使用Akka构建集群(二)
2018-03-14 10:58
253 查看
前言
在《使用Akka构建集群(一)》一文中通过简单集群监听器的样例演示了如何使用Akka搭建一个简单的集群。可是这个样例“或许”离我们的实际业务场景太远,你基本不太可能去做这种工作,除非你负责运维、监控相关的工作(但实际上一个合格的程序猿在实现功能的同一时候。也应当考虑监控的问题,至少应当接入一些监控系统或框架)。本文将介绍一个相对看来更符合我们对于集群使用的业务需求的样例——将client请求的字符串转换为大写(假如client真的没有这个能力的话)。
服务端
本文的Akka配置继续沿用《使用Akka构建集群(一)》一文中所展示的配置。但在正式编码之前我们须要在配置中增加一个新的配置项akka.cluster.roles指定集群中服务端的角色,又一次编辑过后的application.conf例如以下:akka { actor { provider = "akka.cluster.ClusterActorRefProvider" } remote { log-remote-lifecycle-events = off netty.tcp { hostname = "127.0.0.1" port = 2551 } } cluster { seed-nodes = [ "akka.tcp://metadataAkkaSystem@127.0.0.1:2551", "akka.tcp://metadataAkkaSystem@127.0.0.1:2552"] #//#snippet # excluded from snippet auto-down-unreachable-after = 10s #//#snippet # auto downing is NOT safe for production deployments. # you may want to use it during development, read more about it in the docs. # # auto-down-unreachable-after = 10s roles = [backend] # Disable legacy metrics in akka-cluster. metrics.enabled=off } }你仍然不须要过多产生于集群直接相关的细节。假设你已经阅读了《使用Akka构建集群(一)》一文。本文介绍的内容应该不会花费你太多的时间。
client与服务端通信须要一些pojo,它们的实现例如以下:
public interface TransformationMessages { public static class TransformationJob implements Serializable { private final String text; public TransformationJob(String text) { this.text = text; } public String getText() { return text; } } public static class TransformationResult implements Serializable { private final String text; public TransformationResult(String text) { this.text = text; } public String getText() { return text; } @Override public String toString() { return "TransformationResult(" + text + ")"; } } public static class JobFailed implements Serializable { private final String reason; private final TransformationJob job; public JobFailed(String reason, TransformationJob job) { this.reason = reason; this.job = job; } public String getReason() { return reason; } public TransformationJob getJob() { return job; } @Override public String toString() { return "JobFailed(" + reason + ")"; } } public static final String BACKEND_REGISTRATION = "BackendRegistration"; }TransformationJob代表待转换的任务,其text属性是须要处理的字符串文本;TransformationResult是任务处理的结果,其text属性是转换完毕的字符串文本;JobFailed是任务失败,其reason属性代表失败原因;字符串常量BACKEND_REGISTRATION用于服务端向client注冊,以便于client知道有哪些服务端能够提供服务。
服务端用于将字符串转换为大写的Actor(正如我之前的文章所言,真正的处理应当从Actor中分离出去,仅仅少通过接口解耦)的实现见代码清单1所看到的。
代码清单1
@Named("TransformationBackend") @Scope("prototype") public class TransformationBackend extends UntypedActor { private static Logger logger = LoggerFactory.getLogger(TransformationBackend.class); Cluster cluster = Cluster.get(getContext().system()); // subscribe to cluster changes, MemberUp @Override public void preStart() { cluster.subscribe(getSelf(), MemberUp.class); } // re-subscribe when restart @Override public void postStop() { cluster.unsubscribe(getSelf()); } @Override public void onReceive(Object message) { if (message instanceof TransformationJob) { TransformationJob job = (TransformationJob) message; logger.info(job.getText()); getSender().tell(new TransformationResult(job.getText().toUpperCase()), getSelf()); } else if (message instanceof CurrentClusterState) { CurrentClusterState state = (CurrentClusterState) message; for (Member member : state.getMembers()) { if (member.status().equals(MemberStatus.up())) { register(member); } } } else if (message instanceof MemberUp) { MemberUp mUp = (MemberUp) message; register(mUp.member()); } else { unhandled(message); } } void register(Member member) { if (member.hasRole("frontend")) getContext().actorSelection(member.address() + "/user/transformationFrontend").tell(BACKEND_REGISTRATION, getSelf()); } }TransformationBackend在preStart方法中订阅了集群的MemberUp事件,这样当它发现新注冊的集群成员节点的角色是frontend(前端)时,将向此节点发送BACKEND_REGISTRATION消息,后者将会知道前者提供了服务。TransformationBackend所在的节点在刚刚增加集群时,TransformationBackend还会收到CurrentClusterState消息,从中能够解析出集群中的全部前端节点(即roles为frontend的),并向其发送BACKEND_REGISTRATION消息。
经过以上两步能够确保集群中的前端节点和后端节点不管启动或增加集群的顺序如何变化,都不会影响后端节点通知全部的前端节点及前端节点知道哪些后端节点提供了服务。
client
client除了监听port不同外。也须要增加akka.cluster.roles配置项,我们指定为frontend。client的配置例如以下:
akka { actor { provider = "akka.cluster.ClusterActorRefProvider" } remote { log-remote-lifecycle-events = off netty.tcp { hostname = "127.0.0.1" port = 0 } } cluster { seed-nodes = [ "akka.tcp://metadataAkkaSystem@127.0.0.1:2551", "akka.tcp://metadataAkkaSystem@127.0.0.1:2552"] #//#snippet # excluded from snippet auto-down-unreachable-after = 10s #//#snippet # auto downing is NOT safe for production deployments. # you may want to use it during development, read more about it in the docs. # # auto-down-unreachable-after = 10s roles = [frontend] } }client用于处理转换任务的Actor见代码清单2所说。
代码清单2
@Named("TransformationFrontend") @Scope("prototype") public class TransformationFrontend extends UntypedActor { List<ActorRef> backends = new ArrayList<ActorRef>(); int jobCounter = 0; @Override public void onReceive(Object message) { if ((message instanceof TransformationJob) && backends.isEmpty()) { TransformationJob job = (TransformationJob) message; getSender().tell( new JobFailed("Service unavailable, try again later", job), getSender()); } else if (message instanceof TransformationJob) { TransformationJob job = (TransformationJob) message; jobCounter++; backends.get(jobCounter % backends.size()) .forward(job, getContext()); } else if (message.equals(BACKEND_REGISTRATION)) { getContext().watch(getSender()); backends.add(getSender()); } else if (message instanceof Terminated) { Terminated terminated = (Terminated) message; backends.remove(terminated.getActor()); } else { unhandled(message); } } }能够看到TransformationFrontend处理的消息分为以下三种:
BACKEND_REGISTRATION:收到此消息说明有服务端通知client,TransformationFrontend首先将服务端的ActorRef增加backends列表,然后对服务端的ActorRef增加监管。
Terminated:由于TransformationFrontend对服务端的ActorRef增加了监管,所以当服务端进程奔溃或者重新启动时。将收到Terminated消息。此时TransformationFrontend将此服务端的ActorRef从backends列表中移除;
TransformationJob:此消息说明有新的转换任务须要TransformationFrontend处理,处理分两种情况:
backends列表为空,则向发送此任务的发送者返回JobFailed消息,并告知“眼下没有服务端可用,请稍后再试”。
backends列表不为空,则通过取模运算选出一个服务端。将TransformationJob转发给服务端进一步处理;
执行展示
初始化服务端TransformationBackend的代码例如以下:logger.info("Start transformationBackend"); final ActorRef transformationBackend = actorSystem.actorOf(springExt.props("TransformationBackend"), "transformationBackend"); actorMap.put("transformationBackend", transformationBackend); logger.info("Started transformationBackend");初始化clientTransformationFrontend的代码例如以下:
logger.info("Start transformationFrontend"); final ActorRef transformationFrontend = actorSystem .actorOf(springExt.props("TransformationFrontend"), "transformationFrontend"); actorMap.put("transformationFrontend", transformationFrontend); logger.info("Started transformationFrontend"); final FiniteDuration interval = Duration.create(2, TimeUnit.SECONDS); final Timeout timeout = new Timeout(Duration.create(5, TimeUnit.SECONDS)); final ExecutionContext ec = actorSystem.dispatcher(); final AtomicInteger counter = new AtomicInteger(); actorSystem.scheduler().schedule(interval, interval, new Runnable() { public void run() { ask(transformationFrontend, new TransformationJob("hello-" + counter.incrementAndGet()), timeout) .onSuccess(new OnSuccess<Object>() { public void onSuccess(Object result) { logger.info(result.toString()); } }, ec); } }, ec);能够看到我们在client每2秒将发送一个新的消息,这个消息以“hello-”开头,后边是一个不断自增的数字。当收到处理结果后,client还会将结果打印出来。
我们以3个服务端节点(host同样,port分别为2551、2552及随机)、1个client节点(port随机)组成的集群为例,我们首先启动第一个种子节点,然后以随意顺序启动其他服务端或者client节点(启动顺序问题在《使用Akka构建集群(一)》一文中已介绍,此处不再赘述),集群成员变化的日志例如以下图:
从上面展示的日志中能够看到集群的3个服务端节点和1个client节点先后增加集群的信息。 我们再来看看port为57222的角色为frontend的节点的日志信息。例如以下图:
从frontend的日志看出,它已经打印了大写得HELLO-3到HELLO-10十条任务处理结果。那么这些任务各自是由集群中的哪些节点负责处理的?我们首先来看看port为2551的backend节点,其处理任务的日志例如以下图:
看来2551节点处理了hello-4、hello-7及hello-10三条任务。
我们再来看看port为2552的backend节点,其处理任务的日志例如以下图:
能够看到2552节点处理了hello-2、hello-5及hello-8三条任务。最后看看port为57211的backend节点。其处理任务的日志例如以下图:
能够看到从hello-3到hello-10这8条处理任务被均衡的分配给了3个不同的后端节点处理。
奇怪的是hello-1这条消息竟然没有不论什么显示,那是由于前端节点刚開始处理消息时。backends列表里还没有缓存好不论什么backend的ActorRef。我们向上查找frontend节点的日志。在相隔非常远的日志中发现了以下的输出:
这也印证了我们的推測。
总结
依据本文的样例,大家应当看到使用Akka构建集群,开发者仅仅须要关注消息的发送与接收,而无需过多涉及集群的细节。不管前端还是后端节点都能够增加同一个集群。并且多个后端节点处理消息也能达到负载均衡的功效。其他Akka应用的博文例如以下:
《Spring与Akka的集成》;
《使用Akka的远程调用》;
《使用Akka构建集群(一)》;
《使用Akka构建集群(二)》。
《使用Akka持久化——持久化与快照》;
《使用Akka持久化——消息发送与接收》;
后记:个人总结整理的《深入理解Spark:核心思想与源代码分析》一书如今已经正式出版上市。眼下京东、当当、天猫等站点均有销售。欢迎感兴趣的同学购买。
京东:http://item.jd.com/11846120.html
当当:http://product.dangdang.com/23838168.html
相关文章推荐
- 使用Akka构建集群(一)
- 使用Akka构建集群(一)
- 使用Akka构建集群(一)
- 使用Akka构建集群(二)
- 使用Docker构建ELK Docker集群日志收集系统
- 使用Docker构建持续集成与自动部署的Docker集群
- 使用Docker构建redis集群
- 【转】使用Akka、Kafka和ElasticSearch等构建分析引擎
- 在 Web 项目中使用 Redis 快速构建系统缓存(单机版/集群版)
- 使用jenkins、docker、consul、nginx搭建支持自动化构建部署以及弹性伸缩的集群系统详细教程
- 使用Jenkins进行持续构建与发布应用到Kubernetes集群中
- 使用Nginx构建一个“高”可用的PHP集群
- 使用Ambari-2.2.2快速构建大数据处理集群
- 使用LVS构建可伸缩WEB集群
- Redis-使用redis-trib构建集群
- 使用Docker如何构建Flink集群?
- JBoss 系列四十八:JBoss 7/WildFly 使用TCP构建集群
- JBoss 系列四十八:JBoss 7/WildFly 使用TCP构建集群
- 使用Docker构建持续集成与自动部署的Docker集群
- 使用Docker构建持续集成与自动部署的Docker集群