C++多进程并发框架FFLIB中Tutorial的原理是什么，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

纳溪网站建设公司创新互联,纳溪网站设计制作，有大型网站制作公司丰富经验。已为纳溪1000多家提供企业网站建设服务。企业网站搭建\外贸网站制作要多少钱，请找那个售后服务好的纳溪做网站的公司定做！

特意采用了Broker模式，是吸收了MPI和Erlang的思想。

关于MPI：http://www.mcs.anl.gov/research/projects/mpi/

关于Erlang：http://www.erlang.org/

FFLIB 目前处于alpha阶段，一些有用的功能还需继续添加。但是FFLIB一开始就是为了解决实际问题而生。Broker 即可以以独立进程运行，也可以集成到某个特定的进程中启动。除了这些，FFLIB中使用epoll实现的网络层也***参考价值。网上有一些关于epoll ET 和 LT的讨论，关于哪种方式更简单，本人的答案是ET。ET模式下epoll 就是一个完全状态机。开发者只需实现FD的read、write、error 三种状态即可。

我进一步挖掘FFLIB的功能。写一篇FFLIB的Tutorial。创建更多的FFLIB使用示例，以此来深入探讨FFLIB的意义。在游戏开发中，或者一些分布式的环境中，有许多大家熟悉的模式。，本文挑选了如下作为FFLIB示例：

Request/Reply

点对点通讯

阻塞通讯

多播通讯

Map/Reduce

Request/Reply

异步的Request/Reply

在FFLIB中所有的消息都是Request和Reply一一对应的，默认情况下工作在异步模式。假设如下场景，Flash连入GatewayServer并发送Login消息包，GatewaServer 解析用户名密码，调用LoginServer 验证。

首先定义msg:

struct user_login_t {     struct in_t: public msg_i     {         in_t():             msg_i("user_login_t::in_t")         {}         string encode()         {             return (init_encoder() << uid << value).get_buff();         }         void decode(const string& src_buff_)         {             init_decoder(src_buff_) >> uid >> value;         }         long   uid;         string value;     };     struct out_t: public msg_i     {         out_t():             msg_i("user_login_t::out_t")         {}         string encode()         {             return (init_encoder() << value).get_buff();         }         void decode(const string& src_buff_)         {             init_decoder(src_buff_) >> value;         }         bool value;     }; };

LoginServer中如此定义接口：

class login_server_t { public:     void verify(user_login_t::in_t& in_msg_, rpc_callcack_t& cb_)     {         user_login_t::out_t out;         out.value = true;         cb_(out);     } }; login_server_t login_server; singleton_t::instance().create_service("login_server", 1)             .bind_service(&login_server)             .reg(&login_server_t::verify);

在GatewayServer中调用上面接口：

struct lambda_t     {         static void callback(user_login_t::out_t& msg_, socket_ptr_t socket_)         {             if (true == msg_.value)             {                 //! socket_->send_msg("login ok");             }             else             {                 //! socket_->send_msg("login failed");             }         }     };     user_login_t::in_t in;     in.uid  = 520;     in.value = "ILoveYou";     socket_ptr_t flash_socket = NULL;//! TODO     singleton_t::instance()          .get_service_group("login_server_t")         ->get_service(1)        ->async_call(in, binder_t::callback(&lambda_t::callback, flash_socket));

如上所示， async_call 可以通过binder_t模板函数为回调函绑定参数。

同步的Request/Reply

大部分时候我们期望Reply被异步处理，但有时Reply 必须被首先处理后才能触发后续操作，一般这种情况发生在程序初始化之时。假设如下场景，SceneServer启动时必须从SuperServer中获取配置，然后才能执行加载场景数据等后续初始化操作。

首先定义通信的msg：

struct config_t {     struct in_t: public msg_i     {         in_t():             msg_i("config_t::in_t")         {}         string encode()         {             return (init_encoder() << server_type << server_id).get_buff();         }         void decode(const string& src_buff_)         {             init_decoder(src_buff_) >> server_type >> server_id;         }         int server_type;         int server_id;     };     struct out_t: public msg_i     {         out_t():             msg_i("config_t::out_t")         {}         string encode()         {             return (init_encoder() << value).get_buff();         }         void decode(const string& src_buff_)         {             init_decoder(src_buff_) >> value;         }         map value;     }; };

如上所示， msg 序列化自动支持map。

SuperServer 中定义返回配置的接口：

super_server_t super_server; singleton_t::instance().create_service("super_server", 1)     .bind_service(&super_server)     .reg(&super_server_t::get_config); SceneServer 可以如此实现同步Request/Reply: rpc_future_t rpc_future; config_t::in_t in; in.server_type = 1; in.server_id   = 1; const config_t::out_t& out = rpc_future.call(  singleton_t::instance().get_service_group("super_server")         ->get_service(1), in); cout << out.value.size() <<"\n"; //std::foreach(out.value.begin(), out.value.end(), fuctor_xx);

点对点通讯

异步Request/Reply 已经能够解决大部分问题了，但是有时处理Push模式时稍显吃了。我们知道消息推算有Push 和Poll两种方式。了解二者：

    http://blog.sina.com.cn/s/blog_6617106b0100hrm1.html

上面提到的Request/Reply 非常适合poll模式，以上一个获取配置为例，SuperServer由于定义接口的时候只需知道callback，并不知道SceneServer的具体连接。，所以SuperServer不能向SceneServer Push消息。在FFLIB中并没有限定某个节点必须是Client或只能是Service，实际上可以兼有二者的角色。SceneServer 也可以提供接口供SuperServer调用，这就符合了Push的语义。假设如下场景，GatewayServer需要在用户登入时调用通知SessionServer，而某一时刻SessionServer也可能呢通知GatewayServer 强制某用户下线。二者互为client和service。大家必须知道，在FFLIB中实现两个节点的通信只需知道对方的服务名称即可，Broker 在此时实现解耦的作用非常明显，若要增加对其他节点的通信，只需通过服务名称async_call即可。

定义通信的msg：

struct user_online_t {     struct in_t: public msg_i     {         in_t():             msg_i("user_online_t::in_t")         {}         string encode()         {             return (init_encoder() << uid).get_buff();         }         void decode(const string& src_buff_)         {             init_decoder(src_buff_) >> uid;         }         long uid;     };     struct out_t: public msg_i     {         out_t():             msg_i("user_online_t::out_t")         {}         string encode()         {             return (init_encoder() << value).get_buff();         }         void decode(const string& src_buff_)         {             init_decoder(src_buff_) >> value;         }         bool value;     }; }; struct force_user_offline_t {     struct in_t: public msg_i     {         in_t():             msg_i("force_user_offline_t::in_t")         {}         string encode()         {             return (init_encoder() << uid).get_buff();         }         void decode(const string& src_buff_)         {             init_decoder(src_buff_) >> uid;         }        long uid;     };     struct out_t: public msg_i     {         out_t():             msg_i("force_user_offline_t::out_t")         {}        string encode()         {             return (init_encoder() << value).get_buff();         }         void decode(const string& src_buff_)         {             init_decoder(src_buff_) >> value;         }         bool value;     }; };

GatewayServer 通知SessionServer 用户上线，并提供强制用户下线的接口：

class gateway_server_t { public:     void force_user_offline(force_user_offline_t::in_t& in_msg_, rpc_callcack_t& cb_)     {         //! close user socket         force_user_offline_t::out_t out;         out.value = true;         cb_(out);     } }; gateway_server_t gateway_server; singleton_t::instance().create_service("gateway_server", 1)             .bind_service(&gateway_server)             .reg(&gateway_server_t::force_user_offline); user_online_t::in_t in; in.uid = 520; singleton_t::instance()     .get_service_group("session_server")     ->get_service(1)     ->async_call(in, callback_TODO);

SessionServer 提供用户上线接口，可能会调用GatewayServer 的接口强制用户下线。

class session_server_t { public:     void user_login(user_online_t::in_t& in_msg_, rpc_callcack_t& cb_)     {         //! close user socket         user_online_t::out_t out;         out.value = true;         cb_(out);     } }; session_server_t session_server; singleton_t::instance().create_service("session_server", 1)             .bind_service(&session_server)             .reg(&session_server_t::user_login); force_user_offline_t::in_t in; in.uid = 520; singleton_t::instance()     .get_service_group("gateway_server")     ->get_service(1)     ->async_call(in, callback_TODO);

多播通信

和点对点通信一样，要实现多播，只需要知道目标的服务名称。特别提一点的是，FFLIB中有服务组的概念。比如启动了多个场景服务器SceneServer，除了数据不同，二者接口完全相同，有可能只是相同进程的不同实例。在FFLIB框架中把这些服务归为一个服务组，然后再为每个实例分配索引id。

假设如下场景，SuperServer 中要实现一个GM接口，通知所有SceneServer 重新加载配置。

定义通信的msg：

struct reload_config_t     struct in_t: public msg_i    {        in_t():            msg_i("reload_config_t::in_t")        {}        string encode()        {            return (init_encoder()).get_buff();        }        void decode(const string& src_buff_)        {            init_decoder(src_buff_);        }   };    struct out_t: public msg_i    {       out_t():            msg_i("reload_config_t::out_t")        {}         string encode()        {            return (init_encoder() << value).get_buff();        }        void decode(const string& src_buff_)        {            init_decoder(src_buff_) >> value;        }        bool value;    }; ;

SceneServer 提供重新载入配置接口：

class scene_server_t { public:     void reload_config(reload_config_t::in_t& in_msg_, rpc_callcack_t& cb_)     {         //! close user socket         reload_config_t::out_t out;         out.value = true;         cb_(out);     } }; scene_server_t scene_server; singleton_t::instance().create_service("scene_server", 1)             .bind_service(&scene_server)             .reg(&scene_server_t::reload_config);

在SuperServer 中如此实现多播（跟准确是广播，大同小异）：

struct lambda_t { static void reload_config(rpc_service_t* rs_) {           reload_config_t::in_t in;           rs_->async_call(in, callback_TODO); } }; singleton_t::instance()     .get_service_group("scene_server")     ->foreach(&lambda_t::reload_config);

Map/Reduce

在游戏中使用Map/reduce 的情形并不多见，本人找到网上最常见的Map/reduce 实例 WordCount。情形如下：有一些文本字符串，统计每个字符出现的次数。

Map操作，将文本分为多个子文本，分发给多个Worker 进程进行统计

Reduce 操作，将多组worker 进程计算的结果汇总

Worker：为文本统计各个字符出现的次数

定义通信消息：

struct word_count_t {     struct in_t: public msg_i     {         in_t():             msg_i("word_count_t::in_t")         {}         string encode()         {             return (init_encoder() << str).get_buff();         }         void decode(const string& src_buff_)         {             init_decoder(src_buff_) >> str;         }         string str;     };     struct out_t: public msg_i     {         out_t():             msg_i("word_count_t::out_t")         {}         string encode()         {             return (init_encoder() << value).get_buff();         }         void decode(const string& src_buff_)         {             init_decoder(src_buff_) >> value;         }        map value;     };  };

定义woker的接口：

class worker_t { public:     void word_count(word_count_t::in_t& in_msg_, rpc_callcack_t& cb_)     {         //! close user socket         word_count_t::out_t out;         for (size_t i = 0; i < in_msg_.str.size(); ++i)         {             map::iterator it = out.value.find(in_msg_.str[i]);             if (it != out.value.end())             {                 it->second += 1;             }             else             {                 out.value[in_msg_.str[i]] = 1;             }         }         cb_(out);     } }; worker_t worker;    for (int i = 0; i < 5; ++i)     {        singleton_t::instance().create_service("worker", 1)             .bind_service(&worker)             .reg(&worker_t::word_count);     }

模拟Map/reduce 操作：

struct lambda_t {     static void reduce(word_count_t::out_t& msg_, map* result_, size_t* size_)     {         for (map::iterator it = msg_.value.begin(); it != msg_.value.end(); ++it)         {             map::iterator it2 = result_->find(it->first);             if (it2 != result_->end())             {                 it2->second += it->second;             }             else             {                 (*result_)[it->first] = it->second;             }         }         if (-- size_ == 0)         {             //reduce end!!!!!!!!!!!!!!!!             delete result_;             delete size_;         }     }     static void do_map(const char** p, size_t size_)     {         map* result  = new map();        size_t*    dest_size   = new size_t();         *dest_size = size_;         for (size_t i = 0; i < size_; ++i)         {             word_count_t::in_t in;             in.str = p[i];             singleton_t::instance()                 .get_service_group("worker")                 ->get_service(1 + i % singleton_t::instance().get_service_group("worker")->size())                ->async_call(in, binder_t::callback(&lambda_t::reduce, result, dest_size));         }     } }; const char* str_vec[] = {"oh nice", "oh fuck", "oh no", "oh dear", "oh wonderful", "oh bingo"}; lambda_t::do_map(str_vec, 6);

总结：

FFLIB 使进程间通信更容易

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注创新互联行业资讯频道，感谢您对创新互联的支持。

分享标题：C++多进程并发框架FFLIB中Tutorial的原理是什么
当前链接：http://scyanting.com/article/iedihs.html