大数据系列修炼-Scala课程90
2016-10-15 09:04
281 查看
大数据系列修炼-Scala课程90
核心内容:
1、基于Scala的Actor之上的分布式并发消息驱动框架Akka初体验
1>Akka是一个用Scala编写的库,用于简化编写容错的、高可伸缩性的Java和Scala的Actor模型应用。它分为开发库和运行环境,可以用于
构建并发、分布式、可容错、事件驱动的基于Java虚拟机的应用。使构建高并发的分布式应用更加容易。
2>Akka基于的模型是Scala中的Actor模型。
3>并发的消息驱动的编程模型首选Akka
4>Spark是一个分布式的并行计算框架,主从节点在通信的时候基本上使用的都是Akka,包括客户端在提交程序的时候也会使用Akka
5>对于Akka中的Actor,每个Actor都有自己的状态和行为,即属性与方法,Actor会不断的循环自己的邮箱mailBox,来接受其余Actor
发送过来的消息。
实例程序1:复习Scala中的Actor
运行结果:
如有问题,欢迎留言指正!
核心内容:
1、基于Scala的Actor之上的分布式并发消息驱动框架Akka初体验
1、基于Scala的Actor之上的分布式并发消息驱动框架Akka初体验 |
构建并发、分布式、可容错、事件驱动的基于Java虚拟机的应用。使构建高并发的分布式应用更加容易。
2>Akka基于的模型是Scala中的Actor模型。
3>并发的消息驱动的编程模型首选Akka
4>Spark是一个分布式的并行计算框架,主从节点在通信的时候基本上使用的都是Akka,包括客户端在提交程序的时候也会使用Akka
5>对于Akka中的Actor,每个Actor都有自己的状态和行为,即属性与方法,Actor会不断的循环自己的邮箱mailBox,来接受其余Actor
发送过来的消息。
实例程序1:复习Scala中的Actor
class A extends Actor { override def act()= { for(i<- 1 to 10) { println("Step:"+i) Thread.sleep(2000) } } } class B extends Actor { override def act()= { for(i<- 1 to 10) { println("StepFuther:"+i) Thread.sleep(2000) } } } object App6 { def main(args:Array[String]):Unit = { val aa = new A() val bb = new B() aa.start() //start具有两层含义:向下开辟一个新的线程,并执行本线程所对应的act方法 bb.start() } }
运行结果:
Step:1 StepFuther:1 StepFuther:2 Step:2 StepFuther:3 Step:3 Step:4 StepFuther:4 Step:5 StepFuther:5 Step:6 StepFuther:6 Step:7 StepFuther:7 Step:8 StepFuther:8 StepFuther:9 Step:9 StepFuther:10 Step:10
如有问题,欢迎留言指正!
相关文章推荐
- 大数据系列修炼-Scala课程39
- 大数据系列修炼-Scala课程41
- 大数据系列修炼-Scala课程45
- 大数据系列修炼-Scala课程84
- 大数据系列修炼-Scala课程88
- 大数据系列修炼-Scala课程96(2)
- 大数据系列修炼-Scala课程08
- 大数据系列修炼-Scala课程33
- 大数据系列修炼-Scala课程40
- 大数据系列修炼-Scala课程07
- 大数据系列修炼-Scala课程97
- 大数据系列修炼-Scala课程05
- 大数据系列修炼-Scala课程34
- 大数据系列修炼-Scala课程74
- 大数据系列修炼-Scala课程77
- 大数据系列修炼-Scala课程80
- 大数据系列修炼-Scala课程18
- 大数据系列修炼-Scala课程25
- 大数据系列修炼-Scala课程78
- 大数据系列修炼-Scala课程83