Flink通讯模型—Akka与Actor模型

Carl Hewitt 在1973年对Actor模型进行了如下定义："Actor模型是一个把'Actor'作为并发计算的通用原语". Actor是异步驱动，可以并行和分布式部署及运行的最小颗粒。也就是说，它可以被分配，分布，调度到不同的CPU，不同的节点，乃至不同的时间片上运行，而不影响最终的结果。因此Actor在空间（分布式）和时间（异步驱动）上解耦的。而Akka是Lightbend（前身是Typesafe）公司在JVM上的Actor模型的实现。我们在了解actor模型之前，首先来了解actor模型主要是为了解决什么样的问题。

在akka系统的官网上主要介绍了现代并发编程模型所遇到的问题，里面主要提到了三个点

1）在面向对象的语言中一个显著的特点是封装，然后通过对象提供的一些方法来操作其状态，但是共享内存的模型下，多线程对共享对象的并发访问会造成并发安全问题。一般会采用加锁的方式去解决

加锁会带来一些问题

加锁的开销很大，线程上下文切换的开销大
加锁导致线程block，无法去执行其他的工作，被block无法执行的线程，其实也是占据了一种系统资源
加锁在编程语言层面无法防止隐藏的死锁问题

2）Java中并发模型是通过共享内存来实现，cpu中会利用cache来加速主存的访问，为了解决缓存不一致的问题，在java中一般会通过使用volatile或者Atmoic来标记变量，让jmm的happens before机制来保障多线程间共享变量的可见性。因此从某种意义上来说是没有共享内存的，而是通过cpu将cache line的数据刷新到主存的方式来实现可见。因此与其去通过标记共享变量或者加锁的方式，依赖cpu缓存更新，倒不如每个并发实例之间只保存local的变量，而在不同的实例之间通过message来传递。

3）call stack的问题当我们编程模型异步化之后，还有一个比较大的问题是调用栈转移的问题，如下图中主线程提交了一个异步任务到队列中，Worker thread 从队列提取任务执行，调用栈就变成了workthread发起的，当任务出现异常时，处理和排查就变得困难。

那么akka 的actor的模型是怎样处理这些问题的，actor模型中的抽象主体变为了actor，

actor之间可以互相发送message。
actor在收到message之后会将其存入其绑定的Mailbox中。
Actor中Mailbox中提取消息，执行内部方法，修改内部状态。
继续给其他actor发送message。

可以看到下图，actor内部的执行流程是顺序的，同一时刻只有一个message在进行处理，也就是actor的内部逻辑可以实现无锁化的编程。actor和线程数解耦，可以创建很多actor绑定一个线程池来进行处理，no lock，no block的方式能减少资源开销，并提升并发的性能

通俗解释：

在Actor模型中，actor是一个并发原语，简单的说，一个actor就是一个工人，与进程或线程一样都能够工作或处理任务。其实这还有点不好理解，我们可以把它想象成面向对象编程语言中的一个对象实例。在OOP中一个对象可以访问或修改另一个对象的属性，也可以直接调用另一个对象的方法。例如下图，person1给person2发送了一个消息，直接调用方法就行了。深入底层执行逻辑的话，结果就是JVM转到sayHello的代码区，一步步执行。

public class HelloWorld {
    private String name = "";
    public HelloWorld(String name){
        this.name = name;
    }
    public String getName(){
        return this.name;
    }
    public void sayHello(HelloWorld to, String msg){
        System.out.println(to.getName()+" 收到 "+name+" 的消息："+ msg);
    }
}

public class OOPInvoke {
    public static void main( String[] args ) {
        HelloWorld person1 = new HelloWorld("Person1");
        HelloWorld person2 = new HelloWorld("Person2");
        person1.sayHello(person2,"Hello world");
    }
}

sayHello在一个线程中执行基本没有问题，但是多个线程执行时，就可能出问题了，因为在执行sayHello的时候person2的name值可能被其他线程修改。这是一个name字段，意外修改没有关系，但如果是一个金额字段呢？

　　actor和对象的不同之处在于，actor的状态不能直接读取、修改，actor的方法不能直接调用。actor只能通过消息传递的方式与外界通信。

每个对象都有一个this指针，代表对象的地址，可以通过该地址调用方法或存取状态；

与此类似，actor也有一个代表本身的地址，但只能向该地址发送消息。

　　简单点说，actor通过消息传递的方式与外界通信。消息传递是异步的。每个actor都有一个邮箱，该邮箱接收并缓存其他actor发过来的消息，actor一次只能同步处理一个消息，处理消息过程中，除了可以接收消息，不能做任何其他操作。这就是actor模型的本质。

　Actor模型的另一个好处就是可以消除共享状态，因为它每次只能处理一条消息，所以actor内部可以安全的处理状态，而不用考虑锁机制。

说白了如果是个普通对象，它内部是异步的，你获取到的名字，或者金额等属性可能在前面0.1s被异步修改过了，所以你是在错误的值上进行修改，然后得到一个可能错误的值。比如本来100，你想要加20，但它被异步修改成50，你还是100+20 = 120，实际上应该是50+20 = 70。但是actor内部就是同步的，你是先获取，再修改，或者先修改，在获取，是固定的，安全的。

Flink内部节点之间的通信是用Akka，比如JobManager和TaskManager之间的通信。而operator之间的数据传输是利用Netty。

Flink通过Akka进行的分布式通信的实现，在0.9版中采用。使用Akka，所有远程过程调用现在都实现为异步消息。这主要影响组件JobManager，TaskManager 和JobClient。将来，甚至有可能将更多的组件转换为参与者，从而允许它们发送和处理异步消息。

RPC框架是Flink任务运行的基础，Flink整个RPC框架基于Akka实现，并对Akka中的ActorSystem、Actor进行了封装和使用，Flink整个通信框架的组件主要由RpcEndpoint、RpcService、RpcServer、AkkaInvocationHandler、AkkaRpcActor等构成。RpcEndpoint定义了一个Actor的路径；RpcService提供了启动RpcServer、执行代码体等方法；RpcServer/AkkaInvocationHandler提供了与Actor通信的接口；AkkaRpcActor为Flink封装的Actor。

一、Akka与Actor模型

Akka是一个开发并发、容错和可伸缩应用的框架。它是Actor Model的一个实现，和Erlang的并发模型很像。在Actor模型中，所有的实体被认为是独立的actors。actors和其他actors通过发送异步消息通信。Actor模型的强大来自于异步。它也可以显式等待响应，这使得可以执行同步操作。但是，强烈不建议同步消息，因为它们限制了系统的伸缩性。每个actor有一个邮箱(mailbox)，它收到的消息存储在里面。另外，每一个actor维护自身单独的状态。一个Actors网络如下所示：

每个actor是一个单一的线程，它不断地从其邮箱中poll(拉取)消息，并且连续不断地处理。对于已经处理过的消息的结果，actor可以改变它自身的内部状态或者发送一个新消息或者孵化一个新的actor。

1、 Actor系统

一个Actor系统包含了所有存活的actors。它提供的共享服务包括调度、配置和日志等。Actor系统同时包含一个线程池，所有actor从这里获取线程。

多个Actor系统可以在一台机器上共存。如果一个Actor系统通过RemoteActorRefProvider启动，它就可以被其他机器上的Actor系统发现。Actor系统能够自动识别消息是发送给本地机器还是远程机器的Actor系统。在本地通信的情况下，消息通过共享存储器高效的传输。在远程通信的情况下，消息通过网络栈发送。

所有Actors都是继承来组织的。每个新创建的actor将其创建的actor视作父actor。继承被用来监督。每个父actor对自己的子actor负责监督。如果在一个子actor发生错误，父actor将会收到通知。如果这个父actor可以解决这个问题，它就重新启动这个子actor。如果这个错误父actor无法处理，它可以把这个错误传递给自己的父actor。

第一个actor通过系统创建，由/user 这个actor负责监督。详细的Actor的继承制度可以参考https://doc.akka.io//docs/akka/snapshot/general/supervision.html。

2、 Flink中的Actor

Actor是一个包含状态和行为的容器。actor线程顺序处理收到的消息。这样就让用户摆脱锁和线程管理的管理，因为一次只有一个线程对一个actor有效。但是，必须确保只有这个actor线程可以处理其内部状态。Actor的行为由receive函数定义，该函数包含收到的消息的处理逻辑。

Flink系统由3个分布式组件构成：JobClient，JobManager和TaskManager。JobClient从用户处得到Flink Job，并提交给JobManager。JobManager策划这个job的执行。首先，它分配所需的资源，主要就是TaskManagers上要执行的slot。

在资源分配之后，JobManager部署单独的任务到响应的TaskManager上。一旦收到一个任务，TaskManager产生一个线程用来执行这个任务。状态的改变，比如开始计算或者完成计算，将被发送回JobManager。基于这些状态的更新，JobManager将引导这个job的执行直到完成。一旦一个job被执行完，其结果将会被发送回JobClient。Job的执行图如下所示：

3、异步VS同步消息

在任何地方，Flink尝试使用异步消息和通过futures来处理响应。Futures和很少的几个阻塞调用有一个超时时间，以防操作失败。这是为了防止死锁，当消息丢失或者分布式足觉crash。但是，如果在一个大集群或者慢网络的情况下，超时可能会使得情况更糟。因此，操作的超时时间可以通过“akka.timeout.timeout”来配置。

在两个actor可以通信之前，需要获取一个ActorRef。这个操作的查找同样需要一个超时。为了使得系统尽可能快速的失败，如果一个actor还没开始，超时时间需要被设置的比较小。为了以防经历查询超时，可以通过“akka.lookup.timeout”配置增加查询时间。

Akka的另一个特点是限制发送的最大消息大小。原因是它保留了同样数据大小的序列化buffer和不想浪费空间。如果你曾经遇到过传输失败，因为消息超过了最大大小，你可以增加“akka.framesize”配置来增加大小。

下面分别是JobManager和TaskManager的概念图：

其中Dispatcher、ResourceManager、JobMaster是JobManager进程中的Rpc服务，TaskExecutor是TaskManager进程中的Rpc服务，MetricQueryService在JobManager和TaskManager进程中都有。

RpcGateway

用于定义RPC协议，是客户端和服务端沟通的桥梁。
服务端实现了RPC协议，即实现了接口中定义的方法，做具体的业务逻辑处理。
客户端实现了RPC协议，客户端是Proxy生成的代理对象，将对RpcGateway接口方法的调用转为Akka的消息发送。

RpcEndpoint

RPC服务端的抽象，实现了该接口即为Rpc服务端，是Akka中Actor的封装。
Actor收到ActorRef发送的消息(消息被封装为RpcInvocation对象)，会通过RpcInvocation对象中的方法、参数等信息以反射的方式调用RpcGateway接口对应的方法。

RpcService

是 RpcEndpoint 的运行时环境，是Akka中ActorSystem的封装。
一个ActorSystem系统中有多个Actor，同样在Flink中一个RpcService中有多个RpcEndpoint，即多个Rpc服务。
Flink中RpcService也有多套，JobManager和TaskManager进程中都有两套RpcService。
RpcService 提供了启动Rpc服务(startServer)、停止Rpc服务(stopServer)、连接远端Rpc服务等方法。
实现类是AkkaRpcService，内有属性ActorSystem actorSystem，Map<ActorRef, RpcEndpoint> actors。

RpcServer

是Rpc服务端自身的代理对象，设计上是供服务端调用自身非Rpc方法。

二、使用Akka

Akka系统的核心ActorSystem和Actor，若需构建一个Akka系统，首先需要创建ActorSystem，创建完ActorSystem后，可通过其创建Actor（注意：Akka不允许直接new一个Actor，只能通过 Akka 提供的某些 API 才能创建或查找 Actor，一般会通过 ActorSystem#actorOf和ActorContext#actorOf来创建 Actor），另外，我们只能通过ActorRef（Actor的引用，其对原生的 Actor 实例做了良好的封装，外界不能随意修改其内部状态）来与Actor进行通信。如下代码展示了如何配置一个Akka系统。


// 1. 构建ActorSystem
// 使用缺省配置
ActorSystem system = ActorSystem.create("sys");
// 也可显示指定appsys配置
ActorSystem system1 = ActorSystem.create("helloakka",ConfigFactory.load("appsys"));
// 2. 构建Actor,获取该Actor的引用，即
ActorRefActorRef helloActor = system.actorOf(Props.create(HelloActor.class),"helloActor");
// 3. 给helloActor发送消息
helloActor.tell("hello helloActor", ActorRef.noSender());
// 4. 关闭
ActorSystemsystem.terminate();

1、 Actor路径

在Akka中，创建的每个Actor都有自己的路径，该路径遵循ActorSystem 的层级结构，大致如下：

1）本地路径

在上面代码中，本地Actor路径为 akka://sys/user/helloActor

含义如下：

sys，创建的ActorSystem的名字；
user，通过ActorSystem#actorOf和ActorContext#actorOf 方法创建的 Actor 都属于/user下，与/user对应的是/system，其是系统层面创建的，与系统整体行为有关，在开发阶段并不需要对其过多关注
helloActor，我们创建的HelloActor

2）远程路径

在上面代码中，远程Actor路径为 akka.tcp://sys@l27.0.0.1:2020/user/remoteActor

含义如下：

akka.tcp，远程通信方式为tcp；
sys@127.0.0.1:2020，ActorSystem名字及远程主机ip和端口号。
user，与本地的含义一样
remoteActor，创建的远程Actor

2、获取Actor

若提供了Actor的路径，可以通过路径获取到ActorRef，然后与之通信，代码如下所示：


ActorSystem system = ActorSystem.create("sys")；
ActorSelection as= system.actorSelection("/path/to/actor");
Timeout timeout =new Timeout(Duration.create(2, "seconds"));
Future<ActorRef> fu = as.resolveOne(timeout);
fu.onSuccess(newOnSuccess<ActorRef>() { 
    @Overridepublic void onSuccess(ActorRef actor) { 
        System.out.println("actor:" +actor); 
        actor.tell("hello actor",ActorRef.noSender()); 
    }     
},system.dispatcher()); 
fu.onFailure(newOnFailure() { 
    @Override public void onFailure(Throwable failure) { 
        System.out.println("failure:" +failure); } 
    },system.dispatcher()
);

若需要与远端Actor通信，路径中必须提供ip:port。

三、Actor通信

Akka有两种核心的异步通信方式：tell和ask。

1、 Tell方式

当使用tell方式时，表示仅仅使用异步方式给某个Actor发送消息，无需等待Actor的响应结果，并且也不会阻塞后续代码的运行，如：

helloActor.tell("hellohelloActor", ActorRef.noSender());

其中：第一个参数为消息，它可以是任何可序列化的数据或对象，第二个参数表示发送者，通常来讲是另外一个 Actor 的引用， ActorRef.noSender()表示无发送者（（实际上是一个叫做deadLetters的Actor）。

2、 Ask方式

当我们需要从Actor获取响应结果时，可使用ask方法，ask方法会将返回结果包装在scala.concurrent.Future中，然后通过异步回调获取返回结果。如调用方：


// 异步发送消息给Actor，并获取响应结果
Future<Object> fu = Patterns.ask(printerActor, "hello helloActor", timeout);
fu.onComplete(newOnComplete<Object>() {
    @Overridepublic void onComplete(Throwable failure, String success) throws Throwable {
        if (failure != null) { 
            System.out.println("failure is " + failure); }
        else { System.out.println("success is " + success); }
    }
},system.dispatcher());

HelloActor处理消息方法的代码大致如下：


private void handleMessage(Object object) {
    if (objectinstanceof String) {
        String str = (String)object; 
        log.info("[HelloActor] message is {},sender is {}", str, getSender().path().toString());
        // 给发送者发送消息 
        getSender().tell(str, getSelf()); 
    } 
}

上面主要介绍了Akka中的ActorSystem、Actor，及与Actor的通信；Flink借此构建了其底层通信系统。

参考：Flink源码分析之RPC通信-腾讯云开发者社区-腾讯云 (tencent.com)