协程可⽤多线程调度器（⽐如默认的 Dispatchers.Default）并发执⾏。这样就可以提出所有常⻅的并发 问题。主要的问题是同步访问共享的可变状态。协程领域对这个问题的⼀些解决⽅案类似于多线程领域 中的解决⽅案，但其它解决⽅案则是独⼀⽆⼆的。
问题
我们启动⼀百个协程，它们都做⼀千次相同的操作。我们同时会测量它们的完成时间以便进⼀步的⽐较
suspend fun massiveRun(action: suspend () -> Unit) { val n = 100 // 启动的协程数量 val k = 1000 // 每个协程重复执⾏同⼀动作的次数 val time = measureTimeMillis { coroutineScope { // 协程的作⽤域 repeat(n) { launch { repeat(k) { action() } } } } } println("Completed ${n * k} actions in $time ms") }我们从⼀个⾮常简单的动作开始：使⽤多线程的 Dispatchers.Default 来递增⼀个共享的可变变量
var counter = 0 fun main() = runBlocking { withContext(Dispatchers.Default) { massiveRun { counter++ } } println("Counter = $counter") }这段代码最后打印出什么结果？它不太可能打印出“Counter = 100000”，因为⼀百个协程在多个线程中 同时递增计数器但没有做并发处理。
volatile ⽆济于事
有⼀种常⻅的误解：volatile 可以解决并发问题。让我们尝试⼀下：
@Volatile // 在 Kotlin 中 `volatile` 是⼀个注解 var counter = 0 fun main() = runBlocking { withContext(Dispatchers.Default) { massiveRun { counter++ } } println("Counter = $counter") }这段代码运⾏速度更慢了，但我们最后仍然没有得到“Counter = 100000”这个结果，因为 volatile 变量 保证可线性化（这是“原⼦”的技术术语）读取和写⼊变量，但在⼤量动作（在我们的⽰例中即“递增”操 作）发⽣时并不提供原⼦性。
线程安全的数据结构
⼀种对线程、协程都有效的常规解决⽅法，就是使⽤线程安全（也称为同步的、可线性化、原⼦）的数据结 构，它为需要在共享状态上执⾏的相应操作提供所有必需的同步处理。在简单的计数器场景中，我们可 以使⽤具有 incrementAndGet 原⼦操作的 AtomicInteger 类：
val counter = AtomicInteger() fun main() = runBlocking { withContext(Dispatchers.Default) { massiveRun { counter.incrementAndGet() } } println("Counter = $counter") }这是针对此类特定问题的最快解决⽅案。它适⽤于普通计数器、集合、队列和其他标准数据结构以及它 们的基本操作。然⽽，它并不容易被扩展来应对复杂状态、或⼀些没有现成的线程安全实现的复杂操作
以细粒度限制线程
限制线程 是解决共享可变状态问题的⼀种⽅案：对特定共享状态的所有访问权都限制在单个线程中。它 通常应⽤于 UI 程序中：所有 UI 状态都局限于单个事件分发线程或应⽤主线程中。这在协程中很容易实 现，通过使⽤⼀个单线程上下⽂：
val counterContext = newSingleThreadContext("CounterContext") var counter = 0 fun main() = runBlocking { withContext(Dispatchers.Default) { massiveRun { // 将每次⾃增限制在单线程上下⽂中 withContext(counterContext) { counter++ } } } println("Counter = $counter") }这段代码运⾏⾮常缓慢，因为它进⾏了 细粒度 的线程限制。每个增量操作都得使⽤ [withContext(counterContext)] 块从多线程 Dispatchers.Default 上下⽂切换到单线程上下⽂。
以粗粒度限制线程
在实践中，线程限制是在⼤段代码中执⾏的，例如：状态更新类业务逻辑中⼤部分都是限于单线程中。下 ⾯的⽰例演⽰了这种情况，在单线程上下⽂中运⾏每个协程。
val counterContext = newSingleThreadContext("CounterContext") var counter = 0 fun main() = runBlocking { // 将⼀切都限制在单线程上下⽂中 withContext(counterContext) { massiveRun { counter++ } } println("Counter = $counter") }这段代码运⾏更快⽽且打印出了正确的结果。
互斥
该问题的互斥解决⽅案：使⽤永远不会同时执⾏的 关键代码块 来保护共享状态的所有修改。在阻塞的 世界中，你通常会为此⽬的使⽤ synchronized 或者 ReentrantLock 。在协程中的替代品叫做 Mutex 。它具有 lock 和 unlock ⽅法，可以隔离关键的部分。关键的区别在于 Mutex.lock() 是⼀个 挂起函数，它不会阻塞线程。 还有 withLock 扩展函数，可以⽅便的替代常⽤的 mutex.lock(); try { …… } finally { mutex.unlock() } 模式：
val mutex = Mutex() var counter = 0 fun main() = runBlocking { withContext(Dispatchers.Default) { massiveRun { // ⽤锁保护每次⾃增 mutex.withLock { counter++ } } } println("Counter = $counter") }此⽰例中锁是细粒度的，因此会付出⼀些代价。但是对于某些必须定期修改共享状态的场景，它是⼀个 不错的选择，但是没有⾃然线程可以限制此状态。
Actors
⼀个 actor 是由协程、被限制并封装到该协程中的状态以及⼀个与其它协程通信的 通道 组合⽽成的⼀ 个实体。⼀个简单的 actor 可以简单的写成⼀个函数，但是⼀个拥有复杂状态的 actor 更适合由类来表 ⽰。
有⼀个 actor 协程构建器，它可以⽅便地将 actor 的邮箱通道组合到其作⽤域中（⽤来接收消息）、组合 发送 channel 与结果集对象，这样对 actor 的单个引⽤就可以作为其句柄持有。
使⽤ actor 的第⼀步是定义⼀个 actor 要处理的消息类。Kotlin 的密封类很适合这种场景。我们使⽤ IncCounter 消息（⽤来递增计数器）和 GetCounter 消息（⽤来获取值）来定义 CounterMsg 密 封类。后者需要发送回复。CompletableDeferred 通信原语表⽰未来可知（可传达）的单个值，这⾥被⽤ 于此⽬的。
// 计数器 Actor 的各种类型 sealed class CounterMsg object IncCounter : CounterMsg() // 递增计数器的单向消息 class GetCounter(val response: CompletableDeferred接下来我们定义⼀个函数，使⽤ actor 协程构建器来启动⼀个 actor：
// 这个函数启动⼀个新的计数器 actor fun CoroutineScope.counterActor() = actormain 函数代码很简单：
fun main() = runBlockingactor 本⾝执⾏时所处上下⽂（就正确性⽽⾔）⽆关紧要。⼀个 actor 是⼀个协程，⽽⼀个协程是按顺序 执⾏的，因此将状态限制到特定协程可以解决共享可变状态的问题。实际上，actor 可以修改⾃⼰的私有 状态，但只能通过消息互相影响（避免任何锁定）。
actor 在⾼负载下⽐锁更有效，因为在这种情况下它总是有⼯作要做，⽽且根本不需要切换到不同的上下⽂。
注意，actor 协程构建器是⼀个双重的 produce 协程构建器。⼀个 actor 与它接收消息的通道相关 联，⽽⼀个 producer 与它发送元素的通道相关联。
