摘要：關(guān)于三者的一些概括總結(jié)離線分析框架，適合離線的復(fù)雜的大數(shù)據(jù)處理內(nèi)存計算框架，適合在線離線快速的大數(shù)據(jù)處理流式計算框架，適合在線的實時的大數(shù)據(jù)處理我是一個以架構(gòu)師為年之內(nèi)目標的小小白。

整理自《架構(gòu)解密從分布式到微服務(wù)》第七章——聊聊分布式計算.做了相應(yīng)補充和修改。

[TOC]

不管是網(wǎng)絡(luò)、內(nèi)存、還是存儲的分布式，它們最終目的都是為了實現(xiàn)計算的分布式：數(shù)據(jù)在各個計算機節(jié)點上流動，同時各個計算機節(jié)點都能以某種方式訪問共享數(shù)據(jù)，最終分布式計算后的輸出結(jié)果被持久化存儲和輸出。 分布式作為分布式系統(tǒng)里最重要的一個能力和目標，也是大數(shù)據(jù)系統(tǒng)的關(guān)技術(shù)之一。經(jīng)過多年的發(fā)展與演進，目前業(yè)界已經(jīng)存在很多成熟的分布式計算相關(guān)的開源編程框架和平臺供我們選擇。

Carl Hewitt于1970年發(fā)明Actor模型，當(dāng)時Actor模型的概念遠遠領(lǐng)先于那個時代，知道Erlang這樣基于Actor模型設(shè)計的面向并發(fā)編程的新語言橫空出世之后，Actor模型才真真火了起來。

Actor是計算機科學(xué)領(lǐng)域中的一個并行計算模型，它把Actor當(dāng)做通用的并行計算原語：一個Actor對接收到的消息做出響應(yīng)，進行本地決策，可以創(chuàng)建更多的Actor（子Actor），或者發(fā)送更多的消息；同時準備接收下一條消息。

在Actor理論中，一切都被認為是Actor，這和面向?qū)ο笳Z言里一切都被看成對象很類似。但包括面向?qū)ο笳Z言在內(nèi)的軟件通常是順序執(zhí)行的，而Actor模型本質(zhì)上則是并發(fā)的。Actor之間僅通過發(fā)送消息進行通信，所有的操作都是異步的，不同的Actor可以同時處理各自的信息，使整個系統(tǒng)獲得大規(guī)模的并發(fā)能力。

Actor模型簡單原理圖：

根據(jù)上圖，每個Actor都有一個Mailbox（郵箱），Actor A 發(fā)送給消息給Actor B，就好像Actor A 給Actor B寫了一封郵箱地址為Actor B的郵箱地址的郵件(消息)一樣，隨后平臺負責(zé)投遞郵件。當(dāng)郵件Actor B之后，平臺就會通知Actor B收取郵件并做出回復(fù)，如果有多封郵件，則Actor B按順序處理。很簡單和容易理解的技術(shù)，但是蘊含了強大的力量。Actor B收到消息后可能會做那些處理呢？

創(chuàng)建其他Actor

向其他Actor發(fā)送消息

指定下一條消息到來的行為，比如修改自己的狀態(tài)

在什么情況下一個Actor會創(chuàng)建子Actor呢?

通常情況是為了并行計算，比如我們有10G的文件要分析處理，我們可以在根Actor里創(chuàng)建10個子Actor，讓每個Actor分別處理一個文件，為此根Actor給每個子Actor發(fā)送一個消息，消息里包含分配給它的的文件編號（或位置），當(dāng)子Actor完成處理后，就把處理好的結(jié)果封裝為應(yīng)答消息返回給根Actor，然后根Actor在進行最后的匯總與輸出，下面是這個過程的示意圖。

一個Actor與其所創(chuàng)建的Actor形成父子關(guān)系。在實際編程中，父Actor應(yīng)該監(jiān)督其所創(chuàng)建的子Actor的狀態(tài)，原因是父Actor知道可能會出現(xiàn)那些失敗情況，知道如何處理他們，比如重新產(chǎn)生一個新的子Actor 來重做失敗的任務(wù)，或者某個Actor失敗后就通知其他Actor終止任務(wù)。

通過上面對Actor模型原理的簡單分析，我們來總結(jié)一下Actor模型的優(yōu)缺點。

優(yōu)點：

1)將消息收發(fā)、線程調(diào)度、處理競爭和同步的所有復(fù)雜邏輯都委托給了Actor框架本身，而且對應(yīng)用來說是透明的，我們可以認為Actor只是一個實現(xiàn)了Runnable接口的對象。關(guān)注多線程并發(fā)問題時，只需要關(guān)注多個Actor之間的消息流即可。
2)符合Actor模型的程序很容易進行測試，因為任意一個Actor都可以被多帶帶進行單元測試。如果測試案例覆蓋了該Actor所能響應(yīng)的所有類型的消息，我們就可以確定該Actor的代碼十分可靠。

缺點：

1) Actor完全避免共享并且僅通過消息來進行交流，使得程序失去了精細化并發(fā)調(diào)控能力，所以不適合實施細粒度的并行且可能導(dǎo)致系統(tǒng)響應(yīng)時延的增加。如果在Actor程序中引入一些并行框架，就可能會導(dǎo)致系統(tǒng)的不確定性。
2）盡管使用Actor模型的程序 比使用線程和鎖模型的程序更容易調(diào)試，Actor模型仍會碰到死鎖這一類的共性問題，也會碰到一些Actor模型獨有的問題（例如信箱移溢出）。

Akka 是一個用 Scala 編寫的庫，用于簡化編寫容錯的、高可伸縮性的 Java 和 Scala 的 Actor 模型應(yīng)用。它已經(jīng)成功運用在電信行業(yè)。系統(tǒng)幾乎不會宕機(高可用性 99.9999999 % 一年只有 31 ms 宕機)。

Akka雖然是Scala寫成的，但是由于Scala最終還是編譯為Java字節(jié)碼運行在JVM上，所以我們可以認為Akka屬于Java領(lǐng)域。

Akka處理并發(fā)的方法基于Actor模型。在Akka里，Actor之間通信的唯一機制就是消息傳遞。

Akka官方宣傳是這樣介紹Akka的：

是對并發(fā)、并行程序的簡單的高級別的抽象

是異步、非阻塞、高性能的事件驅(qū)動編程模型

是非常輕量級的事件驅(qū)動處理（1GB內(nèi)存可容納約270萬個actors）

Akka是一個運行時與編程模型一致的系統(tǒng)，為以下目標設(shè)計：

垂直擴展（并發(fā)）

水平擴展（遠程調(diào)用）

高容錯

使用Akka帶來的好處:

AKKA提供一種Actor并發(fā)模型，其粒度比線程小很多，這意味著你可以在項目中使用大量的Actor。

Akka提供了一套容錯機制，允許在Actor出錯時進行一些恢復(fù)或者重置操作

AKKA不僅可以在單機上構(gòu)建高并發(fā)程序，也可以在網(wǎng)絡(luò)中構(gòu)建分布式程序，并提供位置透明的Actor定位服務(wù)

與前面提到的Actor面向消息的分布式計算式模型不同，Apache Storm提供的是面向連續(xù)的消息流（Stream）的一種通用的分布式計算解決框架。

Apache Storm是一種側(cè)重于極低延遲的流處理框架，也是要求近實時處理的工作負載的最佳選擇。該技術(shù)可處理非常大量的數(shù)據(jù)，通過比其他解決方案更低的延遲提供結(jié)果。

Storm作為實時流式計算中的佼佼者，因其良好的特性使其使用場景非常廣泛。
Zookeeper作為分布式協(xié)調(diào)服務(wù)框架，因其完善的數(shù)據(jù)一致性保證特性使其成為各框架必備組件。

1)日志處理： 監(jiān)控系統(tǒng)中的事件日志，使用 Storm 檢查每條日志信息，把符合匹配規(guī)則的消息保存到數(shù)據(jù)庫。
2)電商商品推薦: 后臺需要維護每個用戶的興趣點，主要基于用戶的歷史行為、查詢、點擊、地理信息等信息獲得，其中有很多實時數(shù)據(jù)，可以使用 Storm 進行處理，在此基礎(chǔ)上進行精準的商品推薦和放置廣告。

Hadoop 是強大的大數(shù)據(jù)處理系統(tǒng)，但是在實時計算方面不夠擅長；Storm的核心功能就是提供強大的實時處理能力，但沒有涉及存儲；所以 Storm 與 Hadoop 即不同也互補。

Storm與Hadoop應(yīng)用場景對比：

Storm： 分布式實時計算，強調(diào)實時性，常用于實時性要求較高的地方
Hadoop:分布式批處理計算，強調(diào)批處理，常用于對已經(jīng)在的大量數(shù)據(jù)挖掘、分析

與前面介紹的Actor模型一樣，MapReduce本質(zhì)上也是一種很古老的并行計算模型，它的名字起源于LISP類函數(shù)式語言里的map和reduce操作。MapReduce的計算模型非常簡單，它的思想就是“分而治之”，Mapper負責(zé)“分”，即把復(fù)雜的大任務(wù)分解為若干個小任務(wù)來處理，彼此之間沒有依賴關(guān)系，以便可以分布到多個計算節(jié)點上實現(xiàn)高度的并行計算能力；Reducer則負責(zé)對map階段的結(jié)果進行匯總和輸出。

我們通過一個最簡單的統(tǒng)計詞頻的案例看一下，MapReduce的簡單原理：

Hadoop傳統(tǒng)意義上就是離線數(shù)據(jù)處理平臺。但是2.0之后就不一樣了，因為多了yarn資源管理器（可能是收到了分布式資源調(diào)度系統(tǒng)Mesos的啟發(fā)），Spark和Storm都可以搭建在Hadoop之上，用yarn進行調(diào)度。這是大數(shù)據(jù)處理中目前最流行的三個計算框架。

Mapreduce： 適用于離線計算。這個框架充分利用了磁盤，處處存在著排序和合并。所以適合于實時性不高的離線計算。

Spark： 相對于Hadoop的MapReduce會在運行完工作后將中介數(shù)據(jù)存放到磁盤中，Spark使用了存儲器內(nèi)運算技術(shù)，能在數(shù)據(jù)尚未寫入硬盤時即在存儲器內(nèi)分析運算。Spark在存儲器內(nèi)運行程序的運算速度能做到比Hadoop MapReduce的運算速度快上100倍，即便是運行程序于硬盤時，Spark也能快上10倍速度。Spark允許用戶將數(shù)據(jù)加載至集群存儲器，并多次對其進行查詢，非常適合用于機器學(xué)習(xí)算法。

Storm： 一種側(cè)重于極低延遲的流處理框架，也是要求近實時處理的工作負載的最佳選擇。該技術(shù)可處理非常大量的數(shù)據(jù)，通過比其他解決方案更低的延遲提供結(jié)果。

Hadoop： 離線分析框架，適合離線的復(fù)雜的大數(shù)據(jù)處理
Spark:內(nèi)存計算框架，適合在線、離線快速的大數(shù)據(jù)處理
Storm: 流式計算框架，適合在線的實時的大數(shù)據(jù)處理

我是Snailclimb,一個以架構(gòu)師為5年之內(nèi)目標的小小白。 歡迎關(guān)注我的微信公眾號:"Java面試通關(guān)手冊"（一個有溫度的微信公眾號，期待與你共同進步~~~堅持原創(chuàng)，分享美文，分享各種Java學(xué)習(xí)資源)

最后，就是使用阿里云服務(wù)器一段時間后，感覺阿里云真的很不錯，就申請做了阿里云大使，然后這是我的優(yōu)惠券地址.