66.Scala并发编程实战初体验及其在Spark源码中的应用解析

程序宏大时java并发编程变得非常复杂，
java并发编程的理念是：基于共享数据和加锁
java多线程同时访问一个加锁数据时易发生死锁

scala的并发编程：actor。与java实现方式完全不同，actor不共享数据，依赖消息传递
A传给B消息，B不停看收件箱。
B看到邮件后处理。

import scala.actors.Actor

object First_Actor extends Actor{
  def act(){
    println(Thread.currentThread().getName())
    for(i <- 1 to 10){
      println("step : " + i)
      Thread.sleep(2000)
    }
  }
}

object Second_Actor extends Actor{
  def act(){
    println(Thread.currentThread().getName())
    for(i <- 1 to 10){
      println("step : " + i)
      Thread.sleep(2000)
    }
  }
}

object Hello_Actor_66 {
  def main(args: Array[String]): Unit = {
    First_Actor.start  //启动线程
    Second_Actor.start
  }
}

输出：

ForkJoinPool-1-worker-29
ForkJoinPool-1-worker-11
step : 1
step : 1
step : 2
step : 2
step : 3
step : 3
step : 4
step : 4
step : 5
step : 5
step : 6
step : 6
step : 7
step : 7
step : 8
step : 8
step : 9
step : 9
step : 10
step : 10

Actor在Spark中的应用如下图：

参考资料来源于大数据梦工厂 深入浅出scala 第66讲 由王家林老师讲解