我扮演的關鍵角色之一是在本地社區中傳播Akka。 作為討論的一部分，人們通常會想到的問題/疑問是Akka如何針對編寫良好的Java / JEE應用程序提供更好的可伸縮性和并發性。

由于底層硬件/ JVM保持不變，因此參與者模型如何比傳統的JEE應用程序發揮更多的功能？ 為了展示懷疑者，我們決定在現有的JEE Web應用程序中進行小型測試，對業務邏輯進行重新建模以利用參與者模型，并對該模型進行測試。

日交易者應用

DayTrader是圍繞在線股票交易系統范例構建的基準應用程序。 該應用程序允許用戶登錄，查看其投資組合，查找股票報價以及買賣股票。 DayTrader不僅是功能測試的出色應用程序，而且還提供了一組標準的工作負載，用于表征和衡量應用程序服務器和組件級別的性能。
DayTrader建立在一套核心的Java EE技術上，該技術包括用于表示層和Java數據庫連接（JDBC）的Java Servlet和JavaServer Page（JSP），Java消息服務（JMS），企業JavaBeans（EJB）和消息驅動Bean （MDB）用于后端業務邏輯和持久層。 有關DayTrader的更多信息，請點擊這里 。 DayTrader似乎是測試我們理論的應用的合適之選。 我們決定使用JSP-> JDBC模型來使事情保持簡單和可比性。 我們采用了2個用例，并對業務邏輯進行了重新建模以使用TypedActors。

場景1 –報價/交易屏幕–獲取報價

在DayTrader應用程序的“報價/交易者”屏幕中，有一個工具，可通過單擊“報價”按鈕來選擇報價列表的詳細信息。 該股票的報價將被檢索并顯示給用戶。

在標準流程中，獲取報價請求由專用的TradeAction處理，該TradeAction在內部調用TradeDirectJEEE對象的getQuote（）接口。 對于每個請求，都會創建一個TradeAction對象。

在更新的流程中，創建了一組工作人員角色，它們偵聽來自各個模塊的請求以獲取報價詳細信息。 TradeActionManager將在開始時創建Typed actor池，并且還將執行將傳入請求路由到Typed actor的操作，Typeed actor包含TradeAction對象以調用getQuote函數。 由于使用了類型化角色，因此相同的TradeActionManager可以在現有應用程序中進行最小的更改的情況下滿足其他TradeAction調用。

原始和修改后的DayTrader應用程序都由20個，50個，75個和100個Typed actor以及許多Trade Action對象執行。

• Akka Typed Actor的每秒吞吐量比原始DayTrader應用程序（對于較大的actor池大小）要好，并且具有較少的內存使用（尤其是700和300個用戶*每個請求2個）。
• 原始應用程序需要額外的168 MB來處理1400個請求（700個用戶，每個請求2個請求），而對于Typed Actor池大小為50個actor的修改后的應用程序，用于服務相同類型請求量的額外內存被觀察為104 MB， 提高了38％ 。 對于75和100個類型的actor，觀察到額外的內存使用量在126MB-136MB之間。

使用Jmeter對獲取報價的呼叫模擬是在相同的高負載條件下，分別針對300個用戶，分別針對100個和200個演員的不同系統和Akka設置進行的，大約需要45分鐘。

• 已觀察到，在相同條件下，相對于原始應用程序，將Typed Actor的數量從100增加到200相對可以將吞吐量提高約15％和18％。
• 還可以觀察到，將堆大小增加到1024 MB，并將垃圾回收方法更改為并發標記清除，有助于提高高負載條件下的吞吐量。

方案2 – 4個屏幕–登錄，主頁，獲取報價，購買

嘗試了一個由4個用戶屏幕組成的更復雜的用例，其中用戶將使用四個步驟來完成用例場景。 四個步驟是

1. 用戶通過登錄頁面登錄
2. 提交登錄憑據后，向用戶顯示主頁。
3. 獲取股票的報價，其符號由用戶在主頁屏幕上輸入。
4. 在每個符號下方提交要購買的數量后，購買股票。

所有請求都使用TradeAction對象為請求提供服務。 TradeAction對象實現TradeService接口。 因此，在這種情況下，也應用了為報價/交易屏幕實現的相同TypedActor模型–在上一種情況下確定的“獲取報價”業務情景，而且在TradeAction模塊中幾乎沒有或沒有任何更改。

使用Jmeter對包含四個屏幕的用例進行了模擬，為300個具有不同Typed Actor池大小的用戶創建了用例。 用戶數量設置為在60秒內增加到最多300個用戶，并且測試運行了15分鐘。

可以觀察到，將actor的數量從0增加到300可將吞吐量提高大約8％。

超過300個Typed actor的任何增加都顯示出較小的改進。

與原始應用程序的內存使用量相比，使用相同類型的actor的應用程序的峰值內存使用率在相同吞吐量（100個類型化的actor）的情況下提高了約30-40％。

結論

即使進行了簡單的更改，運行在標準筆記本電腦上的應用程序仍能夠提供更好的吞吐量（ + 8％ ），并且整體內存使用率下降了38％ ，這表明actor模型的效率以及Akka對內存和線程的處理。

測試環境詳情

• 處理器– Intel Core i5-2410M CPU @ 2.30 GHz
• 內存– 4 GB
• 操作系統– Windows 7 Enterprise
• 應用程序服務器– Apache Geronimo v2.2.1
• 編譯器和構建工具– Apache Maven v2.2.1
• Java版本– 1.7.0_03
• Akka版本– Akka 2.0.2
• 數據庫– Apache Derby

我們可以做的其他優化：

• 基于請求模式進行分組的Akka未類型化參與者池。 說一個小池僅滿足不那么頻繁使用的請求，而一個大池（或多個池）滿足更頻繁使用的請求（例如獲取報價或獲取帳戶）。 可以基于請求模式更改池大小的比率，以獲得更好的吞吐量。
• 使用actor的PreStart和PostStart函數為數據庫添加初始化任務，例如獲得連接和關閉連接或任何其他初始化任務。
• Akka無類型演員，用于并發處理持股，同一帳戶和會話的多個報價。
• 使用Akka actor層次結構，以便有多個級別的actor，而更高級別的supervisor actor將一個任務劃分為較小的子任務，并委派給下一級別的子actor。
• 優化actor系統的Akka調度程序線程池大小。

我想對我的同事Chintu Vijay表示感謝，他進行并運行了測試。

參考： Akka Essentials博客上的JCG合作伙伴 Munish K Gupta 向JEE Apps添加了渦輪增壓器 。

翻譯自: https://www.javacodegeeks.com/2013/01/adding-turbochargers-to-jee-apps.html