Master-Worker模式简介
Master-Worker模式是非常经典的常用的一个并行计算模式,它的核心思想是2类进程协作工作:Master进程和Worker进程。Master负责接收客户端请求,分配任务;Worker负责具体处理任务。当各个Worker处理完任务后,统一将结果返回给Master,由Master进行整理和总结。其好处是能够将一个大JOB分解成若干小JOB,并行执行,从而提高系统的吞吐量。比如流行的Web Server,如Nginx,Apache HTTP都存在这种Master-Worker工作模式;离线分布式计算框架Hadoop的JobTracker和TaskTracker,实时流计算框架Strom的Nimbus和Supervisor都涉及到这种思想。那么下面我们来具体分析下Java Master-Worker模式的实现。
Master-Worker模式分析
我们重点分析下Master,Worker这2个角色。
Master
Master需要接受Client端提交过来的任务Task,而且还得将Task分配给Worker进行处理,因此Master需要一个存储来存放Task。那么采用哪种存储集合呢?首先来说,需要支持并发的集合类,因为多个Worker间可能存在任务竞争,因此我们需要考虑java.util.concurrent包下的集合。这里可以考虑采用非阻塞的ConcurrentLinkedQueue。
Master需要清楚的知道各个Woker的基本信息,如是否各个Worker都运行完毕,因此Master端需要保存Worker的信息,可以采用Map存储。
由于最后各个Worker都会上报运行结果,Master端需要有一个存储结果的Map,可以采用支持并发的ConcurrentHashMap。
Worker
Worker需要持有Master端的任务Task集合的引用,因为Worker需要从里面拿取Task。
同上,Worker需要持有Master端的存储结果的引用。
综上,我们可以得到如下:
我们可以进一步细化,Master/Worker应该提供什么操作?
Master:通过构造方法以初始化workers
应该提供submit(Task)方法接受Client端提交过来的任务
start()让workers开始处理任务
提供isComplete()判断各个worker的状态,是否都处理完毕
提供getResult()给客户端返回结果
Worker:Worker本质上就是Runnable,提供run()
负责处理业务逻辑的handle()
Java Master-Worker代码实现
Taskpublic class Task {
private long id;
private String name;
public Task(long id, String name) {
this.id = id;
this.name = name;
}
public long getId() {
return id;
}
public void setId(long id) {
this.id = id;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
}
Workerpublic class Worker implements Runnable {
private long id;
private String name;
private ConcurrentLinkedQueue workQueue;
private ConcurrentHashMap results;
public void setWorkQueue(ConcurrentLinkedQueue workQueue) {
this.workQueue = workQueue;
}
public void setResults(ConcurrentHashMap results) {
this.results = results;
}
public Worker(long id, String name) {
this.id = id;
this.name = name;
}
@Override
public void run() {
while(true){
Task task = workQueue.poll();
if(task == null){
break;
}
long start = System.currentTimeMillis();
long result = handle(task);
this.results.put(task.getId(),result);
System.out.println(this.name + " handle " + task.getName() + " success . result is " + result + " cost time : " + (System.currentTimeMillis() - start));
}
}
/**
* 负责处理具体业务逻辑
* @param task
* @return
*/
private long handle(Task task) {
//这里只是模拟下,在真实环境也许是查询数据库,也许是查缓存等
try {
Thread.sleep(500);
} catch (InterruptedException e) {
e.printStackTrace();
}
return new Random().nextLong();
}
}
Masterpublic class Master {
private ConcurrentLinkedQueue workQueue = new ConcurrentLinkedQueue();
private Map workers = new HashMap();
private ConcurrentHashMap results = new ConcurrentHashMap();
public Master(int num){
for(int i = 0 ; i
Worker worker = new Worker(i,"worker-" + i);
worker.setResults(results);
worker.setWorkQueue(workQueue);
workers.put(Long.valueOf(i),new Thread(worker));
}
}
public void submit(Task task){
workQueue.add(task);
}
public void start(){
for (Map.Entry entry : workers.entrySet()){
entry.getValue().start();
}
}
public boolean isComlepte(){
for(Map.Entry entry : workers.entrySet()){
if(entry.getValue().getState() != Thread.State.TERMINATED){
return false;
}
}
return true;
}
public long getSumResult(){
long value = 0;
for(Map.Entry entry : results.entrySet()){
value = value + (Long)entry.getValue();
}
return value;
}
}
Mainpublic class Main {
public static void main(String[] args) {
Master master = new Master(10);
for(int i = 0 ; i
Task task = new Task(i,"task-" + i);
master.submit(task);
}
long start = System.currentTimeMillis();
master.start();
while(true){
if(master.isComlepte()){
System.out.println("sum result is " + master.getSumResult() + " . cost time : " + (System.currentTimeMillis() - start));
break;
}
}
}
}
运行结果
总结
在单线程的时候,处理一个Task需要500ms,那么处理10个Task需要5S,如果采用Master-Worker这种并行模型,可以大大缩短计算处理时间。