Java Master-Worker模式实现
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
Task
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
public 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;
}
} |
Worker
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
|
public class Worker implements Runnable {
private long id;
private String name;
private ConcurrentLinkedQueue<Task> workQueue;
private ConcurrentHashMap<Long,Object> results;
public void setWorkQueue(ConcurrentLinkedQueue<Task> workQueue) {
this.workQueue = workQueue;
}
public void setResults(ConcurrentHashMap<Long, Object> 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();
}
} |
Master
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
|
public class Master {
private ConcurrentLinkedQueue<Task> workQueue = new ConcurrentLinkedQueue<Task>();
private Map<Long,Thread> workers = new HashMap<Long, Thread>();
private ConcurrentHashMap<Long,Object> results = new ConcurrentHashMap<Long, Object>();
public Master(int num){
for(int i = 0 ; i < num ; 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<Long,Thread> entry : workers.entrySet()){
entry.getValue().start();
}
}
public boolean isComlepte(){
for(Map.Entry<Long,Thread> entry : workers.entrySet()){
if(entry.getValue().getState() != Thread.State.TERMINATED){
return false;
}
}
return true;
}
public long getSumResult(){
long value = 0;
for(Map.Entry<Long,Object> entry : results.entrySet()){
value = value + (Long)entry.getValue();
}
return value;
}
} |
Main
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
public class Main {
public static void main(String[] args) {
Master master = new Master(10);
for(int i = 0 ; i < 10 ; 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。
本文转自zfz_linux_boy 51CTO博客，原文链接：http://blog.51cto.com/zhangfengzhe/1879323，如需转载请自行联系原作者