scala的Actor是基於事件模型的，具體的模型可以自己查詢資料，這裡根據別人的demo程式碼自己也寫了一個基於Actor的事件模型的多檔案計算WordCount，程式碼中我寫了詳細的註釋，僅供參考

首先在D盤下面建立三個檔案，裡面寫一些單詞用空格分開：

具體程式碼如下：

package com.lijie.actor

import scala.actors._
import scala.collection.mutable
import scala.collection.mutable.ListBuffer
import scala.io.Source

/**
  * Created by Lijie on 2017/3/22.
  */
 

class MyActor extends Actor {

  //重寫Actor中的act()方法，和java中的run()一樣
  override def act(): Unit = {

    //相當於while(true)  這裡用react可以複用執行緒池
    loop {

      //這是個偏函式，定義兩個模式匹配
      react {
        case MapCalculation(fileName) => {

          //計算檔案中的word的數量，並用sender把訊息傳送回去
          sender ! MapResult(Source.fromFile(fileName).getLines().flatMap(_.split(" "
 
)).map((_, 1)).toList.groupBy(_._1).mapValues(_.size))
        }
      }
    }
  }
}

//定義一個case class 用來模擬map的word統計
case class MapCalculation(fileName: String)

//定義一個case class 用來模擬map的word統計的返回結果封裝
case class MapResult(mapResult: Map[String, Int])

object MyActor {
  def main(args: Array[String]): Unit = {

    //用來儲存非同步返回的future
 

    val futures = new mutable.HashSet[Future[Any]]()

    //用來儲存map返回的值
    val listRes = new ListBuffer[Map[String, Int]]()

    //定義檔案的位置，類似於mapreduce的FileInputFormat.addInputPath
    val files = Array("D:\\lijietest01.txt", "D:\\lijietest02.log", "D:\\lijietest03.txt")

    //迴圈向MyActor傳送訊息
    for (fileName <- files) {

      //建立訊息物件 並啟動  且傳送非同步訊息
      //每啟動一個傳送一個非同步訊息並返回一個Future，這裡同java中的Callable
      val actor = new MyActor

      //傳送非同步訊息並返回Future(!   !?    !!)
      val future = actor.start() !! MapCalculation(fileName)

      //扔到hashSet中
      futures += future
    }

    //模擬reduce
    while (futures.size > 0) {

      //這裡取出已經計算完成的非同步返回 isSet類似於Callable的isDone返回boolean,將計算完的結果放到res
      val res = futures.filter(_.isSet)

      for (r <- res) {

        //這裡的apply()相當於Callable的get(),強轉成MapResult(上面那個case class),取出裡面的map並且放入到一個list中
        listRes += r.apply().asInstanceOf[MapResult].mapResult

        //移除futures已經處理的物件,直到移除完 這個while迴圈就終止
        futures -= r

        //如果檔案很大，最後設定睡眠時間，不然cpu會空跑
        Thread.sleep(100)
      }
    }

    //對上面處理完成的map結果進行reduce
    //其中這個listRes打印出來如下：（因為我這裡三個檔案內容一樣，所以每個map裡面的資料一樣）
    // ListBuffer(
    // Map(world -> 1, soga -> 1, scala -> 2, lijie -> 4, abcd -> 1, hello -> 3, nihao -> 1),
    // Map(world -> 1, soga -> 1, scala -> 2, lijie -> 4, abcd -> 1, hello -> 3, nihao -> 1),
    // Map(world -> 1, soga -> 1, scala -> 2, lijie -> 4, abcd -> 1, hello -> 3, nihao -> 1)
    // )
    val wordCount = listRes.flatten.groupBy(_._1).mapValues(_.foldLeft(0)(_ + _._2))

    //測試列印結果
    //Map(world -> 3, soga -> 3, scala -> 6, lijie -> 12, abcd -> 3, hello -> 9, nihao -> 3)
    println(wordCount)
  }
}

執行結果如下：