Scala 中应用 Future 并发编程 | 隔叶黄莺 Yanbin Blog

2017-12-13 | 阅读(3,230)

Java 世界里进行并发编程有 Future 和 ExecutorService(当成 ThreadPool 来对待)，及至 Java 8 引入了更为趁手的 CompletableFuture。那么使用 Scala 该如何进行并发编程呢？Scala 能毫无障碍的使用 Java 类库，所以完全可以用 Java 的 API 来使用线程池，只是那不太 Scala 罢了。

既然是 Scala, 就尽量写成 Scala Style 吧，Scala 也有自己的 Future, 还有 Promise 呢? 至于 Promise 与 Future 多大区别，语义上似乎也差不多，只看到 Promise 中有一个 Future 的属性。如果想玩得高级一点的话就该把 Actor 弄起来，它算是所谓的纤程，多个 Actor 可跑在同一个线程中，当然启动要快，内存消耗少，还避免了上下文切换。

这里还是先体验 Scala Future 的用法。Future 本身只是描述了一个任务，及将要获得的结果(或执行的动作)，因此那样一个任务也是要放到线程池中去执行。这和 Java 的 Future/ThreadPool 是一样的概念。稍有不同的是线程池的创建与使用，线程池的默认大小配置等。看个简单的应用示例，本次测试的 Scala 版本是 2.11.12，为了突出实际的线程池大小，我们把任务数设置为 20 个

Scala Future 并发编程体验

import scala.concurrent._
import scala.concurrent.ExecutionContext.Implicits.global

(1 to 20).foreach(index => Future {
  println(Thread.currentThread().getName + ", " + index)
  Thread.sleep(1000)  //延时来充分使用到线程池中的每一个线程
})

println("AvailableProcessors: " + Runtime.getRuntime.availableProcessors()) //打印出可用处理器数目
Thread.sleep(2000000) //为了在程序结束前看到执行完所有任务，所以阻塞主线程

import scala.concurrent._

import scala.concurrent.ExecutionContext.Implicits.global

(1 to 20).foreach(index => Future {

println(Thread.currentThread().getName + ", " + index)

Thread.sleep(1000) //延时来充分使用到线程池中的每一个线程

})

println("AvailableProcessors: " + Runtime.getRuntime.availableProcessors()) //打印出可用处理器数目

Thread.sleep(2000000) //为了在程序结束前看到执行完所有任务，所以阻塞主线程

上面的程序代码输出

ForkJoinPool-1-worker-5, 5
ForkJoinPool-1-worker-1, 7
AvailableProcessors: 8
ForkJoinPool-1-worker-11, 2
ForkJoinPool-1-worker-15, 8
ForkJoinPool-1-worker-3, 6
ForkJoinPool-1-worker-7, 4
ForkJoinPool-1-worker-9, 3
ForkJoinPool-1-worker-13, 1
ForkJoinPool-1-worker-5, 12
ForkJoinPool-1-worker-1, 14
ForkJoinPool-1-worker-15, 10
ForkJoinPool-1-worker-7, 11
ForkJoinPool-1-worker-3, 9
ForkJoinPool-1-worker-13, 13
ForkJoinPool-1-worker-9, 16
ForkJoinPool-1-worker-11, 15
ForkJoinPool-1-worker-5, 17
ForkJoinPool-1-worker-15, 19
ForkJoinPool-1-worker-7, 20
ForkJoinPool-1-worker-1, 18

输出的结果可能有点意外，因为线程的编号是 1 至 15 间的奇数，正好是以用处理器数目 8。这样的线程编号差一点让我误以为线程池大小是 15。

如何创建任务

简单来理解一下上面的程序，Future { ... } 应该是用来向线程池提交任务的，那么线程池是什么呢？大小多少？瞧瞧它的实现方法 scala.concurrent.Future.apply(...)

def apply[T](body: =>T)(implicit @deprecatedName('execctx) executor: ExecutionContext): Future[T] = impl.Future(body)

1	def apply[T](body: =>T)(implicit @deprecatedName('execctx) executor: ExecutionContext): Future[T] = impl.Future(body)

这是柯里化的函数定义方式，第二个参数是一个隐式参数，类型为 ExecutionContext。进到 impl.Future(body) 的实现代码 scala.concurrent.impl.Future

  def apply[T](body: =>T)(implicit executor: ExecutionContext): scala.concurrent.Future[T] = {
    val runnable = new PromiseCompletingRunnable(body)
    executor.prepare.execute(runnable)
    runnable.promise.future
  }

def apply[T](body: =>T)(implicit executor: ExecutionContext): scala.concurrent.Future[T] = {

val runnable = new PromiseCompletingRunnable(body)

executor.prepare.execute(runnable)

runnable.promise.future

}

确确实实的是像 executor 代表的线程池中提交任务。

线程池由谁来提供

那么这里的隐式参数 implicit executor: ExecutionContext 是由谁来隐式提供的呢？很明显是

import scala.concurrent.ExecutionContext.Implicits.global

1	import scala.concurrent.ExecutionContext.Implicits.global

扮演了该角色。顺着这个 global 直接来到 scala.concurrent.impl.ExecutionContextImpl 的 createExecutorService 方法

  def createExecutorService: ExecutorService = {

    def getInt(name: String, default: String) = (try System.getProperty(name, default) catch {
      case e: SecurityException => default
    }) match {
      case s if s.charAt(0) == 'x' => (Runtime.getRuntime.availableProcessors * s.substring(1).toDouble).ceil.toInt
      case other => other.toInt
    }

    def range(floor: Int, desired: Int, ceiling: Int) = scala.math.min(scala.math.max(floor, desired), ceiling)

    val desiredParallelism = range(
      getInt("scala.concurrent.context.minThreads", "1"),
      getInt("scala.concurrent.context.numThreads", "x1"),
      getInt("scala.concurrent.context.maxThreads", "x1"))

    val threadFactory = new DefaultThreadFactory(daemonic = true)

    try {
      new ForkJoinPool(
        desiredParallelism,
        threadFactory,
        uncaughtExceptionHandler,
        true) // Async all the way baby
    } catch {
      case NonFatal(t) =>
        System.err.println("Failed to create ForkJoinPool for the default ExecutionContext, falling back to ThreadPoolExecutor")
        t.printStackTrace(System.err)
        val exec = new ThreadPoolExecutor(
          desiredParallelism,
          desiredParallelism,
          5L,
          TimeUnit.MINUTES,
          new LinkedBlockingQueue[Runnable],
          threadFactory
        )
        exec.allowCoreThreadTimeOut(true)
        exec
    }
  }

def createExecutorService: ExecutorService = {

def getInt(name: String, default: String) = (try System.getProperty(name, default) catch {

case e: SecurityException => default

}) match {

case s if s.charAt(0) == 'x' => (Runtime.getRuntime.availableProcessors * s.substring(1).toDouble).ceil.toInt

case other => other.toInt

}

def range(floor: Int, desired: Int, ceiling: Int) = scala.math.min(scala.math.max(floor, desired), ceiling)

val desiredParallelism = range(

getInt("scala.concurrent.context.minThreads", "1"),

getInt("scala.concurrent.context.numThreads", "x1"),

getInt("scala.concurrent.context.maxThreads", "x1"))

val threadFactory = new DefaultThreadFactory(daemonic = true)

try {

new ForkJoinPool(

desiredParallelism,

threadFactory,

uncaughtExceptionHandler,

true) // Async all the way baby

} catch {

case NonFatal(t) =>

System.err.println("Failed to create ForkJoinPool for the default ExecutionContext, falling back to ThreadPoolExecutor")

t.printStackTrace(System.err)

val exec = new ThreadPoolExecutor(

desiredParallelism,

5L,

TimeUnit.MINUTES,

new LinkedBlockingQueue[Runnable],

threadFactory

)

exec.allowCoreThreadTimeOut(true)

exec

}

正常情况下它会创建一个 scala.concurrent.forkjoin.ForkJoinPool, 它也是一个 Java ExecutorService 实现。

如何控制全局线程池的大小

先看线程池的大小是怎么控制的，即这里面的 desiredParallelism 数值，由三个系统属性确定

scala.concurrent.context.minThreads, 默认为 1
scala.concurrent.context.numThreads, 默认为 x1
scala.concurrent.context.maxThreads, 默认为 x1

整数表示为常量值，以 x 开头则表示为可用处理器数目的倍数(Double 值，例如 x1.5)。最终 desiredParalleism 的确定是前两个的最大值与第三个相比的最小值，比如说 minThreads = 10, numThreads = 20, maxThreads = 16, 最后获得的 min(max(10, 20), 16) 还是 16。那么线程池的大小就应该是 16，接下来可验证一下。

欲使得 desiredParallelism 为 16，我们设置以下两个系统属性

System.setProperty("scala.concurrent.context.minThreads", "16")
System.setProperty("scala.concurrent.context.maxThreads", "16")

1 2	System.setProperty("scala.concurrent.context.minThreads", "16") System.setProperty("scala.concurrent.context.maxThreads", "16")

仍然是使用上面 20 任务的代码，执行后输出为

ForkJoinPool-1-worker-31
ForkJoinPool-1-worker-27
ForkJoinPool-1-worker-17
AvailableProcessors: 8
ForkJoinPool-1-worker-25
ForkJoinPool-1-worker-3
ForkJoinPool-1-worker-9
ForkJoinPool-1-worker-21
ForkJoinPool-1-worker-13
ForkJoinPool-1-worker-23
ForkJoinPool-1-worker-29
ForkJoinPool-1-worker-1
ForkJoinPool-1-worker-7
ForkJoinPool-1-worker-11
ForkJoinPool-1-worker-19
ForkJoinPool-1-worker-5
ForkJoinPool-1-worker-15
ForkJoinPool-1-worker-7
ForkJoinPool-1-worker-23
ForkJoinPool-1-worker-5
ForkJoinPool-1-worker-15

从 1 到 31 间的奇数，总共 16 个线程。从 scala.concurrent.forkjoin.ForkJoinPool 的线程命名的相关代码来看有可能会更奇怪，一个要确定线程池大小的实际大小，再也不能看到线程名中的实际最大编号马上反应出线程池的大小。而 java.util.concurrent.ForkJoinPool 的线程编号是连续的。

注意：别看到 minThreads 和 maxThreads 就以为是一个声明上下限的线程池，其实是一个固定大小的线程池，也就是那个 desiredParallelism 值。

以上用编程方式设置系统属情，也可以在程序启动的时候设定

java -Dscala.concurrent.context.minThreads=16 -Dscala.concurrent.context.maxThreads=16 -java abc.jar

创建自定义的线程

前面用的线程池是系统全局的

import scala.concurrent.ExecutionContext.Implicits.global

如果能确定当前进程有哪些地方在使它这个全局线程池的话，是可以使用它的。如果大小不够还能通过系统属性来调节。但是代码由多人维护，很多人都来用全局线程池，反而任务会堵成一团。这就像 Java 8 中大量使用集合的 parallelStream(), 大家都用 ForkJoinPool 的 commonPool() 一样，只是 commonPool 的大小还难以控制。因此必要的时候需要提供自己的线程池实现。

注意到 Future.apply(...) 第二个参数是一个隐式的 ExecutionContext, 所以我们只要声明一个 ExecutionContext 实例，并设定为 implicit 就会自动应用上，或者显式传入第二个参数。方法有二

声明隐式的 ExecutionContext

import scala.concurrent._
implicit val ec = ExecutionContext.fromExecutor(Executors.newFixedThreadPool(3))

(1 to 5).foreach(index => Future {
  println(Thread.currentThread().getName)
  Thread.sleep(1000)
})

import scala.concurrent._

implicit val ec = ExecutionContext.fromExecutor(Executors.newFixedThreadPool(3))

(1 to 5).foreach(index => Future {

println(Thread.currentThread().getName)

Thread.sleep(1000)

})

执行输出

pool-1-thread-3
pool-1-thread-1
pool-1-thread-2
pool-1-thread-3
pool-1-thread-1

显式传给 Future.apply(...) 方法

import scala.concurrent._
val ec = ExecutionContext.fromExecutor(Executors.newFixedThreadPool(3))

(1 to 5).foreach(index => Future {
  println(Thread.currentThread().getName)
  Thread.sleep(1000)
}(ec))

import scala.concurrent._

val ec = ExecutionContext.fromExecutor(Executors.newFixedThreadPool(3))

(1 to 5).foreach(index => Future {

println(Thread.currentThread().getName)

Thread.sleep(1000)

}(ec))

执行效果和上面是一样的。

参考链接：

本文链接 https://yanbin.blog/scala-concurrent-with-future/, 来自隔叶黄莺 Yanbin Blog

3 Comments

Inline Feedbacks

View all comments

绿软库

6 years ago

感谢分享

stanfen

学习了，scala并发还可以更深入

Author

Yanbin

Reply to stanfen

那就是 Akka, Actor 了

Perry Conn on Java 9 前/后使用 JAXB (包括支持 javax.* 或 jakarta.*)Your writing has a way of making even the most complex topics accessib...
Yanbin on Windows 安装使用 GCC(mingw-w64)是的，像 Rust 和 dotnet core 一样，都可以支持 Cross compile. Rust 和 g++ 在 Linux 下编译...
MerrickZ on Windows 安装使用 GCC(mingw-w64)我记得G++/GCC都是支持交叉编译的，你可以在linux/macos下面编译出windows平台的二进制PE文件……
Jack on 从 Rust 官方文档理解 Ownership哈哈，年纪大了才会下垂
Yanbin on unmi.cc 博客大事记谢谢再次光临，十来年前的回忆