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

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

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。

您可以将Akka用于几种不同的事情。

我在一个网站上工作，在那里我将技术堆栈迁移到Scala和Akka。我们用它来处理网站上发生的几乎所有事情。尽管你可能认为一个聊天的例子很糟糕，但基本上都是一样的:

网站上的实时更新(例如，浏览量，点赞，…) 显示实时用户评论 通知服务 搜索和其他各种服务

特别是实时更新很容易，因为他们归结为什么聊天的例子ist。服务部分是另一个有趣的话题，因为你可以简单地选择使用远程参与者，即使你的应用程序不是集群的，你也可以轻松地将它部署到不同的机器上。

我还将Akka用于PCB自动外接应用程序，其想法是能够从笔记本电脑扩展到数据中心。你给它的力量越大，结果就会越好。如果您尝试使用常见的并发性，这是非常难以实现的，因为Akka还提供了位置透明性。

目前作为一个空闲时间的项目，我正在构建一个只使用演员的web框架。同样，它的好处是从一台机器到整个机器集群的可伸缩性。此外，使用消息驱动方法可以使您的软件从一开始就面向服务。您拥有所有这些良好的组件，它们彼此通信，但不一定相互了解，它们位于同一台机器上，甚至不在同一个数据中心中。

自从谷歌阅读器关闭后，我开始使用RSS阅读器，当然使用Akka。对我来说，这完全是关于封装的服务。总之:参与者模型本身是您首先应该采用的，Akka是一个非常可靠的框架，可以帮助您实现它，并在此过程中获得许多好处。

我正在试用Akka (Java api)。我所尝试的是比较Akka的基于参与者的并发模型和普通Java并发模型(Java .util。并发类)。

这个用例是一个简单的规范映射减少字符计数的实现。数据集是随机生成的字符串(长度为400个字符)的集合，并计算其中元音的数量。

For Akka I used a BalancedDispatcher(for load balancing amongst threads) and RoundRobinRouter (to keep a limit on my function actors). For Java, I used simple fork join technique (implemented without any work stealing algorithm) that would fork map/reduce executions and join the results. Intermediate results were held in blocking queues to make even the joining as parallel as possible. Probably, if I am not wrong, that would mimic somehow the "mailbox" concept of Akka actors, where they receive messages.

观察: 直到中等负载(~50000字符串输入)，结果是可比较的，在不同的迭代中略有变化。但是，当负载增加到100000时，Java解决方案就挂起了。在这种情况下，我将Java解决方案配置为20-30个线程，它在所有迭代中都失败了。

将负载增加到1000000，对Akka来说也是致命的。我可以与任何有兴趣进行交叉检查的人分享代码。

所以对我来说，Akka似乎比传统的Java多线程解决方案更好。原因可能是Scala的底层魔力。

如果我可以将问题域建模为事件驱动的消息传递，那么我认为Akka是JVM的一个很好的选择。

测试对象: Java版本:1.6 IDE: Eclipse 3.7 Windows Vista 32位。3 gb ram。英特尔酷睿i5处理器，2.5 GHz时钟速度

请注意，用于测试的问题域是可以争论的，我试图在我的Java知识允许的范围内尽可能地公平:-)

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…：）