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。

我们可以进一步细化，Master/Worker应该提供什么操作？

Master:

1. 通过构造方法以初始化workers

2. 应该提供submit(Task)方法接受Client端提交过来的任务

3. start()让workers开始处理任务

4. 提供isComplete()判断各个worker的状态，是否都处理完毕

5. 提供getResult()给客户端返回结果

Worker:

1. Worker本质上就是Runnable，提供run()

2. 负责处理业务逻辑的handle()

Java Master-Worker代码实现

Task

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

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

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

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，仅需要610ms, 可以大大缩短计算处理时间。