Akka系列（九）：Akka分布式之Akka Remote-白红宇

Akka作为一个天生用于构建分布式应用的工具，当然提供了用于分布式组件即Akka Remote，那么我们就来看看如何用Akka Remote以及Akka Serialization来构建分布式应用。

背景

很多同学在程序的开发中都会遇到一个问题，当业务需求变得越来越复杂，单机服务器已经不足以承载相应的请求的时候，我们都会考虑将服务部署到不同的服务器上，但服务器之间可能需要相互调用，那么系统必须拥有相互通信的接口，用于相应的数据交互，这时候一个好的远程调用方案是一个绝对的利器，主流的远程通信有以下几种选择：

RPC（Remote Procedure Call Protocol）

Web Service

JMS（Java Messaging Service）

这几种方式都是被采用比较广泛的通信方案，有兴趣的同学可以自己去了解一下，这里我会讲一下Java中的RPC即RMI （Remote Method Invocation）和JMS。

JAVA远程调用

RMI和JMS相信很多写过Java程序的同学都知道，是Java程序用来远程通信的主要方式，那么RMI和JMS又有什么区别呢？

1.RMI

i.特征：

同步通信：在使用RMI调用远程方法时，线程会持续等待直到结果返回，所以它是一个同步阻塞操作；

强耦合：请求的系统中需要使用的RMI服务进行接口声明，返回的数据类型有一定的约束；

ii.优点：

实现相对简单，方法调用形式通俗易理解，接口声明服务功能清晰。

iii.缺点：

只局限支持JVM平台；

对无法兼容Java语言的其他语言也不适用；

2.JMS

i.特征：

异步通信：JMS发送消息进行通信，在通信过程中，线程不会被阻塞，不必等待请求回应，所以是一个异步操作；

松耦合：不需要接口声明，返回的数据类型可以是各种各样，比如JSON，XML等；

ii.通信方式：

（1）点对点消息传送模型

顾名思义，点对点可以理解为两个服务器的定点通信，发送者和接收者都能明确知道对方是谁，大致模型如下：

jms-point-to-point

（2）发布/订阅消息传递模型

点对点模型有些场景并不是很适用，比如有一台主服务器，它产生一条消息需要让所有的从服务器都能收到，若采用点对点模型的话，那主服务器需要循环发送消息，后续若有新的从服务器增加，还要改主服务器的配置，这样就会导致不必要的麻烦，那么发布/订阅模型是怎么样的呢？其实这种模式跟设计模式中的观察者模式很相似，相信很多同学都很熟悉，它最大的特点就是较松耦合，易扩展等特点，所以发布/订阅模型的大致结构如下：

jms-topic

iii.优点：

由于使用异步通信，不需要线程暂停等待，性能相对较高。

iiii.缺点：

技术实现相对复杂，并需要维护相关的消息队列；

更通俗的说：

RMI可以看成是用打电话的方式进行信息交流，而JMS更像是发短信。

总的来说两种方式没有孰优孰劣，我们也不用比较到底哪种方式比较好，存在即合理，更重要的是哪种选择可能更适合你的系统。

RMI Example

这里我写一个RMI的例子，一方面来看一下它的使用方式，另一方面用于和后续的Akka Remote做一些比较：

首先我们来编写相应的传输对象和通信接口：

1.JoinRmiEvt：

public class JoinRmiEvt implements Remote , Serializable{    private static final long serialVersionUID = 1L;    private Long id;    private String name;    public JoinRmiEvt(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;    }}复制代码

2.RemoteRmi:

public interface RemoteRmi extends Remote {    public void sendNoReturn(String message) throws RemoteException, InterruptedException;    public String sendHasReturn(JoinRmiEvt joinRmiEvt) throws RemoteException;}复制代码

然后在服务端对该接口进行实现：

3.RemoteRmiImpl:

public class RemoteRmiImpl extends UnicastRemoteObject implements RemoteRmi {    private static final long serialVersionUID = 1L;    public  RemoteRmiImpl() throws RemoteException {};    @Override    public void sendNoReturn(String message) throws RemoteException, InterruptedException {        Thread.sleep(2000);        //throw new RemoteException();     }    @Override    public String sendHasReturn(JoinRmiEvt joinRmiEvt) throws RemoteException {      if (joinRmiEvt.getId() >= 0)          return new StringBuilder("the").append(joinRmiEvt.getName()).append("has join").toString();      else return null;    }}复制代码

接着我们在Server端绑定相应端口并发布服务，然后启动：

public class RemoteRMIServer {    public static void main(String[] args) throws RemoteException, AlreadyBoundException, MalformedURLException, InterruptedException {        System.out.println("the RemoteRMIServer is Starting ...");        RemoteRmiImpl remoteRmi = new RemoteRmiImpl();        System.out.println("Binding server implementation to registry");        LocateRegistry.createRegistry(2553);        Naming.bind("rmi://127.0.0.1:2553/remote_rmi",remoteRmi);        System.out.println("the RemoteRMIServer is Started");        Thread.sleep(10000000);    }}复制代码

下面我们在Client端调用Server端的服务：

public class RemoteRmiClient {    public static void main(String[] args) throws RemoteException, NotBoundException, MalformedURLException, InterruptedException {        System.out.println("the client has started");        String url = "rmi://127.0.0.1:2553/remote_rmi";        RemoteRmi remoteRmi = (RemoteRmi) Naming.lookup(url);        System.out.println("the client has running");        remoteRmi.sendNoReturn("send no return");        System.out.println(remoteRmi.sendHasReturn(new JoinRmiEvt(1L,"godpan")));        System.out.println("the client has end");    }}复制代码

运行结果：

java-rmi-result

从运行结果和代码上分析可得：

Java Rmi调用是一个阻塞的过程，这会导致一个问题，假如服务端的服务奔溃了，会导致客户端没有反应；

Java Rmi使用的是Java默认的序列化方式,性能并不是很好，而且并不提供支持使用其他序列化的接口，在一些性能要求高的系统会有一定的瓶颈；

在Rmi中使用的相应的接口和对象必须实现相应的接口，必须制定抛出相应的Exception，导致代码看起来异常的繁琐；

Akka Remote

上面讲到JAVA中远程通信的方式，但我们之前说过Akka也是基于JVM平台的，那么它的通信方式又有什么不同呢？

在我看来，Akka的远程通信方式更像是RMI和JMS的结合，但更偏向于JMS的方式，为什么这么说呢，我们先来看一个示例:

我们先来创建一个远程的Actor：

class RemoteActor extends Actor {  def receive = {    case msg: String =>      println(s"RemoteActor received message '$msg'")      sender ! "Hello from the RemoteActor"  }}复制代码

现在我们在远程服务器上启动这个Actor：

val system = ActorSystem("RemoteDemoSystem")val remoteActor = system.actorOf(Props[RemoteActor], name = "RemoteActor")复制代码

那么现在我们假如有一个系统需要向这个Actor发送消息应该怎么做呢？

首先我们需要类似RMI发布自己的服务一样，我们需要为其他系统调用远程Actor提供消息通信的接口，在Akka中，设置非常简单，不需要代码侵入，只需简单的在配置文件里配置即可：

akka {  actor {    provider = "akka.remote.RemoteActorRefProvider"  }  remote {    enabled-transports = ["akka.remote.netty.tcp"]    netty.tcp {      hostname = $localIp  //比如127.0.0.1      port = $port //比如2552    }    log-sent-messages = on    log-received-messages = on  }}复制代码

我们只需配置相应的驱动，传输方式，ip，端口等属性就可简单完成Akka Remote的配置。

当然本地服务器也需要配置这些信息，因为Akka之间是需要相互通信的，当然配置除了hostname有一定的区别外，其他配置信息可一致，本例子是在同一台机器上，所以这里hostname是相同的。

这时候我们就可以在本地的服务器向这个Actor发送消息了，首先我们可以创建一个本地的Actor：

case object Initcase object SendNoReturnclass LocalActor extends Actor{  val path = ConfigFactory.defaultApplication().getString("remote.actor.name.test")  implicit val timeout = Timeout(4.seconds)  val remoteActor = context.actorSelection(path)  def receive: Receive = {    case Init => "init local actor"    case SendNoReturn => remoteActor ! "hello remote actor"  }}复制代码

其中的remote.actor.name.test的值为：“akka.tcp://RemoteDemoSystem@127.0.0.1:4444/user/RemoteActor”，另外我们可以看到我们使用了context.actorSelection(path)来获取的是一个ActorSelection对象，若是需要获得ActorRef，我们可以调用它的resolveOne(),它返回的是是一个Future[ActorRef],这里是不是很熟悉，因为它跟本地获取Actor方式是一样的，因为Akka中Actor是位置透明的，获取本地Actor和远程Actor是一样的。

最后我们首先启动远程Actor的系统：

object RemoteDemo extends App  {  val system = ActorSystem("RemoteDemoSystem")  val remoteActor = system.actorOf(Props[RemoteActor], name = "RemoteActor")  remoteActor ! "The RemoteActor is alive"}复制代码

然后我们在本地系统中启动这个LocalActor，并向它发送消息：

object LocalDemo extends App {  implicit val system = ActorSystem("LocalDemoSystem")  val localActor = system.actorOf(Props[LocalActor], name = "LocalActor")  localActor ! Init  localActor ! SendNoReturn}复制代码

我们可以看到RemoteActor收到了一条消息：

send-no-return

从以上的步骤和结果看出可以看出，Akka的远程通信跟JMS的点对点模式似乎更相似一点，但是它有不需要我们维护消息队列，而是使用Actor自身的邮箱，另外我们利用context.actorSelection获取的ActorRef，可以看成远程Actor的副本，这个又和RMI相关概念类似，所以说Akka远程通信的形式上像是RMI和JMS的结合,当然底层还是通过TCP、UDP等相关网络协议进行数据传输的，从配置文件的相应内容便可以看出。

上述例子演示的是sendNoReturn的模式，那么假如我们需要远程Actor给我们一个回复应该怎么做呢？

首先我们创建一个消息：

case object SendHasReturn def receive: Receive = {    case SendHasReturn =>      for {        r <- remoteActor.ask("hello remote actor")      } yield r  }复制代码

我们重新运行LocalActor并像RemoteActor发送一条消息：

send-has-return

可以看到LocalActor在发送消息后并收到了RemoteActor返回来的消息，另外我们这里设置了超时时间，若在规定的时间内没有得到反馈，程序就会报错。

Akka Serialization

其实这一部分本可以单独拿出来写，但是相信序列化这块大家都应该有所了解了，所以就不准备讲太多序列化的知识了，怕班门弄斧，主要讲讲Akka中的序列化。

继续上面的例子，假如我们这时向RemoteActor发送一个自定义的对象，比如一个case class对象，但是我们这是是在网络中传输这个消息，那么怎么保证这个对象类型和值呢，在同一个JVM系统中我们不需要担心这个，因为对象就在堆中，我们只要传递相应的地址即可就行，但是在不同的环境中，我们并不能这么做，我们在网络中只能传输字节数据，所以我们必须将对象做特殊的处理，在传输的时候转化成特定的由一连串字节组成的数据，而且我们又可以根据这些数据恢复成一个相应的对象，这便是序列化。

我们先定义一个参与的case class, 并修改一下上面发送消息的语句:

case object SendSerializationcase class JoinEvt(    id: Long,    name: String)def receive: Receive = {    case SendSerialization =>      for {        r <- remoteActor.ask(JoinEvt(1L,"godpan"))      } yield println(r)  }复制代码

这时我们重新启动RemoteActor和LocalActor所在的系统，发送这条消息：

send-serialization

有同学可能会觉得奇怪，我们明明没有对JoinEvt进行过任何序列化的标识和处理，为什么程序还能运行成功呢？

其实不然，只不过是有人替我们默认做了，不用说，肯定是贴心的Akka，它为我们提供了一个默认的序列化策略，那就是我们熟悉又纠结的java.io.Serializable，沉浸在它的易使用性上，又对它的性能深恶痛绝，尤其是当有大量对象需要传输的分布式系统，如果是小系统，当我没说，毕竟存在即合理。

又有同学说，既然Akka是一个天生分布式组件，为什么还用低效的java.io.Serializable，你问我我也不知道，可能当时的作者偷了偷懒，当然Akka现在可能觉醒了，首先它支持第三方的序列化工具，当然如果你有特殊需求，你也可以自己实现一个，而且在最新的文档中说明，在Akka 2.5x之后Akka内核消息全面废弃java.io.Serializable，用户自定义的消息暂时还是支持使用java.io.Serializable的，但是不推荐用，因为它是低效的，容易被攻击，所以在这里我也推荐大家再Akka中尽量不要在使用了java.io.Serializable。

那么在Akka中我们如何使用第三方的序列化工具呢？

这里我推荐一个在Java社区已经久负盛名的序列化工具：kryo，有兴趣的同学可以去了解一下：,而且它也提供Akka使用的相关包，这里我们就使用它作为示例：

这里我贴上整个项目的build.sbt, kryo的相关依赖也在里面：

import sbt._import sbt.Keys._lazy val AllLibraryDependencies =  Seq(    "com.typesafe.akka" %% "akka-actor" % "2.5.3",    "com.typesafe.akka" %% "akka-remote" % "2.5.3",    "com.twitter" %% "chill-akka" % "0.8.4"  )lazy val commonSettings = Seq(  name := "AkkaRemoting",  version := "1.0",  scalaVersion := "2.11.11",  libraryDependencies := AllLibraryDependencies)lazy val remote = (project in file("remote"))  .settings(commonSettings: _*)  .settings(    // other settings  )lazy val local = (project in file("local"))  .settings(commonSettings: _*)  .settings(    // other settings  )复制代码

然后我们只需将application.conf中的actor配置替换成以下的内容：

actor {    provider = "akka.remote.RemoteActorRefProvider"    serializers {      kryo = "com.twitter.chill.akka.AkkaSerializer"    }    serialization-bindings {      "java.io.Serializable" = none      "scala.Product" = kryo    }  }复制代码

其实其中的"java.io.Serializable" = none可以省略，因为若是有其他序列化的策略则会替换掉默认的java.io.Serializable的策略，这里只是为了更加仔细的说明。

至此我们就可以使用kryo了，整个过程是不是很easy，迫不及待开始写demo了，那就快快开始吧。

从运行结果和代码上分析可得：

Akka Remote使用内置的序列化工具，并支持配置指定的序列化方式，可以按需配置；

Akka Remote使用的过程是一个异步非阻塞的过程，客户端能尽量减少对服务端的依赖；

Akka Remote的代码实现相对Java Rmi实现来说简单的多，非常简洁；

整个例子的相关的源码已经上传到akka-demo中：