平時的開發(fā)中線程是個少不了的東西，比如tomcat里的servlet就是線程，沒有線程我們?nèi)绾翁峁┒嘤脩粼L問呢?不過很多剛開始接觸線程的開發(fā)工程師卻在這個上面吃了不少苦頭。怎么做一套簡便的線程開發(fā)模式框架讓大家從單線程開發(fā)快速轉(zhuǎn)入多線程開發(fā)，這確實是個比較難搞的工程。
那具體什么是線程呢?首先看看進程是什么，進程就是系統(tǒng)中執(zhí)行的一個程序，這個程序可以使用內(nèi)存、處理器、文件系統(tǒng)等相關(guān)資源。例如QQ軟件、Eclipse、Tomcat等就是一個exe程序，運行啟動起來就是一個進程。為什么需要多線程?如果每個進程都是單獨處理一件事情不能多個任務(wù)同時處理，比如我們打開qq只能和一個人聊天，我們用eclipse開發(fā)代碼的時候不能編譯代碼，我們請求tomcat服務(wù)時只能服務(wù)一個用戶請求，那我想我們還在原始社會。多線程的目的就是讓一個進程能夠同時處理多件事情或者請求。比如現(xiàn)在我們使用的QQ軟件可以同時和多個人聊天，我們用eclipse開發(fā)代碼時還可以編譯代碼，tomcat可以同時服務(wù)多個用戶請求。
線程這么多好處，怎么把單進程程序變成多線程程序呢?不同的語言有不同的實現(xiàn)，這里說下java語言的實現(xiàn)多線程的兩種方式：擴展java.lang.Thread類、實現(xiàn)java.lang.Runnable接口。
先看個例子，假設(shè)有100個數(shù)據(jù)需要分發(fā)并且計算。看下單線程的處理速度：
package thread;
import java.util.Vector;
public class OneMain {
public static void main(String[] args) throws InterruptedException {
Vector list = new Vector(100);
for (int i = 0; i < 100; i++) {
list.add(i);
}
long start = System.currentTimeMillis();
while (list.size() > 0) {
int val = list.remove(0);
Thread. sleep(100);//模擬處理
System. out.println(val);
}
long end = System.currentTimeMillis();
System. out.println("消耗 " + (end - start) + " ms");
}
// 消耗 10063 ms
}
再看一下多線程的處理速度，采用了10個線程分別處理：
package thread;
import java.util.Vector;
import java.util.concurrent.CountDownLatch;
public class MultiThread extends Thread {
static Vector list = new Vector(100);
static CountDownLatch count = new CountDownLatch(10);
public void run() {
while (list.size() > 0) {
try {
int val = list.remove(0);
System.out.println(val);
Thread.sleep(100);//模擬處理
} catch (Exception e) {
// 可能數(shù)組越界，這個地方只是為了說明問題，忽略錯誤
}
}
count.countDown(); // 刪除成功減一
}
public static void main(String[] args) throws InterruptedException {
for (int i = 0; i < 100; i++) {
list.add(i);
}
long start = System.currentTimeMillis();
for (int i = 0; i < 10; i++) {
new MultiThread().start();
}
count.await();
long end = System.currentTimeMillis();
System.out.println("消耗 " + (end - start) + " ms");
}
// 消耗 1001 ms
}
大家看到了線程的好處了吧!單線程需要10S，10個線程只需要1S。充分利用了系統(tǒng)資源實現(xiàn)并行計算。也許這里會產(chǎn)生一個誤解，是不是增加的線程個數(shù)越多效率越高。線程越多處理性能越高這個是錯誤的，范式都要合適，過了就不好了。需要普及一下計算機硬件的一些知識。我們的cpu是個運算器，線程執(zhí)行就需要這個運算器來運行。不過這個資源只有一個，大家就會爭搶。一般通過以下幾種算法實現(xiàn)爭搶cpu的調(diào)度：
隊列方式，先來先服務(wù)。不管是什么任務(wù)來了都要按照隊列排隊先來后到。
時間片輪轉(zhuǎn)，這也是最古老的cpu調(diào)度算法。設(shè)定一個時間片，每個任務(wù)使用cpu的時間不能超過這個時間。如果超過了這個時間就把任務(wù)暫停保存狀態(tài)，放到隊列尾部繼續(xù)等待執(zhí)行。
優(yōu)先級方式：給任務(wù)設(shè)定優(yōu)先級，有優(yōu)先級的先執(zhí)行，沒有優(yōu)先級的就等待執(zhí)行。
這三種算法都有優(yōu)缺點，實際操作系統(tǒng)是結(jié)合多種算法，保證優(yōu)先級的能夠先處理，但是也不能一直處理優(yōu)先級的任務(wù)。硬件方面為了提高效率也有多核cpu、多線程cpu等解決方案。目前看得出來線程增多了會帶來cpu調(diào)度的負載增加，cpu需要調(diào)度大量的線程，包括創(chuàng)建線程、銷毀線程、線程是否需要換出cpu、是否需要分配到cpu。這些都是需要消耗系統(tǒng)資源的，由此，我們需要一個機制來統(tǒng)一管理這一堆線程資源。線程池的理念提出解決了頻繁創(chuàng)建、銷毀線程的代價。線程池指預(yù)先創(chuàng)建好一定大小的線程等待隨時服務(wù)用戶的任務(wù)處理，不必等到用戶需要的時候再去創(chuàng)建。特別是在java開發(fā)中，盡量減少垃圾回收機制的消耗就要減少對象的頻繁創(chuàng)建和銷毀。
之前我們都是自己實現(xiàn)的線程池，不過隨之jdk1.5的推出，jdk自帶了java.util.concurrent并發(fā)開發(fā)框架，解決了我們大部分線程池框架的重復(fù)工作。可以使用Executors來建立線程池，列出以下大概的，后面再介紹。
newCachedThreadPool建立具有緩存功能線程池
newFixedThreadPool建立固定數(shù)量的線程
newScheduledThreadPool建立具有時間調(diào)度的線程
有了線程池后有以下幾個問題需要考慮：
線程怎么管理，比如新建任務(wù)線程。
線程如何停止、啟動。
線程除了scheduled模式的間隔時間定時外能否實現(xiàn)精確時間啟動。比如晚上1點啟動。
線程如何監(jiān)控，如果線程執(zhí)行過程中死掉了，異常終止我們怎么知道。
考慮到這幾點，我們需要把線程集中管理起來，用java.util.concurrent是做不到的。需要做以下幾點：
將線程和業(yè)務(wù)分離，業(yè)務(wù)的配置單獨做成一個表。
構(gòu)建基于concurrent的線程調(diào)度框架，包括可以管理線程的狀態(tài)、停止線程的接口、線程存活心跳機制、線程異常日志記錄模塊。
構(gòu)建靈活的timer組件，添加quartz定時組件實現(xiàn)精準定時系統(tǒng)。
和業(yè)務(wù)配置信息結(jié)合構(gòu)建線程池任務(wù)調(diào)度系統(tǒng)。可以通過配置管理、添加線程任務(wù)、監(jiān)控、定時、管理等操作。
組件圖為：
構(gòu)建好線程調(diào)度框架是不是就可以應(yīng)對大量計算的需求了呢?答案是否定的。因為一個機器的資源是有限的，上面也提到了cpu是時間周期的，任務(wù)一多了也會排隊，就算增加cpu，一個機器能承載的cpu也是有限的。所以需要把整個線程池框架做成分布式的任務(wù)調(diào)度框架才能應(yīng)對橫向擴展，比如一個機器上的資源達到瓶頸了，馬上增加一臺機器部署調(diào)度框架和業(yè)務(wù)就可以增加計算能力了。好了，如何搭建?如下圖：
基于jeeframework我們封裝spring、ibatis、數(shù)據(jù)庫等操作，并且可以調(diào)用業(yè)務(wù)方法完成業(yè)務(wù)處理。主要組件為：
任務(wù)集中存儲到數(shù)據(jù)庫服務(wù)器
控制中心負責(zé)管理集群中的節(jié)點狀態(tài)，任務(wù)分發(fā)
線程池調(diào)度集群負責(zé)控制中心分發(fā)的任務(wù)執(zhí)行
web服務(wù)器通過可視化操作任務(wù)的分派、管理、監(jiān)控。
一般這個架構(gòu)可以應(yīng)對常用的分布式處理需求了，不過有個缺陷就是隨著開發(fā)人員的增多和業(yè)務(wù)模型的增多，單線程的編程模型也會變得復(fù)雜。比如需要對1000w數(shù)據(jù)進行分詞，如果這個放到一個線程里來執(zhí)行，不算計算時間消耗光是查詢數(shù)據(jù)庫就需要耗費不少時間。有人說，那我把1000w數(shù)據(jù)打散放到不同機器去運算，然后再合并不就行了嗎?因為這是個特例的模式，專為了這個需求去開發(fā)相應(yīng)的程序沒有問題，但是以后又有其他的海量需求如何辦?比如把倒退3年的所有用戶發(fā)的帖子中發(fā)帖子最多的粉絲轉(zhuǎn)發(fā)的最高的用戶作息時間取出來。又得編一套程序?qū)崿F(xiàn)，太麻煩!分布式云計算架構(gòu)要解決的就是這些問題，減少開發(fā)復(fù)雜度并且要高性能，大家會不會想到一個最近很熱的一個框架，hadoop，沒錯就是這個玩意。hadoop解決的就是這個問題，把大的計算任務(wù)分解、計算、合并，這不就是我們要的東西嗎?不過玩過這個的人都知道他是一個單獨的進程。不是!他是一堆進程，怎么和我們的調(diào)度框架結(jié)合起來?看圖說話：
基本前面的分布式調(diào)度框架組件不變，增加如下組件和功能：
改造分布式調(diào)度框架，可以把本身線程任務(wù)變成mapreduce任務(wù)并提交到hadoop集群。
hadoop集群能夠調(diào)用業(yè)務(wù)接口的spring、ibatis處理業(yè)務(wù)邏輯訪問數(shù)據(jù)庫。
hadoop需要的數(shù)據(jù)能夠通過hive查詢。
hadoop可以訪問hdfs/hbase讀寫操作。
業(yè)務(wù)數(shù)據(jù)要及時加入hive倉庫。
hive處理離線型數(shù)據(jù)、hbase處理經(jīng)常更新的數(shù)據(jù)、hdfs是hive和hbase的底層結(jié)構(gòu)也可以存放常規(guī)文件。
這樣，整個改造基本完成。不過需要注意的是架構(gòu)設(shè)計一定要減少開發(fā)程序的復(fù)雜度。這里雖然引入了hadoop模型，但是框架上開發(fā)者還是隱藏的。業(yè)務(wù)處理類既可以在單機模式下運行也可以在hadoop上運行，并且可以調(diào)用spring、ibatis。減少了開發(fā)的學(xué)習(xí)成本，在實戰(zhàn)中慢慢體會就學(xué)會了 一項新技能。
界面截圖：
