关于后端:Reactor第八篇WebFlux-服务编排

WebFlux 服务编排是指应用 WebFlux 框架来编排多个 异步服务 的执行程序和数据流动，从而构建出一个残缺的、基于事件驱动的响应式应用程序。

WebFlux 服务编排的劣势如下：

1. 高性能：WebFlux 基于响应式编程模型，能够应用大量的线程解决大量的申请，从而进步零碎的并发能力和吞吐量。
2. 异步解决：WebFlux 能够异步解决申请和响应，防止线程的阻塞和期待，进步零碎的并发能力和性能。
3. 高可靠性：WebFlux 基于事件驱动的编程模型，能够更好地处理错误和异样，从而进步零碎的可靠性和稳定性。
4. 简洁清晰：WebFlux 的代码简洁清晰，能够应用函数式编程格调来编写业务逻辑，进步代码的可读性和可维护性。
5. 可扩展性：WebFlux 能够轻松地集成其余的响应式组件和服务，例如 Reactive Streams、Spring Cloud、RSocket 等，从而进步零碎的可扩展性和灵活性。

综上所述，WebFlux 服务编排能够帮忙咱们构建高性能、高可靠性、可扩展性强的响应式应用程序，进步零碎的并发能力和性能，从而更好地满足古代应用程序的需要。

一个示例

public Mono> getOrderDetails(String orderId) {return Mono.fromCallable(() -> {
        // 查问订单根本信息
        return "order info";
    })
    .flatMap(orderInfo -> {
        // 查问订单商品信息
        return Mono.fromCallable(() -> {return "order item info";});
    })
    .flatMap(orderItemInfo -> {
        // 查问订单配送信息
        return Mono.fromCallable(() -> {return "order delivery info";});
    })
    .flatMap(orderDeliveryInfo -> {
        // 查问订单领取信息
        return Mono.fromCallable(() -> {return "order payment info";});
    });
}

为什么应用 fromCallable，就是下面说的，WebFlux 编排的是异步服务，而不是同步服务。

然而理论线上不要应用 fromCallable，会导致创立很多个线程，高并发场景下会导致资源竞争强烈，从而服务性能急剧下降。

1 串行

1.1 不须要 invoker1 的后果

long start = System.currentTimeMillis();

Mono<String> invoke1 = Invoker1.invoke1();
Mono<String> result = invoke1.flatMap(p -> Invoker2.invoke2())
      .map(s -> {return s.toString();
      });
// result: invoker2, 耗时：3592（串行）System.out.println("result:" + result.block() + ", 耗时：" + (System.currentTimeMillis() - start));

1.2 须要返回 invoker1 的后果

long start = System.currentTimeMillis();

Mono<String> invoke1 = Invoker1.invoke1();
Mono<String> result = invoke1.flatMap(p -> {return Invoker2.invoke2().map(s -> {return p + s;});
});

// result: invoker1invoker2, 耗时：3554（串行）System.out.println("result:" + result.block() + ", 耗时：" + (System.currentTimeMillis() - start));

2 并行

2.1 zip 办法

zip() 办法能够一次组装任意个 Mono，实用于有多个 Mono 的状况

long start = System.currentTimeMillis();
Mono<String> invoke1 = Invoker1.invoke1();
Mono<String> invoker2 = Invoker2.invoke2();
Mono<String> result = Mono.zip(invoke1, invoker2)
      .map(s-> {String t1 = s.getT1();
         String t2 = s.getT2();
         return String.format("invoke1:%s, invoke2: %s", t1, t2);
      });
// invoker1invoker2 耗时：2650（并行）System.out.println("result:" + result.block() + "，耗时：" + (System.currentTimeMillis() - start));

2.2 zipWith 办法

zipWith() 每次组装一个 Mono 对象，应用于组装 Mono 个数比拟少的状况。

long start = System.currentTimeMillis();
Mono<String> invoke1 = Invoker1.invoke1();
Mono<String> invoker2 = Invoker2.invoke2();
Mono<String> result = invoke1.zipWith(invoker2)
      .map(s -> {return String.format("invoke1:%s, invoke2: %s", s.getT1(), s.getT2());
      });
// invoker1invoker2 耗时：2469（并行）System.out.println(result.block() + "，耗时：" + (System.currentTimeMillis() - start));

3 前提

这里的 invoker 就是第三方零碎调用。

保障 invoker 是在独立的线程中执行，这样 invoker 不会影响业务解决。

public class Invoker1 {public static Mono<String> invoke1() {
      return Mono.
            fromSupplier(() -> {
               try {Thread.sleep(1000);
               } catch (InterruptedException e) {throw new RuntimeException(e);
               }
               return "invoker1";
            })
            .subscribeOn(Schedulers.parallel())
            .doOnError(e -> {System.out.println("error invoker1");
            });
   }
}

public class Invoker2 {public static Mono<String> invoke2() {return Mono.fromSupplier(() -> {
               try {Thread.sleep(2000);
               } catch (InterruptedException e) {throw new RuntimeException(e);
               }
               return "invoker2";
            })
            .subscribeOn(Schedulers.parallel())
            .doOnError(e -> {System.out.println("error invoker2");
            });
   }
}