Clojure
的并发（一） Ref和STM
Clojure
的并发（二）Write Skew分析
Clojure
的并发（三）Atom、缓存和性能
Clojure
的并发（四）Agent深入分析和Actor
Clojure
的并发（五）binding和let
Clojure的并发（六）Agent可以改进的地方
Clojure的并发（七）pmap、pvalues和pcalls
Clojure的并发（八）future、promise和线程
四、 Agent和Actor
除了用于协调同步的Ref，独立同步的Ref，还有一类非常常见的需求：你可能希望状态的更新是异步，你通常不关心更新的结果，这时候你可以考虑下使用Agent。
1、创建agent:
user=> (def counter (agent 0))
#'user/counter
user=> counter
#<Agent@9444d1: 0>
通过agent函数你就可以创建一个agent，指向一个不可变的初始状态。
2、取agent的值，这跟Ref和Atom没啥两样，都是通过deref或者@宏：
user=> @counter
0
user=> (deref counter)
0
3、更新agent，通过send或者send-off函数给agent发送任务去更新agent：
user=> (send counter inc)
#<Agent@9444d1: 0>
send返回agent对象，内部的值仍然是0，而非inc递增之后的1，这是因为send是异步发送，更新是在另一个线程执行，两个线程(REPL主线程和更新任务的线程)的执行顺序没有同步，显示什么取决于两者谁更快。更新肯定是发生了，查看counter的值：
user=> @counter
1
果然更新到了1了。send的方法签名：
(send a f & args)
其中f是更新的函数，它的定义如下：
(f state-of-agent & args)
也就是它会在第一个参数接收当前agent的状态，而args是send附带的参数。
还有个方法，send-off，它的作用于send类似：
user=> (send-off counter inc)
#<Agent@9444d1: 1>
user=> @counter
2
send和send-off的区别在于，send是将任务交给一个
固定大小的线程池执行
final public static ExecutorService pooledExecutor =
Executors.newFixedThreadPool(2 + Runtime.getRuntime().availableProcessors());
默认线程池大小是
CPU核数加上2。因此
send执行的任务最好不要有阻塞的操作。而send-off则使用没有大小限制（取决于内存）的线程池：
final public static ExecutorService soloExecutor = Executors.newCachedThreadPool();
因此，
send-off比较适合任务有阻塞的操作，如IO读写之类。请注意，
所有的agent是共用这些线程池，这从这些线程池的定义看出来，都是静态变量。
4、异步转同步，刚才提到send和send-off都是异步将任务提交给线程池去处理，如果你希望同步等待结果返回，那么可以使用await函数：
(do (send counter inc) (await counter) (println @counter))
send一个任务之后，调用await等待agent所有派发的更新任务结束，然后打印agent的值。await是阻塞当前线程，直到至今为止所有任务派发执行完毕才返回。await没有超时，会一直等待直到条件满足，await-for则可以接受等待的超时时间，如果超过指定时间没有返回，则返回nil，否则返回结果。
(do (send counter inc) (await-for 100 counter) (println @counter))
await-for接受的单位是毫秒。
5、错误处理
agent也可以跟Ref和Atom一样设置validator，用于约束验证。由于agent的更新是异步的，你不知道更新的时候agent是否发生异常，只有等到你去取值或者更新的时候才能发现：
user=> (def counter (agent 0 :validator number?))
#'user/counter
user=> (send counter (fn[_] "foo"))
#<clojure.lang.Agent@4de8ce62: 0>
强制要求counter的值是数值类型，第二个表达式我们给counter发送了一个更新任务，想将状态更新为字符串"foo"，由于是异步更新，返回的结果可能没有显示异常，当你取值的时候，问题出现了：
user=> @counter
java.lang.Exception: Agent has errors (NO_SOURCE_FILE:0)
告诉你agent处于不正常的状态，如果你想获取详细信息，可以通过agent-errors函数：
user=> (.printStackTrace (agent-errors counter))
java.lang.IllegalArgumentException: No matching field found: printStackTrace for class clojure.lang.PersistentList (NO_SOURCE_FILE:0)
你可以恢复agent到前一个正常的状态，通过clear-agent-errors函数：
user=> (clear-agent-errors counter)
nil
user=> @counter
0
6、加入事务
agent跟atom不一样，agent可以加入事务，在事务里调用send发送一个任务，
当事务成功的时候该任务将只会被发送一次，最多最少都一次。利用这个特性，我们可以实现在事务操作的时候写文件，达到ACID中的D——持久性的目的:
(def backup-agent (agent "output/messages-backup.clj" ))
(def messages (ref []))
(use '[clojure.contrib.duck-streams :only (spit)])
(defn add-message-with-backup [msg]
(dosync
(let [snapshot (commute messages conj msg)]
(send-off backup-agent (fn [filename]
(spit filename snapshot)
filename))
snapshot)))
定义了一个backup-agent用于保存消息，
add-message-with-backup函数首先将状态保存到messages，这是个普通的Ref，然后调用send-off给backup-agent一个任务：
(fn [filename]
(spit filename snapshot)
filename)
这个任务是一个匿名函数，它利用spit打开文件，写入当前的快照，并且关闭文件，文件名来自backup-agent的状态值。注意到，我们是用send-off，send-off利用cache线程池，哪怕阻塞也没关系。
利用事务加上一个backup-agent可以实现类似数据库的ACID，但是还是不同的，主要区别在于
backup-agent的更新是异步，并不保证一定写入文件，因此持久性也没办法得到保证。
7、关闭线程池：
前面提到agent的更新都是交给线程池去处理，在系统关闭的时候你需要关闭这两个线程吃，通过shutdown-agents方法，你再添加任务将被拒绝：
user=> (shutdown-agents)
nil
user=> (send counter inc)
java.util.concurrent.RejectedExecutionException (NO_SOURCE_FILE:0)
user=> (def counter (agent 0))
#'user/counter
user=> (send counter inc)
java.util.concurrent.RejectedExecutionException (NO_SOURCE_FILE:0)
哪怕我重新创建了counter，提交任务仍然被拒绝，进一步证明这些
线程池是全局共享的。
8、原理浅析
前文其实已经将agent的实现原理大体都说了，agent本身只是个普通的java对象，它的内部维持一个状态和一个队列：
volatile Object state;
AtomicReference<IPersistentStack> q = new AtomicReference(PersistentQueue.EMPTY);
任务提交的时候，是封装成Action对象，添加到此队列
public Object dispatch(IFn fn, ISeq args, boolean solo) {
if (errors != null) {
throw new RuntimeException("Agent has errors", (Exception) RT.first(errors));
}
//封装成action对象
Action action = new Action(this, fn, args, solo);
dispatchAction(action);
return this;
}
static void dispatchAction(Action action) {
LockingTransaction trans = LockingTransaction.getRunning();
// 有事务，加入事务
if (trans != null)
trans.enqueue(action);
else if (nested.get() != null) {
nested.set(nested.get().cons(action));
}
else {
// 入队
action.agent.enqueue(action);
}
}
send和send-off都是调用Agent的dispatch方法，只是两者的参数不一样，dispatch的第二个参数 solo决定了是使用哪个线程池处理action:
(defn send
[#^clojure.lang.Agent a f & args]
(. a (dispatch f args false)))
(defn send-off
[#^clojure.lang.Agent a f & args]
(. a (dispatch f args true)))
send-off将solo设置为true，当为true的时候使用cache线程池：
final public static ExecutorService soloExecutor = Executors.newCachedThreadPool();
final static ThreadLocal<IPersistentVector> nested = new ThreadLocal<IPersistentVector>();
void execute() {
if (solo)
soloExecutor.execute(this);
else
pooledExecutor.execute(this);
}
执行的时候调用更新函数并设置新的状态：
try {
Object oldval = action.agent.state;
Object newval = action.fn.applyTo(RT.cons(action.agent.state, action.args));
action.agent.setState(newval);
action.agent.notifyWatches(oldval, newval);
}
catch (Throwable e) {
// todo report/callback
action.agent.errors = RT.cons(e, action.agent.errors);
hadError = true;
}
9、跟actor的比较:
Agent跟Actor有一个显著的不同，agent的action来自于别人发送的任务附带的更新函数，而actor的action则是自身逻辑的一部分。因此，如果想用agent实现actor模型还是相当困难的，下面是我的一个尝试：
(ns actor)
(defn receive [& args]
(apply hash-map args))
(defn self [] *agent*)
(defn spawn [recv-map]
(agent recv-map))
(defn ! [actor msg]
(send actor #(apply (get %1 %2) (vector %2)) msg))
;;启动一个actor
(def actor (spawn
(receive :hello #(println "receive "%))))
;;发送消息 hello
(! actor :hello)
利用spawn启动一个actor，其实本质上是一个agent，而发送通过感叹号!，给agent发送一个更新任务，它从recv-map中查找消息对应的处理函数并将消息作为参数来执行。难点在于消息匹配，匹配这种简单类型的消息没有问题，但是如果匹配用到变量，暂时没有想到好的思路实现，例如实现两个actor的ping/pong。