用scala的actor并发编程写一个单机版的WorldCount

前言：最近一段时间比较忙，也是比较懒了吧，好长时间没写博客了，新的一年到来，给自己一个小目标，博客坚持写下去，分享一下这历程！废话不多说，开始正题咯(希望大家喜欢！)

首先这算是一个scala程序的入门程序，但是并不是针对零基础的，需要了解一定的scala基础，如果有Java基础的同学看起来估计会好一点。如果有必要的话，后面补一篇比较 详细的适合新手的零基础scala“教程”吧！

首先说明一下，Scala Actor是scala 2.10.x版本及以前版本的Actor。Scala在2.11.x版本中将Akka加入其中，作为其默认的Actor，老版本的Actor已经废弃，虽然已经废弃了，但是还是可以作为扩展去了解一下的。

这里普及一下java并发编程与Scala Actor编程的区别：

　　对于Java，我们都知道它的多线程实现需要对共享资源（变量、对象等）使用synchronized 关键字进行代码块同步、对象锁互斥等等。而且，常常一大块的try…catch语句块中加上wait方法、notify方法、notifyAll方法是让人很头疼的。原因就在于Java中多数使用的是可变状态的对象资源，对这些资源进行共享来实现多线程编程的话，控制好资源竞争与防止对象状态被意外修改是非常重要的，而对象状态的不变性也是较难以保证的。

　　与Java的基于共享数据和锁的线程模型不同，scala的actor包则提供了另外一种不共享任何数据、依赖消息传递的模型,从而进行并发编程。

Actor的执行顺序

1、首先调用start()方法启动Actor

2、调用start()方法后其act()方法会被执行

3、向Actor发送消息

4、act方法执行完成之后，程序会调用exit方法

发送消息的方式

!	发送异步消息，没有返回值。
!?	发送同步消息，等待返回值。
!!	发送异步消息，返回值是 Future[Any]。

注意：Future 表示一个异步操作的结果状态，可能还没有实际完成的异步任务的结果

        Any  是所有类的超类，Future[Any]的泛型是异步操作结果的类型。

正式进入正题，对！前面还是做了一些基本的介绍，方便大家的回忆！

我们的目标：用actor并发编程写一个单机版的WorldCount，将多个文件作为输入，计算完成后将多个任务汇总，得到最终的结果

大致思想步骤：

1、通过loop +react 方式去不断的接受消息（注意这里的消息就是我们当前的文件名称）

2、利用case class样例类去匹配对应的操作

3、其中scala中提供了文件读取的接口Source,通过 调用其fromFile方法去获取文件内容

4、将每个文件的单词数量进行局部汇总，存放在一个ListBuffer中

5、最后将ListBuffer中的结果进行全局汇总。

准备工作：在E盘放入三个文件，aa.txt、bb.txt、cc.txt随便写一些单词进去。

 接下来就是写一个我们的WordCountScala.scala类了：

package com.yida.scala

import scala.actors.{Actor, Future}
import scala.collection.mutable
import scala.collection.mutable.ListBuffer
import scala.io.Source

//todo:利用scala中的并发编程，多个文件作为输入，首先进行局部汇总，最终再进行全部汇总

//todo:定义样例类
case class SubmitTask(fileName:String)//提交任务的样例类
case class ResultTask(result:Map[String,Int])//todo:封装每个单词出现的次数

class WordCountScala extends Actor{
  override def act(): Unit = {
    loop{
      react{
        case SubmitTask(fileName) => {
          //todo:2、读取文件数据，利用scala中的scala.io.Source的fromFile方法读取数据
          val lines: String = Source.fromFile(fileName).mkString
          //todo:3、按照换行符进行读取，window下的换行符是 
 Linux是 

          val linesArray: Array[String] = lines.split("
")
          println(linesArray.toBuffer)
          //todo:4、按照空格进行切分并且压平
          val words: Array[String] = linesArray.flatMap(_.split(" "))
          println(words.toBuffer)
          //todo:5、每个单词记为1
          //words.map((_,1))
          val wordAndOne: Array[(String, Int)] = words.map(x=>(x,1))
          println(wordAndOne.toBuffer)
          //todo:6、按照单词进行分组
          val wordGroup: Map[String, Array[(String, Int)]] = wordAndOne.groupBy(_._1)
          println(wordGroup.toBuffer)
          //todo:7、通过mapValues方法拿到map所有key对应的value
          val result: Map[String, Int] = wordGroup.mapValues(_.length)
          println(result.toBuffer)
          //todo:8、把结果返回给发送方
          sender ! ResultTask(result)
        }
      }
    }
  }
}

object WordCountScala{
  def main(args: Array[String]): Unit = {
  //todo:定义一个set集合 ，用于存放每次异步的结果
    val hashSet = new mutable.HashSet[Future[Any]]()
    //todo:定义一个list集合，用于存放真正的结果数据
    val taskList = new ListBuffer[ResultTask]
   /*
   val task = new WordCountScala
   task.start()
    task !! SubmitTask("E:\aa.txt")*/

    //todo:1、准备数据文件
    val files = Array("E:\aa.txt","E:\bb.txt","E:\cc.txt")
    //todo:2、遍历数据文件，发送消息
    for(fileName <- files){
      //todo:3、针对每一个文件，创建一个actor实例
      val task = new WordCountScala
      task.start()
      //向actor提交任务
      val result: Future[Any] = task !! SubmitTask(fileName)
      //todo:4、存放异步返回结果到set集合中
      hashSet += result
    }
    //todo:5、处理hashSet中的数据
    while(hashSet.size>0){
      //todo:6、判断对应真正完成任务的结果
      val completedTask: mutable.HashSet[Future[Any]] = hashSet.filter(_.isSet)
      for(c <- completedTask){
        //todo:7、获取future中的数据
        val data: Any = c.apply()
        val task: ResultTask = data.asInstanceOf[ResultTask]
        //todo:8、将真正的结果保存到list集合中
        taskList += task
        //todo:9、将处理完成的数据删除
        hashSet -= c
      }
    }
    //todo:10、对taskList结果进行操作
    println(taskList.map(_.result).flatten.groupBy(_._1).mapValues(x=>x.foldLeft(0)(_+_._2)))

  }
}

 欣赏一下跑完后的结果：代码 注释还有 不懂的地方 欢迎提出来，我看到了会解答的哈！