并发1-并发模型

并发系统有多种并发模型：    

    并行工作者模式：    

    在并行工作者模式中，委派者接收到任务(如刚才说讲的listen to request)，分发给工作者完成任务(如handler request to work thread)。举个例子，如果在汽车工厂执行该模式，那么每个工人拿到图纸之后，该工人从头到尾负责整个产品。

    并行工作者模型虽然容易理解，但也有缺点：

    1.多个工作者需要共享数据，如果A工作者和B工作者共享了内存，那么每个工作者为了保持所操作的是最新数据版本，在每次调度之前都需要进行重新载入，刷新。

    2.无法保证执行顺序，例如作业A在作业B之前被分配了，但是作业B在作业A之前被执行。

    3.如果在存储中使用了阻塞的数据结构，那么同一时间只能允许一个线程来对数据结构进行操作，降低了并行性。

---

流水线模型（pipline）：

    如果说并发工作者像原始社会，缺乏分工，每个原始人拿到吃饭任务时，需要自己进行打猎，烹饪，保存等任务。

    那么流水线模式就是现代社会，分工合作。有的原始人负责打猎，有的负责烹饪，有的负责保存。

    分工才是这个社会的发展的原动力啊！！！

    相比之前的并行工作者模型中，我们说到它如果在存储中使用了阻塞的数据结构，那么会降低并行性，流水线模式一般使用非阻塞IO，意味着，一旦工作者开始操作一个IO时（如等待网络连接）,这个工作者不会一直等待IO的结束，IO速度很慢，大大浪费了CPU。此时他会让出CPU，等到IO完成之后再交由下一个工作者继续执行。

    有了非阻塞IO，我们就可以界定工作者之间的工作范围。工作者尽可能工作到IO开始。

    

    实际使用中，会有多条流水线，作业可能不沿着同一条流水线工作

    那么，流水线工作者有何优点？

    1.无需共享状态，工作者分工明确，无需考虑因并发而带来的共享数据的问题。例如：打猎的工作者和烹饪的工作者所使用的工具肯定不同，不是共享的。在实现单个工作者的时候就好像单个线程在处理工作

---

并发模型的选择：

    如果作业本身就是并行，独立的就可以使用并行工作者模式。例如：在消息中间件场景中，我们常常使用kafka作为消息队列，producer塞消息进kafka，consumer取消息进行消费，consumer对每条消息消费的过程都是独立的。

    如果作业本身不是并行，非独立的，就可以使用流水线工作模式（pipline）。例如：我们需要将一大批文件由小写改成大写，就可以分出3个步骤：1.读文件。2.改大小写。3.写文件。