转自（http://www.infoq.com/cn/articles/High-Performance-Java-Inter-Thread-Communications）
这个故事源自一个很简单的想法：创建一个对开发人员友好的、简单轻量的线程间通讯框架，完全不用锁、同步器、信号量、等待和通知，在Java里开发一个轻量、无锁的线程内通讯框架；并且也没有队列、消息、事件或任何其他并发专用的术语或工具。
只用普通的老式Java接口实现POJO的通讯。
它可能跟Akka的类型化actor类似，但作为一个必须超级轻量，并且要针对单台多核计算机进行优化的新框架，那个可能有点过了。
当actor跨越不同JVM实例（在同一台机器上，或分布在网络上的不同机器上）的进程边界时，Akka框架很善于处理进程间的通讯。
但对于那种只需要线程间通讯的小型项目而言，用Akka类型化actor可能有点儿像用牛刀杀鸡，不过类型化actor仍然是一种理想的实现方式。
我花了几天时间，用动态代理，阻塞队列和缓存线程池创建了一个解决方案。
图一是这个框架的高层次架构：
图一: 框架的高层次架构
SPSC队列是指单一生产者/单一消费者队列。MPSC队列是指多生产者/单一消费者队列。
派发线程负责接收Actor线程发送的消息，并把它们派发到对应的SPSC队列中去。
接收到消息的Actor线程用其中的数据调用相应的actor实例中的方法。借助其他actor的代理，actor实例可以将消息发送到MPSC队列中，然后消息会被发送给目标actor线程。
我创建了一个简单的例子来测试，就是下面这个打乒乓球的程序：
public interface PlayerA (
void pong(long ball); //发完就忘的方法调用
}
public interface PlayerB {
void ping(PlayerA playerA, long ball); //发完就忘的方法调用
}
public class PlayerAImpl implements PlayerA {
@Override
public void pong(long ball) {
}
}
public class PlayerBImpl implements PlayerB {
@Override
public void ping(PlayerA playerA, long ball) {
playerA.pong(ball);
}
}
public class PingPongExample {
public void testPingPong() {
// 管理器隐藏了线程间通讯的复杂性
// 控制actor代理，actor实现和线程
ActorManager manager = new ActorManager();
// 在管理器内注册actor实现
manager.registerImpl(PlayerAImpl.class);
manager.registerImpl(PlayerBImpl.class);
//创建actor代理。代理会将方法调用转换成内部消息。
//会在线程间发给特定的actor实例。
PlayerA playerA = manager.createActor(PlayerA.class);
PlayerB playerB = manager.createActor(PlayerB.class);
for(int i = 0; i < 1000000; i++) {
playerB.ping(playerA, i);
}
}
经过测试，速度大约在每秒500,000 次乒/乓左右；还不错吧。然而跟单线程的运行速度比起来，我突然就感觉没那么好了。在 单线程 中运行的代码每秒速度能达到20亿 (2,681,850,373)！
居然差了5,000 多倍。太让我失望了。在大多数情况下，单线程代码的效果都比多线程代码更高效。
我开始找原因，想看看我的乒乓球运动员们为什么这么慢。经过一番调研和测试，我发现是阻塞队列的问题，我用来在actor间传递消息的队列影响了性能。
图 2: 只有一个生产者和一个消费者的SPSC队列
所以我发起了一场竞赛，要将它换成Java里最快的队列。我发现了Nitsan Wakart的 博客 。他发了几篇文章介绍单一生产者/单一消费者(SPSC)无锁队列的实现。这些文章受到了Martin Thompson的演讲 终极性能的无锁算法的启发。
跟基于私有锁的队列相比，无锁队列的性能更优。在基于锁的队列中，当一个线程得到锁时，其它线程就要等着锁被释放。而在无锁的算法中，某个生产者线程生产消息时不会阻塞其它生产者线程，消费者也不会被其它读取队列的消费者阻塞。
在Martin Thompson的演讲以及在Nitsan的博客中介绍的SPSC队列的性能简直令人难以置信—— 超过了100M ops/sec。比JDK的并发队列实现还要快10倍 (在4核的 Intel Core i7 上的性能大约在 8M ops/sec 左右)。
我怀着极大的期望，将所有actor上连接的链式阻塞队列都换成了无锁的SPSC队列。可惜，在吞吐量上的性能测试并没有像我预期的那样出现大幅提升。不过很快我就意识到，瓶颈并不在SPSC队列上，而是在多个生产者/单一消费者(MPSC)那里。
用SPSC队列做MPSC队列的任务并不那么简单；在做put操作时，多个生产者可能会覆盖掉彼此的值。SPSC 队列就没有控制多个生产者put操作的代码。所以即便换成最快的SPSC队列，也解决不了我的问题。
为了处理多个生产者/单一消费者的情况，我决定启用LMAX Disruptor ——一个基于环形缓冲区的高性能进程间消息库。
图3: 单一生产者和单一消费者的LMAX Disruptor
借助Disruptor，很容易实现低延迟、高吞吐量的线程间消息通讯。它还为生产者和消费者的不同组合提供了不同的用例。几个线程可以互不阻塞地读取环形缓冲中的消息：
图 4: 单一生产者和两个消费者的LMAX Disruptor
下面是有多个生产者写入环形缓冲区，多个消费者从中读取消息的场景。
图 5: 两个生产者和两个消费者的LMAX Disruptor
经过对性能测试的快速搜索，我找到了三个发布者和一个消费者的吞吐量测试。 这个真是正合我意，它给出了下面这个结果：
|
LinkedBlockingQueue |
Disruptor |
|
|
Run 0 |
4,550,625 ops/sec |
11,487,650 ops/sec |
|
Run 1 |
4,651,162 ops/sec |
11,049,723 ops/sec |
|
Run 2 |
4,404,316 ops/sec |
11,142,061 ops/sec |
在3 个生产者/1个 消费者场景下， Disruptor要比LinkedBlockingQueue快两倍多。然而这跟我所期望的性能上提升10倍仍有很大差距。
这让我觉得很沮丧，并且我的大脑一直在搜寻解决方案。就像命中注定一样，我最近不在跟人拼车上下班，而是改乘地铁了。突然灵光一闪，我的大脑开始将车站跟生产者消费者对应起来。在一个车站里，既有生产者（车和下车的人），也有消费者（同一辆车和上车的人）。
我创建了 Railway类，并用AtomicLong追踪从一站到下一站的列车。我先从简单的场景开始，只有一辆车的铁轨。
public class RailWay {
private final Train train = new Train();
// stationNo追踪列车并定义哪个车站接收到了列车
private final AtomicInteger stationIndex = new AtomicInteger();
// 会有多个线程访问这个方法，并等待特定车站上的列车
public Train waitTrainOnStation(final int stationNo) {
while (stationIndex.get() % stationCount != stationNo) {
Thread.yield(); // 为保证高吞吐量的消息传递，这个是必须的。
//但在等待列车时它会消耗CPU周期
}
// 只有站号等于stationIndex.get() % stationCount时，这个忙循环才会返回
return train;
}
// 这个方法通过增加列车的站点索引将这辆列车移到下一站
public void sendTrain() {
stationIndex.getAndIncrement();
}
}
为了测试，我用的条件跟在Disruptor性能测试中用的一样，并且也是测的SPSC队列——测试在线程间传递long值。我创建了下面这个Train类，其中包含了一个long数组：
public class Train {
//
public static int CAPACITY = 2*1024;
private final long[] goodsArray; // 传输运输货物的数组
private int index;
public Train() {
goodsArray = new long[CAPACITY];
}
public int goodsCount() { //返回货物数量
return index;
}
public void addGoods(long i) { // 向列车中添加条目
goodsArray[index++] = i;
}
public long getGoods(int i) { //从列车中移走条目
index--;
return goodsArray[i];
}
}
然后我写了一个简单的测试 ：两个线程通过列车互相传递long值。
图 6: 使用单辆列车的单一生产者和单一消费者Railway
public void testRailWay() {
final Railway railway = new Railway();
final long n = 20000000000l;
//启动一个消费者进程
new Thread() {
long lastValue = 0;
@Override
public void run() {
while (lastValue < n) {
Train train = railway.waitTrainOnStation(1); //在#1站等列车
int count = train.goodsCount();
for (int i = 0; i < count; i++) {
lastValue = train.getGoods(i); // 卸货
}
railway.sendTrain(); //将当前列车送到第一站
}
}
}.start();
final long start = System.nanoTime();
long i = 0;
while (i < n) {
Train train = railway.waitTrainOnStation(0); // 在#0站等列车
int capacity = train.getCapacity();
for (int j = 0; j < capacity; j++) {
train.addGoods((int)i++); // 将货物装到列车上
}
railway.sendTrain();
if (i % 100000000 == 0) { //每隔100M个条目测量一次性能
final long duration = System.nanoTime() - start;
final long ops = (i * 1000L * 1000L * 1000L) / duration;
System.out.format("ops/sec = %,d\n", ops);
System.out.format("trains/sec = %,d\n", ops / Train.CAPACITY);
System.out.format("latency nanos = %.3f%n\n",
duration / (float)(i) * (float)Train.CAPACITY);
}
}
}
在不同的列车容量下运行这个测试，结果惊着我了：
|
容量 |
吞吐量: ops/sec |
延迟: ns |
|
1 |
5,190,883 |
192.6 |
|
2 |
10,282,820 |
194.5 |
|
32 |
104,878,614 |
305.1 |
|
256 |
344,614,640 |
742. 9 |
|
2048 |
608,112,493 |
3,367.8 |
|
32768 |
767,028,751 |
42,720.7 |
在列车容量达到32,768时，两个线程传送消息的吞吐量达到了767,028,751 ops/sec。比Nitsan博客中的SPSC队列快了几倍。
继续按铁路列车这个思路思考，我想知道如果有两辆列车会怎么样？我觉得应该能提高吞吐量，同时还能降低延迟。每个车站都会有它自己的列车。当一辆列车在第一个车站装货时，第二辆列车会在第二个车站卸货，反之亦然。
图 7: 使用两辆列车的单一生产者和单一消费者Railway
下面是吞吐量的结果：
|
容量 |
吞吐量: ops/sec |
延时: ns |
|
1 |
7,492,684 |
133.5 |
|
2 |
14,754,786 |
135.5 |
|
32 |
174,227,656 |
183.7 |
|
256 |
613,555,475 |
417.2 |
|
2048 |
940,144,900 |
2,178.4 |
|
32768 |
797,806,764 |
41,072.6 |
结果是惊人的；比单辆列车的结果快了1.4倍多。列车容量为一时，延迟从192.6纳秒降低到133.5纳秒；这显然是一个令人鼓舞的迹象。
因此我的实验还没结束。列车容量为2048的两个线程传递消息的延迟为2,178.4 纳秒，这太高了。我在想如何降低它，创建一个有很多辆列车 的例子：
图 8: 使用多辆列车的单一生产者和单一消费者Railway
我还把列车容量降到了1个long值，开始玩起了列车数量。下面是测试结果：
|
列车数量 |
吞吐量: ops/sec |
延迟: ns |
|
2 |
10,917,951 |
91.6 |
|
32 |
31,233,310 |
32.0 |
|
256 |
42,791,962 |
23.4 |
|
1024 |
53,220,057 |
18.8 |
|
32768 |
71,812,166 |
13.9 |
用32,768 列车在线程间发送一个long值的延迟降低到了13.9 纳秒。通过调整列车数量和列车容量，当延时不那么高，吞吐量不那么低时，吞吐量和延时就达到了最佳平衡。
对于单一生产者和单一消费者(SPSC)而言，这些数值很棒；但我们怎么让它在有多个生产者和消费者时也能生效呢？答案很简单，添加更多的车站！
图 9：一个生产者和两个消费者的Railway
每个线程都等着下一趟列车，装货/卸货，然后把列车送到下一站。在生产者往列车上装货时，消费者在从列车上卸货。列车周而复始地从一个车站转到另一个车站。
为了测试单一生产者/多消费者(SPMC) 的情况，我创建了一个有8个车站的Railway测试。 一个车站属于一个生产者，而另外7个车站属于消费者。结果是：
列车数量 = 256 ，列车容量 = 32:
ops/sec = 116,604,397 延迟（纳秒） = 274.4
列车数量= 32，列车容量= 256:
ops/sec = 432,055,469 延迟（纳秒） = 592.5
如你所见，即便有8个工作线程，测试给出的结果也相当好-- 32辆容量为256个long的列车吞吐量为432,055,469 ops/sec。在测试期间，所有CPU内核的负载都是100%。
图 10：在测试有8个车站的Railway 期间的CPU 使用情况
在玩这个Railway算法时，我几乎忘了我最初的目标：提升多生产者/单消费者情况下的性能。
图 11：三个生产者和一个消费者的 Railway
我创建了3个生产者和1个消费者的新测试。每辆列车一站一站地转圈，而每个生产者只给每辆车装1/3容量的货。消费者取出每辆车上三个生产者给出的全部三项货物。性能测试给出的平均结果如下所示：
ops/sec = 162,597,109 列车/秒 = 54,199,036 延迟（纳秒） = 18.5
结果相当棒。生产者和消费者工作的速度超过了160M ops/sec。
为了填补差异，下面给出相同情况下的Disruptor结果- 3个生产者和1个消费者：
Run 0, Disruptor=11,467,889 ops/sec
Run 1, Disruptor=11,280,315 ops/sec
Run 2, Disruptor=11,286,681 ops/sec
Run 3, Disruptor=11,254,924 ops/sec
下面是另一个批量消息的Disruptor 3P:1C 测试 (10 条消息每批)：
Run 0, Disruptor=116,009,280 ops/sec
Run 1, Disruptor=128,205,128 ops/sec
Run 2, Disruptor=101,317,122 ops/sec
Run 3, Disruptor=98,716,683 ops/sec;
最后是用带LinkedBlockingQueue 实现的Disruptor 在3P:1C场景下的测试结果：
Run 0, BlockingQueue=4,546,281 ops/sec
Run 1, BlockingQueue=4,508,769 ops/sec
Run 2, BlockingQueue=4,101,386 ops/sec
Run 3, BlockingQueue=4,124,561 ops/sec
如你所见，Railway方式的平均吞吐量是162,597,109 ops/sec，而Disruptor在同样的情况下的最好结果只有128,205,128 ops/sec。至于 LinkedBlockingQueue，最好的结果只有4,546,281 ops/sec。
Railway算法为事件批处理提供了一种可以显著增加吞吐量的简易办法。通过调整列车容量或列车数量，很容易达成想要的吞吐量/延迟。
另外， 当同一个线程可以用来消费消息，处理它们并向环中返回结果时，通过混合生产者和消费者，Railway也能用来处理复杂的情况：
图 12: 混合生产者和消费者的Railway
最后，我会提供一个经过优化的超高吞吐量 单生产者/单消费者测试：
图 13：单个生产者和单个消费者的Railway
它的平均结果为：吞吐量超过每秒15亿 (1,569,884,271)次操作，延迟为1.3 微秒。如你所见，本文开头描述的那个规模相同的单线程测试的结果是每秒2,681,850,373。
你自己想想结论是什么吧。