并發模型是用來實現不同應用場景中并發任務的編程模型，通過合理地使用多線程，可以縮減應用程序的開發和維護成本，同時還能更好地提升應用程序在多核設備中的運行性能。隨著IoT時代下應用場景的不斷復雜、多核設備的不斷增多，并發模型顯得舉足輕重，本期我們將為大家帶來方舟編譯器對傳統Actor并發模型的輕量級優化。

一、什么是并發模型？

在操作系統中，并發是任務在不影響最終執行結果的情況下無序或者按部分順序執行的能力，如圖1所示，在一個時間段中可能有多個任務都處于已啟動運行到運行完畢之間，同時，并發單元也可以在多核設備下并行執行，可以極大地提高多核設備的運行性能。

圖1 并發單元的并行執行

在日常開發中，由于并發任務多種多樣，任務拆分方式可能不同，線程間的通信方式也可能不同，所以不同場景下的多線程并發任務可以通過不同的并發編程模型來實現。常見的并發模型又分為內存共享的并發模型和消息通信的并發模型。其中，基于內存共享的并發模型存在數據競爭，往往需要鎖或者其它同步機制來保護共享的可變數據。而基于消息通信的并發模型，不需要開發者去面對鎖帶來的一系列復雜偶發的問題，同時并發度也相對較高。

作為基于消息通信并發模型的典型代表，Actor并發模型深受廣大開發者的追捧。下面，我們將為大家帶來Actor并發模型的解析。

二、Actor并發模型

Actor是一種歷史悠久的分布式并發模型，基于事件（消息）機制傳遞數據，能有效地避免線程中資源爭奪、死鎖等情況。本節我們將為大家介紹Actor并發模型的交互原理以及在JS中的應用。

1. 交互原理

如圖2所示，在典型的Actor交互流程中，各個Actor并發地處理主線程任務，每個Actor內部都有一個消息隊列及單線程執行模塊，消息隊列負責接收主線程及其他Actor的請求，單線程執行模塊則負責串行地處理請求、向其他Actor發送請求以及創建新的Actor。由于Actor采用的是異步方式，各個Actor之間相互隔離沒有數據競爭，因此Actor可以高并發運行。

圖2 Actor交互流程

2. 應用場景

Actor并發模型被廣泛應用于Erlang、Haskell、Akka(Java)、JS等編程語言，下面我們將介紹Actor并發模型在JS中的應用。

(1) Worker介紹

眾所周知，JS從誕生起就是單線程，為解決因單線程造成的I/O阻塞問題，JS通過異步回調的方式并結合事件機制，充分提高了單線程下對于輕量級事件的響應速度。但是如果遇到某些比較復雜的任務，比如CPU密集型運算任務、I/O密集型任務、同步任務等，仍采用單線程執行就顯得有點力不從心，無法解決復雜任務的線程阻塞問題。所以，JS需要引入多線程任務支持。

Worker是較為典型的JS多線程解決方案，基于Actor并發模型實現，為JS創造多線程并發環境。如圖3所示，在Worker的交互流程中，JS主線程可以創建多個Worker子線程，各個Worker線程間相互隔離，并通過序列化傳遞對象，等到 Worker 線程完成計算任務，再把結果返回給主線程。

圖3 Worker交互流程

(2) Worker缺陷

Worker實現了復雜JS應用的多線程并發執行，在一定程度上提升了復雜JS應用的運行效率。但是，由于每個Worker線程都擁有獨立的虛擬機實例，且各個實例之間不共享任何數據，使得JS Worker啟動速度較慢、內存占用較高。

三、Lite Actor

為了讓JS應用能充分利用多核設備的計算能力更好地提升性能，方舟編譯器提出了Lite Actor概念，并針對Worker的缺陷進行了優化。

1.原理介紹

方舟編譯器JS運行時在傳統Actor并發模型的基礎上，通過共享Actor實例中的不可變對象，以減少每個Actor實例承載的數據，提升了每個Actor的運行性能，從而實現Actor并發模型的輕量級優化。

圖4 Lite Actor

2. Worker優化

方舟編譯器JS運行時基于Lite Actor概念對Worker進行了優化，具體優化如下：

●方舟編譯器JS運行時通過內置的字節碼文件管理器，已完成了對多個Worker間緩存的字節碼文件的共享，大大減少了字節碼的預加載處理時間以及內存占用。

●方舟編譯器JS運行時結合TS類型分析系統與對象分離技術，已經實現了Worker中部分TS類型信息與準靜態類型信息的識別與共享，在一定程度上減少Worker線程的內存使用以及Worker線程間的信息傳遞耗時。同時，由于已共享的部分無需進行序列化拷貝傳遞，所以Worker的序列化時長也得到了相應的優化。目前，剩余未共享部分數據仍存在很大的提升空間，這部分工作仍會持續展開，讓我們共同期待。

●針對外部內存的數據，例如字節碼中的字符串，由于不受JS內存管理，未來也可以實現共享。

圖5 Worker優化

3. 性能對比

使用方舟編譯器的Lite Actor優化后，Worker的性能得到了顯著的增長，如圖6所示，不難看出，相較于傳統Actor并發模型，Worker的啟動時長及內存占用均優化了50%以上。

圖6 性能及內存對比

以上就是本期全部內容，方舟編譯器JS運行時通過對傳統Actor并發模型的輕量級優化，極大地提高了Worker的啟動性能。當前Lite Actor仍有很大的探索空間，期待廣大開發者加入我們，共同見證萬物互聯的無限可能。

審核編輯：湯梓紅