了解 Groovy 的并发库如何利用流行的并发模型并使其在 Java 平台上可供访问
在并发性时代，带有 4、6 和 16 个处理器核心的芯片变得很普遍，而且在不久的将来，我们会看到带有上百甚至上千个核心的芯片。这种处理能力蕴含着巨大的可能性，但对于软件开发人员来说，它也带来了挑战。最大限度地利用这些闪耀新核的需求推动了对并发性、状态管理和为两者构建的编程语言的关注热潮。
Groovy、Scala 和 Clojure 等 JVM 语言满足了这些需求。这三种都是较新的语言，运行于高度优化的 JVM 之上，可以使用 Java 1.5 中新增的强大的 Java 并发库。尽管每种语言基于其原理采用不同的方法，不过它们都积极支持并发编程。
在本文中，我们将使用 GPars，一种基于 Groovy 的并发库，来检查模型以便解决并发性问题，比如后台处理、并行处理、状态管理和线程协调。
为何选择 Groovy ？为何选择 GPars ？
Groovy 是运行于 JVM 之上的一种动态语言。基于 Java 语言，Groovy 移除了 Java 代码中的大量正式语法，并添加了来自其他编程语言的有用特性。Groovy 的强大特性之一是它允许编程人员轻松创建基于 Groovy 的 DSL。
GPars 或 Groovy Parallel Systems 是一种 Groovy 并发库，捕捉并发性和协调模型作为 DSL。GPars 的构思源自其他语言的一些最受欢迎的并发性和协调模型，包括：
来自 Java 语言的 executors 和 fork/join
来自 Erlang 和 Scala 的 actors
来自 Clojure 的 agents
来自 Oz 的数据流变量
Groovy 和 GPars 的结合成为展示各种并发性方法的理想之选。甚至不熟悉 Groovy 的 Java 开发人员也能轻松关注相关讨论，因为 Groovy 的语法以 Java 语言为基础。本文中的示例基于 Groovy 1.7 和 GPars 0.10。
后台和并行处理
一个常见的性能难题是需要等待 I/O。I/O 可能涉及到从一个磁盘、一个 web 服务或甚至是一名用户读取数据。当一个线程在等待 I/O 的过程中被阻止时，将等待中的线程与原始执行线程分离开来将会很有用，这将使它能继续工作。由于这种等待是在后台发生的，所以我们称这种技术为 后台处理。
例如，假设我们需要这样一个程序，即调用 Twitter API 来找到针对若干 JVM 语言的最新 tweets 并将它们打印出来。Groovy 能够使用 Java 库 twitter4j 很容易就编写出这样的程序，如清单 1 所示：
清单 1. 串行读取 tweets (langTweets.groovy)
import twitter4j.Twitter
import twitter4j.Query
@Grab(group='net.homeip.yusuke', module='twitter4j', version='2.0.10')
def recentTweets(api, queryStr) {
query = new Query(queryStr)
query.rpp = 5 // tweets to return
query.lang = "en" // language
tweets = api.search(query).tweets
threadName = Thread.currentThread().name
tweets.collect {
"[${threadName}-${queryStr}] @${it.fromUser}: ${it.text}"
}
}
def api = new Twitter()
['#erlang','#scala','#clojure'].each {
tweets = recentTweets(api, it)
tweets.each {
println "${it}"
}
}