使用GPars解決常見並發問題

瞭解 Groovy 的並發庫如何利用流行的並行存取模型並使其在 Java 平台上可供訪問

在並發性時代，帶有 4、6 和 16 個處理器核心的晶片變得很普遍，而且在不久的將來，我們會看到帶有上百甚至上千個核心的晶片。這種處理能力蘊含著巨大的可能性，但對於軟體開發人員來說，它也帶來了挑戰。最大限度地利用這些閃耀新核的需求推動了對並發性、狀態管理和為兩者構建的程式設計語言的關注熱潮。

Groovy、Scala 和 Clojure 等 JVM 語言滿足了這些需求。這三種都是較新的語言，運行於高度最佳化的 JVM 之上，可以使用 Java 1.5 中新增的強大的 Java 並發庫。儘管每種語言基於其原理採用不同的方法，不過它們都積極支援並發編程。

在本文中，我們將使用 GPars，一種基於 Groovy 的並發庫，來檢查模型以便解決並發性問題，比如幕後處理、平行處理、狀態管理和線程協調。

為何選擇 Groovy ？為何選擇 GPars ？

Groovy 是運行於 JVM 之上的一種動態語言。基於 Java 語言，Groovy 移除了 Java 代碼中的大量正式文法，並添加了來自其他程式設計語言的有用特性。Groovy 的強大特性之一是它允許編程人員輕鬆建立基於 Groovy 的 DSL。

GPars 或 Groovy Parallel Systems 是一種 Groovy 並發庫，捕捉並發性和協調模型作為 DSL。GPars 的構思源自其他語言的一些最受歡迎的並發性和協調模型，包括：

來自 Java 語言的 executors 和 fork/join

來自 Erlang 和 Scala 的 actors

來自 Clojure 的 agents

來自 Oz 的資料流變數

Groovy 和 GPars 的結合成為展示各種並發性方法的理想之選。甚至不熟悉 Groovy 的 Java 開發人員也能輕鬆關注相關討論，因為 Groovy 的文法以 Java 語言為基礎。本文中的樣本基於 Groovy 1.7 和 GPars 0.10。

後台和平行處理

一個常見的效能難題是需要等待 I/O。I/O 可能涉及到從一個磁碟、一個 web 服務或甚至是一名使用者讀取資料。當一個線程在等待 I/O 的過程中被阻止時，將等待中的線程與原始執行線程分離開來將會很有用，這將使它能繼續工作。由於這種等待是在後台發生的，所以我們稱這種技術為 幕後處理。

例如，假設我們需要這樣一個程式，即調用 Twitter API 來找到針對若干 JVM 語言的最新 tweets 並將它們列印出來。Groovy 能夠使用 Java 庫 twitter4j 很容易就編寫出這樣的程式，如清單 1 所示：

清單 1. 串列讀取 tweets (langTweets.groovy)

import　twitter4j.Twitter
　 import　twitter4j.Query

　 @Grab(group='net.homeip.yusuke',　module='twitter4j',　version='2.0.10')
　 def　recentTweets(api,　queryStr)　{
　 query　=　new　Query(queryStr)
　 query.rpp　=　5　　//　tweets　to　return
　 query.lang　=　"en"　　//　language
　 tweets　=　api.search(query).tweets
　 threadName　=　Thread.currentThread().name
　 tweets.collect　{
　　 "[${threadName}-${queryStr}]　@${it.fromUser}:　${it.text}"
}
}

　 def　api　=　new　Twitter()
　 ['#erlang','#scala','#clojure'].each　{
　 tweets　=　recentTweets(api,　it)
　 tweets.each　{
　　 println　"${it}"
}
　 }