资讯专栏INFORMATION COLUMN

Akka系列(七):Actor持久化之Akka persistence

miguel.jiang / 1137人阅读

摘要:源码链接进阶持久化插件有同学可能会问,我对不是很熟悉亦或者觉得单机存储并不是安全,有没有支持分布式数据存储的插件呢,比如某爸的云数据库答案当然是有咯,良心的我当然是帮你们都找好咯。

这次把这部分内容提到现在写,是因为这段时间开发的项目刚好在这一块遇到了一些难点,所以准备把经验分享给大家,我们在使用Akka时,会经常遇到一些存储Actor内部状态的场景,在系统正常运行的情况下,我们不需要担心什么,但是当系统出错,比如Actor错误需要重启,或者内存溢出,亦或者整个系统崩溃,如果我们不采取一定的方案的话,在系统重启时Actor的状态就会丢失,这会导致我们丢失一些关键的数据,造成系统数据不一致的问题。Akka作为一款成熟的生产环境应用,为我们提供了相应的解决方案就是Akka persistence。

为什么需要持久化的Actor?

万变不离其宗,数据的一致性是永恒的主题,一个性能再好的系统,不能保证数据的正确,也称不上是一个好的系统,一个系统在运行的时候难免会出错,如何保证系统在出错后能正确的恢复数据,不让数据出现混乱是一个难题。使用Actor模型的时候,我们会有这么一个想法,就是能不对数据库操作就尽量不对数据库操作(这里我们假定我们的数据库是安全,可靠的,能保证数据的正确性和一致性,比如使用国内某云的云数据库),一方面如果大量的数据操作会使数据库面临的巨大的压力,导致崩溃,另一方面即使数据库能处理的过来,比如一些count,update的大表操作也会消耗很多的时间,远没有内存中直接操作来的快,大大影响性能。但是又有人说几人内存操作这么快,为什么不把数据都放内存中呢?答案显而易见,当出现机器死机,或者内存溢出等问题时,数据很有可能就丢失了导致无法恢复。在这种背景下,我们是不是有一种比较好的解决方案,既能满足需求又能用最小的性能消耗,答案就是上面我们的说的Akka persistence。

Akka persistence的核心架构

在具体深入Akka persistence之前,我们可以先了解一下它的核心设计理念,其实简单来说,我们可以利用一些thing来恢复Actor的状态,这里的thing可以是日志、数据库中的数据,亦或者是文件,所以说它的本质非常容易理解,在Actor处理的时候我们会保存一些数据,Actor在恢复的时候能根据这些数据恢复其自身的状态。

所以Akka persistence 有以下几个关键部分组成:

PersistentActor:任何一个需要持久化的Actor都必须继承它,并必须定义或者实现其中的三个关键属性:

 def persistenceId = "example" //作为持久化Actor的唯一表示,用于持久化或者查询时使用

 def receiveCommand: Receive = ??? //Actor正常运行时处理处理消息逻辑,可在这部分内容里持久化自己想要的消息

 def receiveRecover: Receive = ??? //Actor重启恢复是执行的逻辑

相比普通的Actor,除receiveCommand相似以外,还必须实现另外两个属性。
另外在持久化Actor中还有另外两个关键的的概念就是JournalSnapshot,前者用于持久化事件,后者用于保存Actor的快照,两者在Actor恢复状态的时候都起到了至关重要的作用。

Akka persistence的demo实战

这里我首先会用一个demo让大家能对Akka persistence的使用有一定了解的,并能大致明白它的工作原理,后面再继续讲解一些实战可能会遇到的问题。

假定现在有这么一个场景,现在假设有一个1w元的大红包,瞬间可能会很多人同时来抢,每个人抢的金额也可能不一样,场景很简单,实现方式也有很多种,但前提是保证数据的正确性,比如最普通的使用数据库保证,但对这方面有所了解的同学都知道这并不是一个很好的方案,因为需要锁,并需要大量的数据库操作,导致性能不高,那么我们是否可以用Actor来实现这个需求么?答案是当然可以。

我们首先来定义一个抽奖命令,

case class LotteryCmd(
  userId: Long, // 参与用户Id
  username: String, //参与用户名
  email: String // 参与用户邮箱
)

然后我们实现一个抽奖Actor,并继承PersistentActor作出相应的实现:

case class LuckyEvent(  //抽奖成功事件
    userId: Long,
    luckyMoney: Int
)
case class FailureEvent(  //抽奖失败事件
    userId: Long,
    reason: String
)
case class Lottery(
    totalAmount: Int,  //红包总金额
    remainAmount: Int  //剩余红包金额
) {
  def update(luckyMoney: Int) = {
    copy(
      remainAmount = remainAmount - luckyMoney
    )
  }
}
class LotteryActor(initState: Lottery) extends PersistentActor with ActorLogging{
  override def persistenceId: String = "lottery-actor-1"

  var state = initState  //初始化Actor的状态

  override def receiveRecover: Receive = {
    case event: LuckyEvent =>
      updateState(event)  //恢复Actor时根据持久化的事件恢复Actor状态
    case SnapshotOffer(_, snapshot: Lottery) =>
      log.info(s"Recover actor state from snapshot and the snapshot is ${snapshot}")
      state = snapshot //利用快照恢复Actor的状态
    case RecoveryCompleted => log.info("the actor recover completed")
  }

  def updateState(le: LuckyEvent) =
    state = state.update(le.luckyMoney)  //更新自身状态

  override def receiveCommand: Receive = {
    case lc: LotteryCmd =>
      doLottery(lc) match {     //进行抽奖,并得到抽奖结果,根据结果做出不同的处理
        case le: LuckyEvent =>  //抽到随机红包
          persist(le) { event =>
            updateState(event)
            increaseEvtCountAndSnapshot()
            sender() ! event
          }
        case fe: FailureEvent =>  //红包已经抽完
          sender() ! fe
      }
    case "saveSnapshot" =>  // 接收存储快照命令执行存储快照操作
      saveSnapshot(state)
    case SaveSnapshotSuccess(metadata) =>  ???  //你可以在快照存储成功后做一些操作,比如删除之前的快照等
  }

  private def increaseEvtCountAndSnapshot() = {
    val snapShotInterval = 5
    if (lastSequenceNr % snapShotInterval == 0 && lastSequenceNr != 0) {  //当有持久化5个事件后我们便存储一次当前Actor状态的快照
      self ! "saveSnapshot"
    }
  }

  def doLottery(lc: LotteryCmd) = {  //抽奖逻辑具体实现
    if (state.remainAmount > 0) {
      val luckyMoney = scala.util.Random.nextInt(state.remainAmount) + 1
      LuckyEvent(lc.userId, luckyMoney)
    }
    else {
      FailureEvent(lc.userId, "下次早点来,红包已被抽完咯!")
    }
  }
}

程序很简单,关键位置我也给了注释,相信大家对Actor有所了解的话很容易理解,当然要是有些疑惑,可以看看我之前写的文章,下面我们就对刚才写的抽红包Actor进行测试:

object PersistenceTest extends App {
  val lottery = Lottery(10000,10000)
  val system = ActorSystem("example-05")
  val lotteryActor = system.actorOf(Props(new LotteryActor(lottery)), "LotteryActor-1")  //创建抽奖Actor
  val pool: ExecutorService = Executors.newFixedThreadPool(10)
  val r = (1 to 100).map(i =>
    new LotteryRun(lotteryActor, LotteryCmd(i.toLong,"godpan","xx@gmail.com"))  //创建100个抽奖请求
  )
  r.map(pool.execute(_))  //使用线程池来发起抽奖请求,模拟同时多人参加
  Thread.sleep(5000)
  pool.shutdown()
  system.terminate()
}

class LotteryRun(lotteryActor: ActorRef, lotteryCmd: LotteryCmd) extends Runnable { //抽奖请求
  implicit val timeout = Timeout(3.seconds)
  def run: Unit = {
    for {
      fut <- lotteryActor ? lotteryCmd
    } yield fut match {  //根据不同事件显示不同的抽奖结果
      case le: LuckyEvent => println(s"恭喜用户${le.userId}抽到了${le.luckyMoney}元红包")
      case fe: FailureEvent =>  println(fe.reason)
      case _ => println("系统错误,请重新抽取")
    }
  }
}

运行程序,我们可能看到以下的结果:

下面我会把persistence actor在整个运行过程的步骤给出,帮助大家理解它的原理:

1.初始化Persistence Actor

1.1若是第一次初始化,则与正常的Actor的初始化一致。

1.2若是重启恢复Actor,这根据Actor之前持久的数据恢复。

1.2.1从快照恢复,可快速恢复Actor,但并非每次持久化事件都会保存快照,在快照完整的情况下,Actor优先从快照恢复自身状态。

1.2.2从事件(日志,数据库记录等)恢复,通过重放持久化事件恢复Actor状态,比较关键。

2.接收命令进行处理,转化为需要持久化的事件(持久化的事件尽量只包含关键性的数据)使用Persistence Actor的持久化方法进行持久化(上述例子中的persist,后面我会讲一下批量持久化),并处理持久化成功后的逻辑处理,比如修改Actor状态,向外部Actor发送消息等。

3.若是我们需要存储快照,那么可以主动指定存储快照的频率,比如持久化事件100次我们就存储一次快照,这个频率应该要考虑实际的业务场景,在存储快照成功后我们也可以执行一些操作。

总的来说Persistence Actor运行时的大致操作就是以上这些,当然它是r如何持久化事件,恢复时的机制是怎么样的等有兴趣的可以看一下Akka源码。

使用Akka persistence的相关配置

首先我们必须加载相应的依赖包,在bulid.sbt中加入以下依赖:

libraryDependencies ++= Seq(
"com.typesafe.akka" %% "akka-actor" % "2.4.16",  //Akka actor 核心依赖
  "com.typesafe.akka" %% "akka-persistence" % "2.4.16", //Akka persistence 依赖
  "org.iq80.leveldb"            % "leveldb"          % "0.7", //leveldb java版本依赖
  "org.fusesource.leveldbjni"   % "leveldbjni-all"   % "1.8", //leveldb java版本依赖
  "com.twitter"              %% "chill-akka"                  % "0.8.0" //事件序列化依赖
)

另外我们还需在application.conf加入以下配置:

akka.persistence.journal.plugin = "akka.persistence.journal.leveldb"
akka.persistence.snapshot-store.plugin = "akka.persistence.snapshot-store.local"

akka.persistence.journal.leveldb.dir = "log/journal"
akka.persistence.snapshot-store.local.dir = "log/snapshots"

# DO NOT USE THIS IN PRODUCTION !!!
# See also https://github.com/typesafehub/activator/issues/287
akka.persistence.journal.leveldb.native = false  //因为我们本地并没有安装leveldb,所以这个属性置为false,但是生产环境并不推荐使用

akka.actor.serializers {
  kryo = "com.twitter.chill.akka.AkkaSerializer"
}

akka.actor.serialization-bindings {
  "scala.Product" = kryo
  "akka.persistence.PersistentRepr" = kryo
}

至此为止我们整个Akka persistence demo已经搭建好了,可以正常运行了,有兴趣的同学可以下载源码。源码链接

Akka persistence进阶 1.持久化插件

有同学可能会问,我对leveldb不是很熟悉亦或者觉得单机存储并不是安全,有没有支持分布式数据存储的插件呢,比如某爸的云数据库?答案当然是有咯,良心的我当然是帮你们都找好咯。

1.akka-persistence-sql-async: 支持MySQL和PostgreSQL,另外使用了全异步的数据库驱动,提供异步非阻塞的API,我司用的就是它的变种版,6的飞起。项目地址

2.akka-persistence-cassandra: 官方推荐的插件,使用写性能very very very fast的cassandra数据库,是几个插件中比较流行的一个,另外它还支持persistence query。项目地址

3.akka-persistence-redis: redis应该也很符合Akka persistence的场景,熟悉redis的同学可以使用看看。项目地址

4.akka-persistence-jdbc: 怎么能少了jdbc呢?不然怎么对的起java爸爸呢,支持scala和java哦。项目地址

相应的插件的具体使用可以看该项目的具体介绍使用,我看了下相对来说都是比较容易的。

2.批量持久化

上面说到我司用的是akka-persistence-sql-async插件,所以我们是将事件和快照持久化到数据库的,一开始我也是像上面demo一样,每次事件都会持久化到数据库,但是后来在性能测试的时候,因为本身业务场景对数据库的压力也比较大,在当数据库到达每秒1000+的读写量后,另外说明一下使用的是某云数据库,性能中配以上,发现每次持久化的时间将近要15ms,这样换算一下的话Actor每秒只能处理60~70个需要持久化的事件,而实际业务场景要求Actor必须在3秒内返回处理结果,这种情况下导致大量消息处理超时得不到反馈,另外还有大量的消息得不到处理,导致系统错误暴增,用户体验下降,既然我们发现了问题,那么我们能不能进行优化呢?事实上当然是可以,既然单个插入慢,那么我们能不能批量插入呢,Akka persistence为我们提供了persistAll方法,下面我就对上面的demo进行一下改造,让其变成批量持久化:

class LotteryActorN(initState: Lottery) extends PersistentActor with ActorLogging{
  override def persistenceId: String = "lottery-actor-2"

  var state = initState  //初始化Actor的状态

  override def receiveRecover: Receive = {
    case event: LuckyEvent =>
      updateState(event)  //恢复Actor时根据持久化的事件恢复Actor状态
    case SnapshotOffer(_, snapshot: Lottery) =>
      log.info(s"Recover actor state from snapshot and the snapshot is ${snapshot}")
      state = snapshot //利用快照恢复Actor的状态
    case RecoveryCompleted => log.info("the actor recover completed")
  }

  def updateState(le: LuckyEvent) =
    state = state.update(le.luckyMoney)  //更新自身状态

  var lotteryQueue : ArrayBuffer[(LotteryCmd, ActorRef)] = ArrayBuffer()

  context.system.scheduler  //定时器,定时触发抽奖逻辑
    .schedule(
      0.milliseconds,
      100.milliseconds,
      new Runnable {
        def run = {
          self ! "doLottery"
        }
      }
    )

  override def receiveCommand: Receive = {
    case lc: LotteryCmd =>
      lotteryQueue = lotteryQueue :+ (lc, sender())  //参与信息加入抽奖队列
      println(s"the lotteryQueue size is ${lotteryQueue.size}")
      if (lotteryQueue.size > 5)  //当参与人数有5个时触发抽奖
        joinN(lotteryQueue)
    case "doLottery" =>
      if (lotteryQueue.size > 0)
        joinN(lotteryQueue)
    case "saveSnapshot" =>  // 接收存储快照命令执行存储快照操作
      saveSnapshot(state)
    case SaveSnapshotSuccess(metadata) =>  ???  //你可以在快照存储成功后做一些操作,比如删除之前的快照等
  }

  private def joinN(lotteryQueue: ArrayBuffer[(LotteryCmd, ActorRef)]) = {  //批量处理抽奖结果
    val rs = doLotteryN(lotteryQueue)
    val success = rs.collect {  //得到其中中奖的相应信息
      case (event: LuckyEvent, ref: ActorRef) =>
        event -> ref
    }.toMap
    val failure = rs.collect {  //得到其中未中奖的相应信息
      case (event: FailureEvent, ref: ActorRef) => event -> ref
    }
    persistAll(success.keys.toIndexedSeq) {  //批量持久化中奖用户事件
      case event =>  println(event)
        updateState(event)
        increaseEvtCountAndSnapshot()
        success(event) ! event
    }
    failure.foreach {
      case (event, ref) => ref ! event
    }
    this.lotteryQueue.clear()  //清空参与队列
  }


  private def increaseEvtCountAndSnapshot() = {
    val snapShotInterval = 5
    if (lastSequenceNr % snapShotInterval == 0 && lastSequenceNr != 0) {  //当有持久化5个事件后我们便存储一次当前Actor状态的快照
      self ! "saveSnapshot"
    }
  }

  private def doLotteryN(lotteryQueue: ArrayBuffer[(LotteryCmd, ActorRef)]) = {  //抽奖逻辑具体实现
    var remainAmount = state.remainAmount
    lotteryQueue.map(lq =>
      if (remainAmount > 0) {
        val luckyMoney = scala.util.Random.nextInt(remainAmount) + 1
        remainAmount = remainAmount - luckyMoney
        (LuckyEvent(lq._1.userId, luckyMoney),lq._2)
      }
      else {
        (FailureEvent(lq._1.userId, "下次早点来,红包已被抽完咯!"),lq._2)
      }
    )
  }
}

这是改造后的参与Actor,实现了批量持久的功能,当然这里为了给发送者返回消息,处理逻辑稍微复杂了一点,不过真实场景可能会更复杂,相关源码也在刚才的项目上。

3.Persistence Query

另外Akka Persistence还提供了Query接口,用于需要查询持久化事件的需求,这部分内容可能要根据实际业务场景考虑是否需要应用,我就不展开讲了,另外我也写了一个小demo在项目中,想要尝试的同学也可以试试。

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/67470.html

相关文章

  • 使用akka作异步任务处理

    摘要:创建订单时同步操作有查询库存,扣款,刷新库存可异步的操作有通知风控系统,给买家发送扣款邮件和短信,通知卖家,创建一些定时任务。 同步转异步是一种常见的优化手段,最近一次在做调优时便大量使用了这种方式。通常在一个业务场景中会包含多个操作,有些操作的结果需要让用户立马知道,但有些操作则不需要。这些用户不需要等待结果的操作,我们在编程的时候便可以异步处理。这么做最直接的效果就是缩短接口响应速...

    shiweifu 评论0 收藏0
  • Akka系列(一):Akka简介与Actor模型

    摘要:是一个构建在上,基于模型的的并发框架,为构建伸缩性强,有弹性的响应式并发应用提高更好的平台。上述例子中的信件就相当于中的消息,与之间只能通过消息通信。当然模型比这要复杂的多,这里主要是简洁的阐述一下模型的概念。模型的出现解决了这个问题。 Akka是一个构建在JVM上,基于Actor模型的的并发框架,为构建伸缩性强,有弹性的响应式并发应用提高更好的平台。本文主要是个人对Akka的学习和应...

    PingCAP 评论0 收藏0
  • Akka系列(二):Akka中的Actor系统

    摘要:模型作为中最核心的概念,所以在中的组织结构也至关重要,本文主要介绍中系统。这里主要是演示可以根据配置文件的内容去加载相应的环境,并应用到整个中,这对于我们配置环境来说是非常方便的。路径与地址熟悉类系统的同学应该对路径这个概念很熟悉了。 Actor模型作为Akka中最核心的概念,所以Actor在Akka中的组织结构也至关重要,本文主要介绍Akka中Actor系统。 Actor系统 Act...

    BlackFlagBin 评论0 收藏0
  • 关于分布式计算的一些概念

    摘要:关于三者的一些概括总结离线分析框架,适合离线的复杂的大数据处理内存计算框架,适合在线离线快速的大数据处理流式计算框架,适合在线的实时的大数据处理我是一个以架构师为年之内目标的小小白。 整理自《架构解密从分布式到微服务》第七章——聊聊分布式计算.做了相应补充和修改。 [TOC] 前言 不管是网络、内存、还是存储的分布式,它们最终目的都是为了实现计算的分布式:数据在各个计算机节点上流动,同...

    Ververica 评论0 收藏0
  • Akka系列(三):监管与容错

    摘要:是所有由系统创建的顶级的监管者,如日志监听器,或由配置指定在系统启动时自动部署的。所有其他被上升到根监管者,然后整个系统将会关闭。监管容错示例本示例主要演示在发生错误时,它的监管者会根据相应的监管策略进行不同的处理。 Akka作为一种成熟的生产环境并发解决方案,必须拥有一套完善的错误异常处理机制,本文主要讲讲Akka中的监管和容错。 监管 看过我上篇文章的同学应该对Actor系统的工作...

    shevy 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<