Cloud Foundry samples学习笔记4：使用rabbitmq协作计算圆周率

本样例中包含两个web应用程序，分别实现了两种角色：master（唯一）和worker（多个），两种角色之间通过rabbitmq消息队列进行通信，协作完成圆周率π值的计算。基本场景如下：master程序负责统筹规划，将总的计算任务分割成若干子任务，依次发送到一个工作消息队列workqueue中；各个worker程序从该工作队列中取出子任务进行计算，并将结果发送到另一个消息队列result queue中；与此同时，master监听resultqueue，收集所有子任务的计算结果，并汇总成最终结果反馈给用户。

采用这种“主-从”结构的好处是，可以通过添加更多的工作者实例（使用VMC命令增加worker应用程序的实例数目），尽管master是唯一的，实际完成任务的worker却增多了，一个大规模的任务划分为多个小任务并发进行，从而提高了并发度和效率。

程序计算π值时使用莱布尼茨公式 π=4*(1-1/3+1/5-1/7+1/9······)，无穷级数的项数越多，计算结果越精确。master在分割任务时，以10000为单位对此无穷级数进行分段，即，每个子任务负责计算其中的10000项。

使用技术：RabbitMQ

程序repository地址：https://github.com/SpringSource/cloudfoundry-samples/tree/master/picalc-rabbitmq

repo中包含两个应用程序：picalc-master和picalc-worker。

一、master程序

我们先来看一下master是如何划分任务的。任务划分逻辑位于HomeController.java的getPi方法中： 

public double getPi(int nrOfMessages) { //参数即为划分的子任务总数
            String corrId =UUID.randomUUID().toString();
           
            int nrOfElements = 10000;  //每个子任务的规模
           
            masterHandler.registerAggregate(corrId,nrOfMessages);
           
            for (int i = 0; i < nrOfMessages;i++) {

                  //分发任务。对于每个子任务，构造一个WorkMessage消息来表示
                  WorkMessage workMessage = new WorkMessage();
                  workMessage.setCorrelationId(corrId);
                  workMessage.setStart(i);
                  workMessage.setNrOfElements(nrOfElements);
                  
                  rabbitTemplate.convertAndSend(workMessage,new MessagePostProcessor() {//RabbitMQ消息队列操作  
                        public Message postProcessMessage(Message message) throws AmqpException {
                              message.getMessageProperties().setReplyToAddress(new Address("direct://piExchange/" + QueueNames.RESULT_QUEUE_NAME));
                              return message;
                        }
                  });
            }
           
            logger.info("Sent messages to workers.  Waiting for response...");
            try {
                  masterHandler.await(corrId);
            } catch (InterruptedException e) {
                  logger.error("Error waiting for response from workers", e);
            }
            return masterHandler.getResult(corrId);
      }
 

任务划分之后，worker们就可以从该工作队列中取消息开始子任务的计算了。而master则监听另一个结果消息队列，将所有子任务的结果收集起来，得到最终结果。由子任务结果汇总成最终结果的过程，其实就是简单地将每个子任务结果累加，这一步通过调用messaging/Aggregate.java中的process方法完成。

二、worker程序

下面再来看看worker程序的行为。worker程序相对就简单多了，概括起来就是：取子任务—计算—报告结果。子任务计算逻辑位于messaging/WorkerHandler.java：

public class WorkerHandler {
     
      private double calculatePiFor(int start,int nrOfElements) {  //参数start表示该子任务对应无穷级数第几段，而非第几项
            double acc = 0.0;
            for (int i = start * nrOfElements; i<= ((start + 1) * nrOfElements - 1); i++) {
                  acc += 4.0 * (1 - (i % 2) * 2)/ (2 * i + 1);
            }
            return acc;
      }
 
      public ResultMessage handleMessage(WorkMessage workMessage) {  //自动调用
 
            int startNumber =workMessage.getStart();
 
            double result =calculatePiFor(workMessage.getStart(), workMessage.getNrOfElements());
 
            ResultMessage resultMessage = newResultMessage();
            resultMessage.setCorrelationId(workMessage.getCorrelationId());
            resultMessage.setResult(result);
 
            return resultMessage;
      }
 
}

三、使用Cloud Foundry运行时环境和云服务的新方法

本程序也是Spring应用程序，但与之前几个样例程序不同，其上下文配置不是在通常的配置文件中，而是写在了Java源文件中，通过Spring标记来标识Bean。这些应用程序上下文配置源代码位于 java/org/cloudfoundry/picalc/config 目录下。通过分析这些配置，我们也能够学习一种不同的方式来使用Cloud Foundry的环境变量和服务。

以master程序中的AbstractConfiguration.java文件为例：

//导入Cloud Foundry运行时依赖包
import org.cloudfoundry.runtime.env.CloudEnvironment;
import org.cloudfoundry.runtime.service.messaging.RabbitServiceCreator;
//Spring 标记
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public abstract class AbstractConfiguration {
	
	@Bean
	public ConnectionFactory connectionFactory() {
		CloudEnvironment environment = new CloudEnvironment();  //Cloud Foundry运行时环境
		
		if (environment.getInstanceInfo() != null) {
			//使用Cloud Foundry的RabbitMQ云服务
			return new RabbitServiceCreator(new CloudEnvironment()).createSingletonService().service;
		} else {
                        //使用本机服务
			CachingConnectionFactory connectionFactory = new CachingConnectionFactory("localhost");
			connectionFactory.setUsername("guest");
			connectionFactory.setPassword("guest");
			return connectionFactory;
		}
	}
}

这里使用了CloudFoundry的运行时环境，并构造了一个RabbitMQ云服务实例。与此类似，可添加更多 @Bean 标记使用Cloud Foundry的其他服务，或对服务上下文进行配置。大家可以查看所有配置源文件的代码进一步了解这种方法。