Multithreading `foreach `过度并行化的集合永远不会启动
我有一个Mongo数据库,里面有我想并行处理的作业;我想尝试使用并行集合来透明地处理线程(并不是说使用线程池会非常困难)。我想出了这个密码:Multithreading `foreach `过度并行化的集合永远不会启动,multithreading,mongodb,scala,collections,parallel-processing,Multithreading,Mongodb,Scala,Collections,Parallel Processing,我有一个Mongo数据库,里面有我想并行处理的作业;我想尝试使用并行集合来透明地处理线程(并不是说使用线程池会非常困难)。我想出了这个密码: def run(stopSignal: SynchronizedQueue[Any]) = { val queue = new Iterator[Job] { private var prevId = new ObjectId("000000000000000000000000") def hasNext = stopSignal.i
def run(stopSignal: SynchronizedQueue[Any]) = {
val queue = new Iterator[Job] {
private var prevId = new ObjectId("000000000000000000000000")
def hasNext = stopSignal.isEmpty
@tailrec
def next = {
val job = Job
.where(_.status eqs Pending)
// this works because the IDs start with a timestamp part
.where(_._id gt prevId)
.orderAsc(_.regTime)
.get()
job match {
case Some(job) =>
prevId = job.id
println(s"next() => ${job.id}")
job
case None if hasNext =>
Thread.sleep(500) // TODO: use a tailable cursor instead
next
case None =>
throw new InterruptedException
}
}
}
try {
queue.toStream.par.foreach { job =>
println(s"processing ${job.id}...")
processOne(job)
println(s"processing complete: ${job.id}")
}
} catch { case _: InterruptedException => }
}
这将产生:
next()=>53335f7bef867e6f0805abdb
next()=>53335fc6ef867e6f0805abe2
next()=>53335ffcef867e6f0805abe6
next()=>53336005ef867e6f0805abe7
next()=>53336008ef867e6f0805abe8
next()=>5333600cef867e6f0805abe9
但这一过程从未开始;i、 e.传递给foreach
的函数永远不会被调用。如果我删除.par
调用,它可以正常工作(当然是连续工作)
到底是哪个抽象在这里泄漏?我如何解决这个问题?或者我应该为此放弃使用并行集合,转而使用更简单的线程池方法吗?par方法将首先将流的元素排入
ParSeq
中。
因此,当您调用queue.toStream.par
时。它将遍历流(调用底层迭代器的hasNext
和next方法,直到迭代器没有next为止)。在检索到所有作业之后,它开始调用processJob
比如说
scala> (1 to 100).iterator.toStream
res7: scala.collection.immutable.Stream[Int] = Stream(1, ?)
scala> (1 to 100).iterator.toStream.par
res8: scala.collection.parallel.immutable.ParSeq[Int] = ParVector(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100)
par方法不是惰性的
如果您只是希望并行执行(实际上它已经并行了,但不是懒惰的):
- 将流分组为批。调用每个批次的
par
- 您可以将
方法放在processJob
未来的
中李>
或您可以考虑使用<代码>演员< /C>模式来处理这些事情 - 使用
BlockingExecutor
片段(转换为Scala),然后直接绕过任何Scala/Future包装使用它:
// 2 processing; 2 in the queue; 4 total
val executor = new BlockingExecutor(poolSize = 2, queueSize = 2)
try {
queue.foreach { job =>
executor.submit(new Runnable {
def run = {
println(s"processing ${job.id}...")
processOne(job)
println(s"processing complete: ${job.id}")
}
})
}
} catch { case _: InterruptedException => }
executor.shutdown
我希望免费获得懒惰的并行处理;我想这终究不会那么容易:)我不想让演员做这么简单的工作(而且我不喜欢Akka的动态类型演员,反正类型化频道似乎还没有发布);我将看看是否可以将
Future
和一个适当大小的线程池结合起来,在一个简单的for
循环中实现我所需要的。@jiljen:我能在哪里找到背后的理由吗?在我看来,.par
在流
(和迭代器
上懒惰是有道理的,如果它首先在它上面定义的话)。@ErikAllik我认为并行
集合与普通集合非常相似,只是它的操作是并行的.par
方法创建一个ParVector
,它是一个不可变的集合,并且必须事先知道它的元素。我仔细考虑后发现,您可以将流分组成块。除了调用PAR方法。在我的情况下,组块不会起作用,但是无论如何…我只是想知道为什么并行集合必须仅限于ParVector
;如果你不知道,那没关系。@ErikAllik抱歉,你可以在scala用户组中提问。