我们在语音对话系统(primetalk)中使用Akka。无论是对内还是对外。为了在单个集群节点上同时运行许多电话通道，显然需要一些多线程框架。Akka的工作非常完美。我们以前有过java并发性的噩梦。和Akka一起，它就像一个秋千——它简单地工作。坚固可靠。24 * 7,不间断。

在通道中，我们有并行处理的实时事件流。特别是: -冗长的自动语音识别-由演员完成; -音频输出生成器，混合一些音频源(包括合成语音); 文本到语音的转换是一个单独的在频道之间共享的角色集 -语义和知识加工。

为了实现复杂信号处理的互连，我们使用SynapseGrid。它具有在复杂参与者系统中对DataFlow进行编译时检查的好处。

我们使用Akka来异步处理REST调用——与异步web服务器(基于net)一起，与传统的每个用户请求线程模型相比，我们可以在每个节点/服务器服务的用户数量上实现10倍的提高。

告诉你的老板，你的AWS托管费用将下降10倍，这是一个不用动脑筋的事情!嘘……不过别告诉亚马逊…：）

我们正在使用akka及其camel插件为twimpact.com分发我们的分析和趋势处理。我们必须每秒处理50到1000条消息。除了使用camel进行多节点处理外，它还用于将单个处理器上的工作分配给多个工作人员，以获得最大性能。工作得很好，但需要了解如何处理拥塞。

我最近在Akka中实现了规范的map-reduce示例:Word count。所以这是Akka的一个用例:更好的性能。它更像是JRuby和Akka的参与者的一个实验，但它也表明Akka不仅仅是Scala或Java:它可以在JVM之上的所有语言上工作。

我们正在一个大型电信项目中使用Akka(不幸的是，我不能透露太多细节)。 Akka角色由web应用程序远程部署和访问。这样，我们就有了一个基于谷歌原型缓冲区的简化RPC模型，并使用Akka Futures实现了并行。 到目前为止，这种模式运行得非常出色。注意:我们使用的是Java API。

免责声明:我是Akka的采购订单

此外，它还提供了一个更容易推理和纠正的并发大杂烩(参与者、代理、数据流并发)，并以STM的形式进行并发控制。

下面是一些你可以考虑的用例:

Transaction processing (online gaming, finance, statistics, betting, social media, telecom, ...) scale up, scale out, fault-tolerance / HA Service backend (any industry, any app) service REST, SOAP, cometd etc act as message hub / integration layer scale up, scale out, fault-tolerance / HA Snap-in concurrency/parallelism ( any app ) Correct Simple to work with and understand Just add the jars to your existing JVM project (use Scala, Java, Groovy or JRuby) Batch processing ( any industry ) Camel integration to hook up with batch data sources Actors divide and conquer the batch workloads Communications hub ( telecom, web media, mobile media ) scale up, scale out, fault-tolerance / HA Game server (online gaming, betting) scale up, scale out, fault-tolerance / HA BI/datamining/general purpose crunching scale up, scale out, fault-tolerance / HA insert other nice use cases here