Think and work in the future, not the present or past – Alan Key How?

前言

两个并行的进程可能会相互通信；一种语言的程序可能会使用通信机制与另一种语言的程序进行通信；一个用户程序可能会与操作系统进行通信；一个程序通过写文件的方式与自己的某个未来版本进行通信。大多数系统将这些事情分类在不同的、不相关的机制下，但 Linda 的 tuple 模型以一致的方式处理它们

Alan Kay(这篇访谈) 和 Bret 都偏好 Linda。

如果我们把计算机看作是对象之间(人、虚拟事物、现实事物、环境)彼此交流（talk）的环境（Dynamicland 是这样的环境，CodeLab Neverland 也是），那么 Linda 是更好地做这件事的出发点， 这是我关注 Linda 的原因.

Dynamicland 背后是 Realtalk， Realtalk 可能在 Lua 之上实现了 Linda（目前尚无确切信息），这是一种新的操作系统。

CodeLab Neverland 背后则是 CodeLab Adapter。我们目前计划在 CodeLab Adapter 的下个大版本（4.0）里实现 Linda，目前 CodeLab Adapter 本质上是个消息传递（message-pass）系统，基于 Pub/Sub（受 ROS 影响），我们将同步模型实现在 client 一侧（在异步之上实现的同步模型），异步是比同步典型/常见的模式（论文里提到），也是在这个意义上，我们相信 Adapter 基于 Pub/Sub 的模型，比 Smalltalk-80 的消息传递模型强大。

---

LINDA IN CONTEXT 讨论了 相比于主流并发模型，Linda 更好的原因。

文章将 Linda 和以下三种风格的并发模型做了对比:

• 基于消息传递的并发面向对象编程
• 并发逻辑编程
• 函数式编程

我目前只关注第一项: 基于消息传递的面向对象并发编程（这是个伪概念，下文会说到）。

复述整篇论文意义不大，本文只摘录和讨论我关心的部分(view point)。

本文可视为LINDA IN CONTEXT这篇论文的阅读笔记，同时加了一些阅读其他材料所做的笔记以及我自己的观点。

Linda 采用一种生成式通信(generative communication)风格。

两个进程需要进行通信，它们不会交换消息或共享变量。相反，进程会生成新的数据对象（称为 tuple（元组））（似乎受到 LISP 关于数据不可变观点的影响），并将其放入一个叫做 tuple 空间的区域。接收者进程可以访问 tuple，获取数据。

在 Linda 模型中，通信和进程创建是同一操作的两面。要创建进程，就生成活的tuple（live tuple），计算完成后，将变成普通的、数据化的tuple。

一个新的 tuple 被添加到元组空间（tuple space），任何感兴趣的进程都可以访问它（可以将其移除，也可以只是读取）。其次，数据以持久对象的形式存在，而不是转瞬即逝的消息。

Linda 则提供了四个基本操作：

• eval 和 out 来创建新的数据对象
• in 和 rd 分别删除（读并删除）和读取（只读不删除）它们。

Linda 不插手计算，所以它可以轻易与其他编程模型配合使用。

基于消息传递(message-pass)的并发

当前计算机领域最著名的并行编程技术是消息传递(message-pass)。

这种编程模型包含以下操作:

• create-process
• send-message
• receive-message

基于消息传递(message-pass)的并发模型有什么问题呢？

这些问题包括：

1. 消息的瞬时性
2. 发送者与接受者的耦合

第 1 个问题，消息是一种转瞬即逝的东西，这可能让许多编程场景变得复杂，为此，可能需要引入额外的很多系统支持，诸如存储之类，这些都可能让并发问题进一步复杂。

第 2 个问题， 在消息传递系统中，一则消息必须 明确 地指向某个接收者。而且只有那个接收器可以读取它（除非程序使用了某种广播（broadcast）操作，有些消息系统提供，有些则不提供）。这导致了耦合，包括时间上的耦合（生命周期依赖）。在 Linda 中，发送方和接受方彼此不知道对方的存在（很像pub/sub风格）， 它支持非耦合的编程风格。

面向对象？

有一个时髦的说法叫 基于消息传递的并发面向对象编程，Actor 多少也与此有关。

首先，LINDA IN CONTEXT 有力论述了面向对象与并发是无关的两个概念， 所以 基于消息传递的面向对象并发 这个词汇没什么意义。注意力放在 基于消息传递的并发 上即可。

当我们谈论 基于消息传递的并发面向对象编程 时，多数时候说的是基于监视器（monitor）的多对象并发机制。

基于 monitor 的多对象并发编程

一个对象定义了可以被其他对象调用的方法。方法调用本质上是一种同步操作：过程调用会阻塞，直到返回一个结果。

由于可能被多个对象并发调用，于是通过监控器（monitor）来确保资源每次只被一个对象操作（锁住它）。

但是，并行程序中的进程通常不会关心他们的数据会发生什么，使用像 Linda 的 out 这样的异步操作比同步过程调用更有效率，在概念上也更贴切。使用 out，一个进程可以将一个结果转储到元组空间，然后去做其他事。(与 Pub 相似)

可以将面向对象的语言与 Linda 结合起来。使用 out（对于被动对象）或 eval（主动对象）生成对象。所有与主动对象的通信都经过 tuple 空间。同样，对象本身并不在并行模型中。（正交）

Actors 的问题

在 基于消息传递的并发模型中， Actor 尤为著名。

在 Actors 系统中，进程（称为 Actors）通过互相发送消息进行通信（称为 “tasks”）。一个进程可以通过生成一个或多个新进程来响应消息。这种系统很容易在 Linda 中表达出来。

Actors 基本上是一个消息传递模型。 所以和其他基于消息模型的并发模型一样，受到消息传递模式本身的限制。

Actors 模型似乎比 Linda 涵盖的编程模式更少，但方式更复杂。

在 Actors 模型中，一个进程和一条消息是独立的结构；在 Linda 中，一个进程变成了一个元组（一体两面）

Actors 消息包含三个独立的部分：

• 标签
• 目标
• 通信（communication）

元组只是一组字段，可以轻松包含:

• 标签（即消息 id）
• 目标（地址）
• 通信（数据）。

Actors 不支持关联寻址，也不允许将消息发送给尚未创建的进程。在 Linda 中，一个元组可以被未来才创建的进程所操作（持久性、时间跨越）。

Actors 模型是由一个相当复杂的形式化框架支持的，Linda 则很简单。

Dynamicland

Dynamicland 背后的系统 – Realtalk， 似乎是在 Lua 之上实现了 Linda。

目前社区中有一些 Lua 中的 Linda 实现，如Lua Lanes。目前尚不清楚 Dynamicland 的具体做法。

我的计划

为 CodeLab Adapter 下个版本引入 Linda 模型，使得协作可以更容易发生，包括以下几种协作:

• 程序之间（程序对象被看作是递归的计算机）的协作
  • 在可计算环境（房间就是计算机）中，人与人、人与程序之间的协作，程序是人的代理（agency），所以最终还是还原为 程序之间的协作。

CodeLab Adapter 的一个使用场景是用于构建 Neverland （一种受到 Dynamicland 启发的计算环境，将整个空间视为一个计算机）

Python 实现

由于 CodeLab Adapter 目前是在 Python 实现的，所以我需要一个 Linda 模型的 Python 实现，目前社区里的实现都不理想

• pypi pylinda
• lindypy
• github pylinda
• Linda in Python

其中 Linda in Python 尤为简单，可作为不错的脚手架。

站在 Smalltalk 角度

Cosmic metaphors really help imagination – Alan Key How?

我目前这样思考 Linda： Linda是一种信息/数据（不使用消息，因其转瞬即逝）存在的媒介（环境），进程/对象 之间经过这个媒介交流。 它和smalltalk的对象/消息隐喻（对象通过流动的消息交流）是不同的， 在smalltalk 里，对象之间是直接交流。在流动的消息这个观点上，Alan Kay会说:

Synergy requires constant messaging（协同需要持续的消息传递）

但Linda似乎并不接受这种见解。

我对 Smalltalk 的理解是: 小物体之间彼此交互（small object , talk with each other）。 小物体（程序/对象）被看作计算机的递归，他们独立处理自身接收到的消息，并做出反应，听起来像一个小生物体（Alan Kay 有生物学背景）。

Smalltalk环境里物体之间彼此独立，不耦合，系统拥有极高的灵活性和表达能力，每个 object 都根据从其他对象那里得来的消息（沿着这个隐喻，我们可以说消息流动的通道（诸如网络）充当了类似物理环境信息介质（空气、水）的角色）来决策。这不像计算机环境，像生物/物理环境。

但目前 smalltalk 对于 object 之间如何交流的模型，却不如人意，它本质上是同步的，而且由于是消息系统，导致了耦合（前文有论述）。smalltalk 对象之间沟通的模型（send message）可以通过阅读smalltalk bluebook获知，更好的方式是基于异步实现。

我想这是 Alan Kay 偏好 Linda 的原因，能够更好实现 晚绑定(late binding) ， 值得一提的是，晚绑定是 Alan Kay 设计系统时追求的特性，至于面向对象和消息，只是实现这个特性的策略，他们不是目的本身。

我觉得 Linda 似乎受到 Smalltalk 传统的深远影响, 将**晚绑定(late binding)**的目标进一步推进。

这是一种更好的 **协作** 模型， 并发只是技术和时间层面的视角，相对于协作的概念，它也不太重要

我的实现

我目前在 Python 中，正基于 pub/sub 和 协程实现 Linda。

参考

• LINDA IN CONTEXT
  • pSpaces
  • pylinda
    • wiki.c2.com PyLinda
• wikipedia Linda
• wikipedia Actor
• Squeak Actors
• Relationship between OO and functional programming?
  • 通过描述匹配，以一般的发布（out）和描述（in）的方式做松散耦合。我还是很喜欢这个想法，并希望看到它能推进到对象之间真正可以 “协商意义 “的地步。
  • 普通的逻辑中，不包含时间。John McCarthy 通过给所有的 “事实” 添加一个额外的参数来解决这个问题，这个参数代表了一个事实为真时的 “时间框架”。这创造了一个简单的时间逻辑，将 “事实集合 “可视化为世界线（world-line）的堆叠 “层”。
  • “旧 “值（来自于前一帧）
  • 同样值得关注的是数据库上的 “原子事务”。以一种非破坏性的方式创建的，没有竞赛条件。有一个版本的历史。
  • 刚刚计算出来的稳定状态是非常有用的。它永远不会再被改变–所以它代表了系统模拟的一个 “版本”
  • “稳定状态之间不存在时间”：“时钟 “只有在每个新状态完成时才会前进。就程序而言，CPU本身并不充当时钟。它有一个内在的、干净的时间模型
  • 在命令式编程中允许竞争条件，然后试图使用可怕的信号符等来保护它们，这可能导致锁定。
  • 任何对对象之间的消息传递感兴趣的人，如果知道Lisp，就会被吸引到 “apply”，并注意到一种对象（一个lambda “东西”，它可能是一个闭包）被绑定到参数上（这有点像消息）。未评估的表达式可以作为参数传递，并在之后进行求值。这使得那些不雅的 “特殊形式”（如条件）可以被省去，它们可以被写成一种普通的懒惰函数。
  • 通过上面提到的时空建模，可以松开 “eval-apply “的 “齿轮”，通过安全消息传递得到时空层之间的功能关系。
  • 因为我一直喜欢用 “模拟的视角 “来看待计算，所以我认为 “对象 “和 “函数 “是相辅相成的思想，完全不冲突。
  • 对象就可以完成处理设计参数（包括保留历史记录等）所需的操作。