关于java:Java反应式框架Reactor中的Mono和Flux

1. 前言

最近写对于响应式编程的货色有点多，很多同学反映对 Flux 和Mono这两个 Reactor 中的概念有点懵逼。然而目前 Java 响应式编程中咱们对这两个对象的接触又最多，诸如Spring WebFlux、RSocket、R2DBC。我开始也对这两个对象头疼，所以明天咱们就简略来探讨一下它们。

2. 响应流的特点

要搞清楚这两个概念，必须说一下响应流标准。它是响应式编程的基石。他具备以下特点：

• 响应流必须是无阻塞的。
• 响应流必须是一个数据流。
• 它必须能够异步执行。
• 并且它也应该可能解决背压。

背压是反馈流中的一个重要概念，能够了解为，生产者能够感触到消费者反馈的生产压力，并依据压力进行动静调整生产速率。形象点能够依照上面了解：

3. Publisher

因为响应流的特点，咱们不能再返回一个简略的 POJO 对象来示意后果了。必须返回一个相似 Java 中的 Future 的概念，在有后果可用时告诉消费者进行生产响应。

Reactive Stream标准中这种被定义为 Publisher<T>，Publisher<T> 是一个能够提供 0 - N 个序列元素的提供者，并依据其订阅者 Subscriber<? super T> 的需要推送元素。一个 Publisher<T> 能够反对多个订阅者，并能够依据订阅者的逻辑进行推送序列元素。上面这个 Excel 计算就能阐明一些 Publisher<T> 的特点。

A1-A9就可以看做 Publisher<T> 及其提供的元素序列。A10-A13别离是求和函数 SUM(A1:A9)、均匀函数AVERAGE(A1:A9)、最大值函数MAX(A1:A9)、最小值函数MIN(A1:A9)，能够看作订阅者Subscriber。如果说咱们没有A10-A13，那么A1-A9 就没有实际意义，它们并不产生计算。这也是响应式的一个重要特点：当没有订阅时发布者什么也不做。

而 Flux 和Mono都是 Publisher<T> 在Reactor 3实现。Publisher<T>提供了 subscribe 办法，容许消费者在有后果可用时进行生产。如果没有消费者 Publisher<T> 不会做任何事件，他依据生产状况进行响应。Publisher<T>可能返回零或者多个，甚至可能是有限的，为了更加清晰示意期待的后果就引入了两个实现模型 Mono 和Flux。

4. Flux<T>

Flux 是一个收回 (emit)0-N 个元素组成的异步序列的 Publisher<T>, 能够被onComplete 信号或者 onError 信号所终止。在响应流标准中存在三种给上游消费者调用的办法 onNext, onComplete, 和onError。上面这张图示意了 Flux 的形象模型：

以上的的解说对于首次接触反应式编程的仍然是难以了解的，所以这里有一个循序渐进的了解过程。

有些类比并不是很得当，然而对于你循序渐进的了解这些新概念还是有帮忙的。

传统数据处理

咱们在平时是这么写的：

public List<ClientUser> allUsers() {return Arrays.asList(new ClientUser("felord.cn", "reactive"),
            new ClientUser("Felordcn", "Reactor"));
}

咱们通过迭代返回值 List 来get这些元素进行再解决（生产），这种形式有点相似厨师做了很多菜，吃不吃在于食客。须要食客被动去来吃就行了（pull的形式），至于喜爱吃什么不喜爱吃什么本人随便，怎么吃也本人随便。

流式数据处理

在 Java 8 中咱们能够改写为流的示意：

public Stream<ClientUser> allUsers() {return  Stream.of(new ClientUser("felord.cn", "reactive"),
            new ClientUser("Felordcn", "Reactor"));
}

仍然是厨师做了很多菜，然而这种就更加高级了一些，提供了菜品的搭配形式（不蕴含具体细节），食客能够依照阐明依据本人的习惯搭配着去吃，一但开始概不退换，吃完为止，过期不候。

反应式数据处理

在 Reactor 中咱们又能够改写为 Flux 示意：

public Flux<ClientUser> allUsers(){return Flux.just(new ClientUser("felord.cn", "reactive"),
            new ClientUser("Felordcn", "Reactor"));
}

这时候食客只须要订餐就行了，做好了天然就呈上来，而且能够随时依据食客的饭量进行调整。如果没有食客订餐那么厨师就什么都不必做。当然不止有这么点个性，不过对于不便咱们了解来说这就够了。

5. Mono<T>

Mono 是一个收回 (emit)0-1 个元素的 Publisher<T>, 能够被onComplete 信号或者 onError 信号所终止。

这里就不翻译了，整体和 Flux 差不多，只不过这里只会收回 0 - 1 个元素。也就是说不是有就是没有。象 Flux 一样，咱们来看看 Mono 的演化过程以帮忙了解。

传统数据处理

public ClientUser currentUser () {return isAuthenticated ? new ClientUser("felord.cn", "reactive") : null;
}

间接返回符合条件的对象或者null。

Optional 的解决形式

public Optional<ClientUser> currentUser () {return isAuthenticated ? Optional.of(new ClientUser("felord.cn", "reactive"))
            : Optional.empty();}

这个 Optional 我感觉就有反应式的那种味儿了，当然它并不是反应式。当咱们不从返回值 Optional 取其中具体的对象时，咱们不分明外面到底有没有，然而 Optional 是肯定客观存在的, 不会呈现 NPE 问题。

反应式数据处理

public Mono<ClientUser> currentUser () {return isAuthenticated ? Mono.just(new ClientUser("felord.cn", "reactive"))
            : Mono.empty();}

和 Optional 有点相似的机制，当然 Mono 不是为了解决 NPE 问题的，它是为了解决响应流中单个值（也可能是Void）而存在的。

6. 总结

Flux和 Mono 是Java反应式中的重要概念，然而很多同学包含我在开始都难以了解它们。这其实是规定了两种流式范式，这种范式让数据具备一些新的个性，比方基于公布订阅的事件驱动，异步流、背压等等。另外数据是推送（Push）给消费者的以区别于平时咱们的拉（Pull）模式。同时咱们能够像 Stream Api 一样应用相似 map、flatmap 等操作符（operator）来操作它们。对 Flux 和Mono这两个概念须要花一些工夫去了解它们，不能操之过急。如果你对我的这种认识有不同的观点能够留言探讨，多多关注：码农小胖哥 获取更多干货常识。

关注公众号：Felordcn 获取更多资讯

集体博客：https://felord.cn