object Entrance {   
    def main(args:Array[String]) = {
        //. 实现一个Actor Trait, 其实就是创建两个Actor对象(上述步骤已经实现).

        //. 创建ActorSystem
        //两个参数的意思分别是:ActorSystem的名字, 加载配置文件(此处先不设置)
        val actorSystem = ActorSystem("actorSystem",ConfigFactory.load())

        //. 加载Actor
        //actorOf方法的两个参数意思是:. 具体的Actor对象. 2.该Actor对象的名字
        val senderActor = actorSystem.actorOf(Props(SenderActor), "senderActor")
        val receiverActor = actorSystem.actorOf(Props(ReceiverActor), "receiverActor")
    }
} 

2.3.5 发送/接收消息

思路分析

  1. 使用样例类封装消息SubmitTaskMessage——提交任务消息SuccessSubmitTaskMessage——任务提交成功消息
  2. 使用!发送异步无返回消息.

参考代码

  • MessagePackage.scala文件中的代码
 /**
  * 记录发送消息的 样例类.
  * @param msg  具体的要发送的信息.
  */case class SubmitTaskMessage(msg:String)

/**
  * 记录 回执信息的 样例类.
  * @param msg  具体的回执信息.
  */case class SuccessSubmitTaskMessage(msg:String) 
  • Entrance.scala文件中的代码
 //程序主入口.
object Entrance {
  def main(args: Array[String]): Unit = {
    //. 创建ActorSystem, 用来管理所有用户自定义的Actor.
    val actorSystem = ActorSystem("actorSystem", ConfigFactory.load())
    //. 通过ActorSystem, 来管理我们自定义的Actor(SenderActor, ReceiverActor)
    val senderActor = actorSystem.actorOf(Props(SenderActor), "senderActor")
    val receiverActor = actorSystem.actorOf(Props(ReceiverActor), "receiverActor") 

    //. 由ActorSystem给 SenderActor发送一句话"start".
    senderActor ! "start"
  }
} 
  • SenderActor.scala文件中的代码
 object SenderActor extends Actor{
  override def receive: Receive = {
   //. 接收Entrance发送过来的: start
    case "start" => {
      //. 打印接收到的数据.
      println("SenderActor接收到: Entrance发送过来的 start 信息.")

      //. 获取ReceiverActor的具体路径.
      //参数: 要获取的Actor的具体路径.
      //格式: akka://actorSystem的名字/user/要获取的Actor的名字.
      val receiverActor = context.actorSelection("akka://actorSystem/user/receiverActor")

      //. 给ReceiverActor发送消息: 采用样例类SubmitTaskMessage
      receiverActor ! SubmitTaskMessage("我是SenderActor, 我在给你发消息!...")
    }

      //. 接收ReceiverActor发送过来的回执信息.
    case SuccessSubmitTaskMessage(msg) => println(s"SenderActor接收到回执信息: ${msg} ")
  }
} 
  • ReceiverActor.scala文件中的代码
 object ReceiverActor extends Actor {
  override def receive: Receive = {
    //. 接收SenderActor发送过来的消息.
    case SubmitTaskMessage(msg) => {
      //. 打印接收到的消息.
      println(s"ReceiverActor接收到: ${msg}")

      //. 给出回执信息.
      sender ! SuccessSubmitTaskMessage("接收任务成功!. 我是ReceiverActor")
    }
  }
} 

输出结果

 SenderActor接收到: Entrance发送过来的 start 信息.
ReceiverActor接收到: 我是SenderActor, 我在给你发消息!...
SenderActor接收到回执信息: 接收任务成功!. 我是ReceiverActor 

3. Akka定时任务

需求: 如果我们想要使用Akka框架定时的执行一些任务,该如何处理呢?

答: 在Akka中,提供了一个 scheduler 对象来实现定时调度功能。使用ActorSystem.scheduler.schedule()方法,就可以启动一个定时任务。

3.1 schedule()方法的格式

  • 方式一: 采用发送消息的形式实现.
 def schedule(
    initialDelay: FiniteDuration,// 延迟多久后启动定时任务
    interval: FiniteDuration,// 每隔多久执行一次
    receiver: ActorRef,// 给哪个Actor发送消息
    message: Any)// 要发送的消息
( implicit  executor: ExecutionContext)// 隐式参数:需要手动导入 
  • 方式二: 采用自定义方式实现.
 def schedule(
    initialDelay: FiniteDuration,// 延迟多久后启动定时任务
    interval: FiniteDuration// 每隔多久执行一次
)(f: ⇒ Unit)// 定期要执行的函数,可以将逻辑写在这里
(implicit executor: ExecutionContext)// 隐式参数:需要手动导入 

3.2 案例

需求

  1. 定义一个ReceiverActor, 用来循环接收消息, 并打印接收到的内容.
  2. 创建一个ActorSystem, 用来管理所有用户自定义的Actor.
  3. 关联ActorSystem和ReceiverActor.
  4. 导入隐式转换和隐式参数.
  5. 通过定时器, 定时(间隔1秒)给ReceiverActor发送一句话.方式一: 采用发送消息的形式实现.方式二: 采用自定义方式实现.

参考代码

 //案例: 演示Akka中的定时器.
object MainActor {
  //. 定义一个Actor, 用来循环接收消息, 并打印.
  object ReceiverActor extends Actor {
    override def receive: Receive = {
      case x => println(x)      //不管接收到的是什么, 都打印.
    }
  }

  def main(args: Array[String]): Unit = {
    //. 创建一个ActorSystem, 用来管理所有用户自定义的Actor.
    val actorSystem = ActorSystem("actorSystem", ConfigFactory.load())
    //. 关联ActorSystem和ReceiverActor.
    val receiverActor = actorSystem.actorOf(Props(ReceiverActor), "receiverActor")

    //. 导入隐式转换和隐式参数.
    //导入隐式转换, 用来支持 定时器.
    import actorSystem.dispatcher
    //导入隐式参数, 用来给定时器设置默认参数.
    import scala.concurrent.duration._

    //. 通过定时器, 定时(间隔1秒)给ReceiverActor发送一句话.
    //方式一: 通过定时器的第一种方式实现, 传入四个参数.
    //actorSystem.scheduler.schedule(.seconds, 2.seconds, receiverActor, "你好, 我是种哥, 我有种子你买吗?...")

    //方式二: 通过定时器的第二种方式实现, 传入两个时间, 和一个函数.
    //actorSystem.scheduler.schedule( seconds, 2 seconds)(receiverActor ! "新上的种子哟, 你没见过! 嘿嘿嘿...")

    //实际开发写法
    actorSystem.scheduler.schedule( seconds, 2 seconds){
      receiverActor ! "新上的种子哟, 你没见过! 嘿嘿嘿..."
    }
  }
} 

4. 实现两个进程之间的通信

4.1 案例介绍

基于Akka实现在两个 进程 间发送、接收消息。

  1. WorkerActor启动后去连接MasterActor,并发送消息给MasterActor.
  2. MasterActor接收到消息后,再回复消息给WorkerActor。

4.2 Worker实现

步骤

  1. 创建一个Maven模块,导入依赖和配置文件.创建Maven模块
  2. 创建启动WorkerActor.在src/main/scala文件夹下创建包,在该包下创建 WorkerActor(单例对象的形式创建).在该包下创建Entrance单例对象, 里边定义main方法
  3. 发送”setup”消息给WorkerActor,WorkerActor接收打印消息.
  4. 启动测试.

参考代码

  • WorkerActor.scala文件中的代码
 //. 创建WorkActor, 用来接收和发送消息.
object WorkerActor extends Actor{
    override def receive: Receive = {
        //. 接收消息.
        case x => println(x)
    }
} 
  • Entrance.scala文件中的代码
 //程序入口.
//当前ActorSystem对象的路径  akka.tcp://actorSystem@.0.0.1:9999
object Entrance {
    def main(args: Array[String]): Unit = {
        //. 创建ActorSystem.
        val actorSystem = ActorSystem("actorSystem", ConfigFactory.load())
        //. 通过ActorSystem, 加载自定义的WorkActor.
        val workerActor = actorSystem.actorOf(Props(WorkerActor), "workerActor")
        //. 给WorkActor发送一句话.
        workerActor ! "setup"
    }
}

//启动测试: 右键, 执行, 如果打印结果出现"setup", 说明程序执行没有问题. 

4.3 Master实现

步骤

  1. 创建一个Maven模块,导入依赖和配置文件.创建Maven模块.
  2. 创建启动MasterActor.在src/main/scala文件夹下创建包,在该包下创建 MasterActor(单例对象的形式创建).在该包下创建Entrance单例对象, 里边定义main方法
  3. WorkerActor发送”connect”消息给MasterActor
  4. MasterActor回复”success”消息给WorkerActor
  5. WorkerActor接收并打印接收到的消息
  6. 启动Master、Worker测试

参考代码

  • MasterActor.scala文件中的代码
 //MasterActor: 用来接收WorkerActor发送的数据, 并给其返回 回执信息.
//负责管理MasterActor的ActorSystem的地址:  akka.tcp://actorSystem@.0.0.1:8888
object MasterActor extends Actor{
  override def receive: Receive = {
    //. 接收WorkerActor发送的数据
    case "connect" => {
      println("MasterActor接收到: connect!...")

      //. 给WorkerActor回执一句话.
      sender ! "success"
    }
  }
} 
  • Entrance.scala文件中的代码
 //Master模块的主入口
object Entrance {
  def main(args: Array[String]): Unit = {
    //. 创建ActorSystem, 用来管理用户所有的自定义Actor.
    val actorSystem = ActorSystem("actorSystem", ConfigFactory.load())
    //. 关联ActorSystem和MasterActor.
    val masterActor = actorSystem.actorOf(Props(MasterActor), "masterActor")
    //. 给masterActor发送一句话: 测试数据, 用来测试.
    //masterActor ! "测试数据"
  }
} 
  • WorkerActor.scala文件中的代码(就修改了第3步)
 //WorkerActor: 用来接收ActorSystem发送的消息, 并发送消息给MasterActor, 然后接收MasterActor的回执信息.
//负责管理WorkerActor的ActorSystem的地址:  akka.tcp://actorSystem@.0.0.1:9999
object WorkerActor extends Actor{
  override def receive: Receive = {
    //. 接收Entrance发送过来的: setup.
    case "setup" => {
      println("WorkerActor接收到: Entrance发送过来的指令 setup!.")

      //. 获取MasterActor的引用.
      val masterActor = context.system.actorSelection("akka.tcp://actorSystem@.0.0.1:8888/user/masterActor")

      //. 给MasterActor发送一句话.
      masterActor ! "connect"
    }

      //. 接收MasterActor的回执信息.
    case "success" => println("WorkerActor接收到: success!")
  }
} 

5. 案例: 简易版spark通信框架

5.1 案例介绍

模拟Spark的Master与Worker通信.

  • 一个Master管理多个Worker
  • 若干个Worker(Worker可以按需添加)向Master发送注册信息向Master定时发送心跳信息

5.2 实现思路

  1. 构建Master、Worker阶段构建Master ActorSystem、Actor构建Worker ActorSystem、Actor
  2. Worker注册阶段Worker进程向Master注册(将自己的ID、CPU核数、内存大小(M)发送给Master)
  3. Worker定时发送心跳阶段Worker定期向Master发送心跳消息
  4. Master定时心跳检测阶段Master定期检查Worker心跳,将一些超时的Worker移除,并对Worker按照内存进行倒序排序
  5. 多个Worker测试阶段启动多个Worker,查看是否能够注册成功,并停止某个Worker查看是否能够正确移除

5.3 工程搭建

需求

本项目使用Maven搭建工程.

步骤

  1. 分别搭建以下几个项目, Group ID统一都为: com.yueda, 具体工程名如下:

工程名

说明

spark-demo-common

存放公共的消息、实体类

spark-demo-master

Akka Master节点

spark-demo-worker

Akka Worker节点

  1. 导入依赖
  2. 分别在三个项目下的src/main, src/test下, 创建scala目录.
  3. 导入配置文件(资料包中的application.conf)
  • 修改Master的端口为7000
  • 修改Worker的端口为8000

5.4 构建Master和Worker

需求

分别构建Master和Worker,并启动测试

步骤

  1. 创建并加载Master Actor
  2. 创建并加载Worker Actor
  3. 测试是否能够启动成功

参考代码

  • 完成master模块中的代码, 即: 在src/main/scala下创建包: com.itheima.spark.master, 包中代码如下: MasterActor.scala文件中的代码
 //Master: 用来管理多个Worker的.
//MasterActor的路径: akka.tcp://actorSystem@.0.0.1:7000
object MasterActor extends Actor{
    override def receive: Receive = {
        case x => println(x)
    }
} 
  • Master.scala文件中的代码
 //程序入口: 相当于我们以前写的MainActor
object Master {
    def main(args: Array[String]): Unit = {
        //. 创建ActorSystem.
        val actorSystem = ActorSystem("actorSystem", ConfigFactory.load())
        //. 通过ActorSystem, 关联MasterActor.
        val masterActor = actorSystem.actorOf(Props(MasterActor), "masterActor")
        //. 启动程序, 如果不报错, 说明代码没有问题.
    }
} 

完成worker模块中的代码, 即: 在src/main/scala下创建包: com.itheima.spark.worker, 包中代码如下: WorkerActor.scala文件中的代码

 //WorkerActor的地址: akka.tcp://actorSystem@.0.0.1:7100
object WorkerActor extends Actor{
    override def receive: Receive = {
        case x => println(x)
    }
} 

Worker.scala文件中的代码

 //程序入口
object Worker {
    def main(args: Array[String]): Unit = {
        //. 创建ActorSystem.
        val actorSystem = ActorSystem("actorSystem", ConfigFactory.load())
        //. 通过ActorSystem, 关联MasterActor.
        val workerActor = actorSystem.actorOf(Props(WorkerActor), "workerActor")
        //. 启动程序, 如果不报错, 说明代码没有问题.
        workerActor ! "hello"
    }
} 

5.5 Worker注册阶段实现

需求

在Worker启动时,发送注册消息给Master.

思路分析

  1. Worker向Master发送注册消息(workerid、cpu核数、内存大小)随机生成CPU核(1、2、3、4、6、8)随机生成内存大小(512、1024、2048、4096)(单位M)
  2. Master保存Worker信息,并给Worker回复注册成功消息
  3. 启动测试

具体步骤

  1. 在spark-demo-common项目的src/main/scala文件夹下创建包
  2. 在WorkerActor单例对象中定义一些成员变量, 分别表示:masterActorRef: 表示MasterActor的引用.workerid: 表示当前WorkerActor对象的id.cpu: 表示当前WorkerActor对象的CPU核数.mem: 表示当前WorkerActor对象的内存大小.cup_list: 表示当前WorkerActor对象的CPU核心数的取值范围.mem_list: 表示当前WorkerActor对象的内存大小的取值范围.
  3. 在WorkerActor的preStart()方法中, 封装注册信息, 并发送给MasterActor.
  4. 在MasterActor中接收WorkerActor提交的注册信息, 并保存到双列集合中..
  5. MasterActor给WorkerActor发送回执信息(注册成功信息.).
  6. 在WorkerActor中接收MasterActor回复的 注册成功信息.

参考代码

  • WorkerActor.scala文件中的代码
 //WorkerActor的地址: akka.tcp://actorSystem@.0.0.1:7100
object WorkerActor extends Actor {
    // 定义成员变量, 记录MasterActor的引用, 以及WorkerActor提交的注册参数信息.
    private var masterActorRef: ActorSelection = _    //表示MasterActor的引用.
    private var workerid:String = _                   //表示WorkerActor的id
    private var cpu:Int = _                           //表示WorkerActor的CPU核数
    private var mem:Int = _                           //表示WorkerActor的内存大小.
    private val cpu_list = List(, 2, 3, 4, 6, 8)  //CPU核心数的取值范围
    private val mem_list = List(, 1024, 2048, 4096) //内存大小取值范围


    //. 重写preStart()方法, 里边的内容: 在Actor启动之前就会执行.
    override def preStart(): Unit = {
        //. 获取Master的引用.
        masterActorRef = context.actorSelection("akka.tcp://actorSystem@.0.0.1:7000/usre/masterActor")

        //. 构建注册消息.
        workerid = UUID.randomUUID().toString     //设置workerActor的id
        val r = new Random()
        cpu = cpu_list(r.nextInt(cpu_list.length))
        mem = mem_list(r.nextInt(mem_list.length))
        //. 将WorkerActor的提交信息封装成 WorkerRegisterMessage对象.
        var registerMessage = WorkerRegisterMessage(workerid, cpu, mem)
        //. 发送消息给MasterActor.
        masterActorRef ! registerMessage
    }

    override def receive: Receive = {
        case x => println(x)
    }
} 
  • MasterActor.scala文件中的代码
 //Master: 用来管理多个Worker的.
//MasterActor的路径: akka.tcp://actorSystem@.0.0.1:7000
object MasterActor extends Actor{
    //. 定义一个可变的Map集合, 用来保存注册成功好的Worker信息.
    private val regWorkerMap = collection.mutable.Map[String, WorkerInfo]()

    override def receive: Receive = {
        case WorkerRegisterMessage(workId, cpu, mem) => {
            //. 打印接收到的注册信息
            println(s"MasterActor: 接收到worker注册信息, ${workId}, ${cpu}, ${mem}")

            //. 把注册成功后的保存信息保存到: workInfo中.
            regWorkerMap +=  workId -> WorkerInfo(workId, cpu, mem)

            //. 回复一个注册成功的消息.
            sender ! RegisterSuccessMessage
        }
    }
} 
  • 修改WorkerActor.scala文件中receive()方法的代码
 override def receive: Receive = {
    case RegisterSuccessMessage => println("WorkerActor: 注册成功!")
} 

5.6 Worker定时发送心跳阶段

需求

Worker接收到Master返回的注册成功信息后,定时给Master发送心跳消息。而Master收到Worker发送的心跳消息后,需要更新对应Worker的最后心跳时间。

思路分析

  1. 编写工具类读取心跳发送时间间隔
  2. 创建心跳消息
  3. Worker接收到注册成功后,定时发送心跳消息
  4. Master收到心跳消息,更新Worker最后心跳时间
  5. 启动测试

具体步骤

  1. 在worker的src/main/resources文件夹下的 application.conf文件中添加一个配置. worker.heartbeat.interval = 5 //配置worker发送心跳的周期(单位是 s)
  2. 在worker项目的com.itheima.spark.work包下创建一个新的单例对象: ConfigUtils, 用来读取配置文件信息.
  3. 在WorkerActor的receive()方法中, 定时给MasterActor发送心跳信息.
  4. Master接收到心跳消息, 更新Worker最后心跳时间. .

参考代码

  • worker项目的ConfigUtils.scala文件中的代码
 object ConfigUtils {
    //. 获取配置信息对象.
    private val config = ConfigFactory.load()
    //. 获取worker心跳的具体周期
    val `worker.heartbeat.interval` = config.getInt("worker.heartbeat.interval")
} 
  • 修改WorkerActor.scala文件的receive()方法中的代码
 override def receive: Receive = {
    case RegisterSuccessMessage => {
        //. 打印接收到的 注册成功消息
        println("WorkerActor: 接收到注册成功消息!")
        //. 导入时间单位隐式转换 和 隐式参数
        import scala.concurrent.duration._
        import context.dispatcher  

        //. 定时给Master发送心跳消息.
        context.system.scheduler.schedule( seconds, ConfigUtil.`worker.heartbeat.interval` seconds){
            //.1 采用自定义的消息的形式发送 心跳信息.
            masterActorRef ! WorkerHeartBeatMessage(workerId, cpu, mem)
        }
    }
} 
  • MasterActor.scala文件中的代码
 object MasterActor extends Actor {
    //. 定义一个可变的Map集合, 用来保存注册成功好的Worker信息.
    private val regWorkerMap = collection.mutable.Map[String, WorkerInfo]()

    override def receive: Receive = {
        //接收注册信息.
        case WorkerRegisterMessage(workId, cpu, mem) => {
            //. 打印接收到的注册信息
            println(s"MasterActor: 接收到worker注册信息, ${workId}, ${cpu}, ${mem}")

            //. 把注册成功后的保存信息保存到: workInfo中.
            regWorkerMap += workId -> WorkerInfo(workId, cpu, mem, new Date().getTime)

            //. 回复一个注册成功的消息.
            sender ! RegisterSuccessMessage
        }

        //接收心跳消息
        case WorkerHeartBeatMessage(workId, cpu, mem) => {
            //. 打印接收到的心跳消息.
            println(s"MasterActor: 接收到${workId}的心跳信息")

            //. 更新指定Worker的最后一次心跳时间.
            regWorkerMap += workId -> WorkerInfo(workId, cpu, mem, new Date().getTime)
            //. 为了测试代码逻辑是否OK, 我们可以打印下 regWorkerMap的信息
            println(regWorkerMap)
        }
    }
} 

5.7 Master定时心跳检测阶段

需求

如果某个worker超过一段时间没有发送心跳,Master需要将该worker从当前的Worker集合中移除。可以通过Akka的定时任务,来实现心跳超时检查。

思路分析

  1. 编写工具类,读取检查心跳间隔时间间隔、超时时间
  2. 定时检查心跳,过滤出来大于超时时间的Worker
  3. 移除超时的Worker
  4. 对现有Worker按照内存进行降序排序,打印可用Worker

具体步骤

  1. 修改Master的application.conf配置文件, 添加两个配置
  2. #配置检查Worker心跳的时间周期(单位: 秒) master.check.heartbeat.interval = 6 master.check.heartbeat.timeout = 15
  3. 在Master项目的com.itheima.spark.master包下创建: ConfigUtils工具类(单例对象), 用来读取配置文件信息.
  4. 在MasterActor中开始检查心跳(即: 修改MasterActor#preStart中的代码.).
  5. 开启Master, 然后开启Worker, 进行测试.

参考代码

  • Master项目的ConfigUtils.scala文件中的代码
 //针对Master的工具类.
object ConfigUtil {
    //. 获取到配置文件对象.
    private val config: Config = ConfigFactory.load()
    //. 获取检查Worker心跳的时间周期(单位: 秒)
    val `master.check.heartbeat.interval` = config.getInt("master.check.heartbeat.interval")
    //. 获取worker心跳超时的时间(秒)
    val `master.check.heartbeat.timeout` = config.getInt("master.check.heartbeat.timeout")
} 
  • MasterActor.scala文件的preStart()方法中的代码
 //. 定时检查worker的心跳信息
override def preStart(): Unit = {
    //.1 导入时间转换隐式类型 和 定时任务隐式变量
    import scala.concurrent.duration._
    import context.dispatcher

    //.2 启动定时任务.
    context.system.scheduler.schedule( seconds, ConfigUtil.`master.check.heartbeat.interval` seconds) {
        //.3 过滤大于超时时间的Worker.
        val timeOutWorkerMap = regWorkerMap.filter {
            keyval =>
            //.3.1 获取最后一次心跳更新时间.
            val lastHeatBeatTime = keyval._.lastHeartBeatTime
            //.3.2 超时公式: 当前系统时间 - 最后一次心跳时间 > 超时时间(配置文件信息 * 1000)
            if (new Date().getTime - lastHeatBeatTime > ConfigUtil.`master.check.heartbeat.timeout` *) true else false
        }
        //.4 移除超时的Worker
        if(!timeOutWorkerMap.isEmpty) {
            //如果要被移除的Worker集合不为空, 则移除此 timeOutWorkerMap
            //注意: 双列集合是根据键移除元素的, 所以最后的 _._是在获取键.
            regWorkerMap --= timeOutWorkerMap.map(_._)
        }
        //.5 对worker按照内存大小进行降序排序, 打印Worker
        //_._ 获取所有的WorkInfo对象.
        val workerList = regWorkerMap.map(_._).toList
        //.6 按照内存进行降序排序.
        val sortedWorkerList = workerList.sortBy(_.mem).reverse
        //.7 打印结果
        println("按照内存的大小降序排列的Worker列表: ")
        println(sortedWorkerList)
    }
} 

5.8 多个Worker测试阶段

需求

修改配置文件,启动多个worker进行测试。

大白话: 启动一个Worker, 就修改一次Worker项目下的application.conf文件中记录的端口号, 然后重新开启Worker即可.

步骤

  1. 测试启动新的Worker是否能够注册成功
  2. 停止Worker,测试是否能够从现有列表删除