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。

综上，我们可以得到如下：

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;}@Overridepublic 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，可以大大缩短计算处理时间。