摘要

也许您已经听说过Akka，一种用于建造可伸缩，弹性且高效应用程序的工具包，支持Java和Scala编程语言。Akka包括了16个开源或商业的模块，帮助开发者构建从单JVM的Actor到网络分区修复，跨多个JVM的分布式集群等功能。如此多的特性，架构师和开发者如何从高层的角度理解Akka？读完本系列白皮书，您将更好的理解Akka “从A到Z”，这趟旅程从简单的Actor开始，直到集群系统结束，您将会学到以下知识：

• Akka Actors如何运作，从创建系统到管理监督和路由
• Akka 使用Akka Streams 和 Alpakka实现Reactive Streams的方式
• 如何用Akka建造分布式集群系统，甚至集群中的集群
• 对于分布式数据，分布式持久化，发布-订阅 和 ES/CQRS，Akka工具包如何通过多种组件提供开箱即用的解决方案
• 可用的Akka商业版技术有哪些，它们是如何工作的

Akka的历史

Akka开始与1973（以IT世界的时间计算的话，相当于8000年前），在MIT的实验室，数学博士Carl Hewitt 合作发表了论文《A Universal Modular Actor Formalism for Artificial Intelligence》，在这篇论文中，介绍了一种数据模型，将actors作为并发计算的通用原子类型。

“提出Actor 模型是基于高度并行计算的前景，计算系统可能由成百上千的独立微处理器组成，每个处理器都拥有自己的本地内存和通讯处理器，可以通过高性能通讯网络在相互之间进行通讯”
--Carl Hewitt

在那个时候，跨多种云基础架构的低延迟并发计算在商业上并不可行，一直到企业级云计算的到来。
2009年，湾光公司的合伙人兼CTO Jonas Bonér，创建了Akka项目，希望在JVM上构造一种分布式，高并发，事件驱动的Actor模型实现，就像 Erlang语言实现的Actor模型一样。
现在到了2018年，离Akka十周年之剩一年之际，我们仍在继续我们的目标，将构建多核，异步，自愈，并且高伸缩性系统的能力带给Java和Scala的架构师和开发者，而无需关注所有隐藏在后的底层细节。

figure1.png

值得注意的是，Akka是一个JVM工具包，而不是一个框架（例如Play 或者 Lagom).虽然面临开源和商业组件的选择（Lightbend Enterprise Suite的一部分），本系列文章将关注在actors, streams，HTTP，集群，持久化和部署概念上。
这趟旅程将从独立的actors开始，介绍监督和自愈的行为模式，然后讲解通过Akka Streams, Akka HTTP 和 Alpakka实现Reactive Steams，再介绍事件Sroucing的分布式持久化和CQRS，微服务。最后到分布式集群以及如何管理，监控，编排集群。
了解了蓝图，让我们从Akka Actors开始吧。

第一部分 Akka Actors 及其工作方式

Actor 模型

让我们从Akka系统的原子或分子级别来看看actors，相对于大多数开发者来说，这是一种完全不同的编程方式。许多开发者学习过面向对象编程，甚至函数式编程，大多数情况下，这是必要的，同步方式编程设计到了很多线程和相关元素。
然而Actor 模型有很大不同，一个Actor本身是一个class，可以用Java或者Scala实现，actor具备方法，但是actor最大的不同在于actor的方法并不是在actor外部直接被别的类访问调用的。
不直接调用actor的方法，这需要改变原来的习惯。和actor交互的唯一方式是通过Akka提供的 actor system向actor发送消息。

figurep1-1.png

在actors中，actor之间消息是异步发送的，而不是同步的，如图一所示，消息首先存入待处理消息收件箱，actor遍历收件箱，一个一个地处理消息。这就是actor的基本机制，Akka系统就是由许多个actor构成，actor之间互相通过发送消息进行通讯。

figurep1-2.png

其工作原理如图2所示: actor A 发送消息给 actor B. 这是一个异步消息,就像两个人互相发送短信。A 发送给 B一条消息, A可以继续干别的事情，A并不会挂起等待B的回应，这和传统的面向对象的方法调用不一样，传统的方法调用必须等待方法返回。在这个例子中，A发了消息就继续往下执行了，或者执行别的代码，或者没有代码执行，啥也不干。

figurep1-3.png

在图3中 B 收到A发送的消息，触发了状态的改变，例如B代表一个银行账户，消息代表取款动作的发生，因此状态改变即更新账户余额，如果需要，B可以给A发送一条回执消息：“已完成状态更新”
现实中，actors A和B可能运行在分布式环境，B可能在另一个机器上无法回应。从一开始，这就提出了关于该做什么的问题；B从A获得消息，完成任务，也许会发送一条回执消息。但这个流程也可能发生故障。

figurep1-4.png

图4 展示了A能够直接向Akka的actor system报告一个请求： “请在未来某个时间点给我发送一个消息“，可以是几毫秒，几秒或者几分钟之后。这个使用的场景是A向B发送消息，得不到回应的情况下，一个超时的消息将会被发送。

figurep1-5.png

在图5中，A获取到超时消息，A处理两种类型的消息：从B得到的回应消息或者超时消息。换句话说，A知道这两种情形下分别该如何处理，这和异常处理不同，大多数异常只是被抛出，而在Akka中，弹性（resilience）是架构中就考虑的特性，而不是事后的想法。

Actor监督 (自修复)

figurep1-6.png

弹性是Akka设计的一部分，让我们来看看Actor的监督机制。Actor能够创建子Actor，形成Actor的层级关系，就像我们在图6中看到的一样。在这个例子中，actor A是监督者，创建了多个干活的actor，他们之间是一种"父-子"关系或者 “监督者-工作者”的关系。

监督者和工作者之间的关系是一种监督策略，当干活的actor处理消息遇到问题的时候，它自己并不处理这个异常，而是由监督者来处理，这种监督策略是定义好的，但也可以定制化。总之，对于工作actor出现的异常，监管actor始终有一个应对计划。

监督者A的响应包括：异常不严重的情况下恢复工作actor，继续执行；或者重启工作actor；或者这个问题实在太严重，需要停止工作actor；最极端的情况是，监督者也无法处理此问题，因此将问题向上报告给它的上级监督者。

因此，根据严重程度，问题可以在层次结构中逐级上升，这都处于开发者的控制之下。要记住的是，这是处理问题的明确方式。

对于actor系统的初学者，往往容易在actor中写入很多的逻辑。随着对actor模型越来越熟悉，会更容易地使用分而治之的策略。

figurep1-7.png

分而治之的目的是为了降低风险，通过构建层次结构的Actor来代理有风险的操作，从而降低影响。

在图1-7中，我们有A1,B1和C3，C3将一些有风险的行为委托给actor D(D3)，叶子节点用红色标记这些Actor做的是有风险的操作，例如通过网络和数据库通讯。有风险是因为网络可能中断，数据库可能宕机，或者其他的因素都可能导致错误。

通过将风险的行为推给下层工作的Actor，上层的Actor得到了某种程度的保护。通过Actor的层次结构，工作被委托给更加细粒度的专门的Actor，就像图中把风险行为推给树的叶子节点。

路由和并发

Akka专注于多线程，多核并发，使我们能轻松处理以前需要手工管理多线程的操作。多线程的事情很容易变复杂，所以Akka提供了开箱即用的并发特性，不会遇到Java和Scala中多线程编程的许多技术挑战。

figurep1-8.png

在图1-8中，我们有Actor A和B，以及作为路由的actor R，R创建了一批工作的actor W，A发送消息给路由actor R，要求完成某项工作，R实际并不做这些工作，而是将工作代理给底下的actor W

figurep1-9.png

在图-9中，当actor W在完成A的任务时，这时B发了一个消息给路由actor R，要求完成一些工作。R会转发消息给底下其他的某一个W，这样我们就实现了多线程并发而不用写任何代码。从A和B的视角看，R在同一时刻做了很多工作，但是R在幕后实际上是通过代理工作到许多actor W来实现的。

figurep1-10.png

在图1-10中，我们再来看看这个例子中的Akka监督策略。假设A发送了一个消息给路由R，路由R再转发给实际工作的W，但是W在运行过程中出错了。
在常用的“try-catch”方法编程中，捕获的异常通常是发送给A。然而在actor系统中，是监督者收到这个异常。因此在这个场景中是监督者R收到了异常，而不是A
这就是超时机制起作用的地方了，R发送一个响应给A说：“这里有一些问题，我无法完成你要求的任务”。无论如何，A没有看到异常，作为调用者无需处理问题。而且作为服务的消费者，最好也不是由它来处理，而是由服务的提供者来处理。

Actor模型作为Akka的核心，提供了许多强大的内置特性来管理并发和弹性。它展现了一种不同的思维方式，是一种高效且安全的方法构建分布式系统的方法。

总结：
› Actors 是消息驱动的,有状态的构建模块，模块间异步传递消息。
› 与传统的同步和阻塞不同，Actors 是轻量的，不阻塞线程
› Actor能创建Actor，使用监督层次结构来支持从错误自愈（弹性）。