共计 15976 个字符，预计需要花费 40 分钟才能阅读完成。
哈哈哈哈哈，题目有点猖獗。然而既然你都来了，那就看看吧，毕竟响应式编程随着高并发对于性能的吃紧，越来越重要了。
哦对了，这是一篇 Java 文章。
废话不多说，间接步入正题。
响应式编程外围组件
步入正题之前，我心愿你对发布者 / 订阅者模型有一些理解。
间接看图：
Talk is cheap, show you the code!
public class Main {public static void main(String[] args) {Flux<Integer> flux = Flux.range(0, 10);
flux.subscribe(i -> {System.out.println("run1:" + i);
});
flux.subscribe(i -> {System.out.println("run2:" + i);
});
}
}输入：
run1: 0
run1: 1
run1: 2
run1: 3
run1: 4
run1: 5
run1: 6
run1: 7
run1: 8
run1: 9
run2: 0
run2: 1
run2: 2
run2: 3
run2: 4
run2: 5
run2: 6
run2: 7
run2: 8
run2: 9
Process finished with exit code 0Flux
Flux 是一个多元素的生产者，话中有话，它能够生产多个元素，组成元素序列，供订阅者应用。
Mono
Mono 和 Flux 的区别在于，它只能生产一个元素供生产者订阅，也就是数量的不同。
Mono 的一个常见的利用就是 Mono<ServerResponse\> 作为 WebFlux 的返回值。毕竟每次申请只有一个 Response 对象，所以 Mono 刚刚好。
疾速创立一个 Flux/Mono 并订阅它
来看一些官网文档演示的办法。
Flux<String> seq1 = Flux.just("foo", "bar", "foobar");
List<String> iterable = Arrays.asList("foo", "bar", "foobar");
Flux<String> seq2 = Flux.fromIterable(iterable);
Mono<String> noData = Mono.empty();
Mono<String> data = Mono.just("foo");
Flux<Integer> numbersFromFiveToSeven = Flux.range(5, 3);subscribe() 办法 (Lambda 模式)
- subscribe() 办法默认承受一个 Lambda 表达式作为订阅者来应用。它有四个变种模式。
- 在这里阐明一下 subscribe() 第四个参数，指出了当订阅信号达到，首次申请的个数，如果是 null 则全副申请 (Long.MAX_VALUE)
public class FluxIntegerWithSubscribe {public static void main(String[] args) {Flux<Integer> integerFlux = Flux.range(0, 10);
integerFlux.subscribe(i -> {System.out.println("run");
System.out.println(i);
}, error -> {System.out.println("error");
}, () -> {System.out.println("done");
}, p -> {p.request(2);
});
}
}如果去掉首次申请，那么会申请最大值：
public class FluxIntegerWithSubscribe {public static void main(String[] args) {Flux<Integer> integerFlux = Flux.range(0, 10);
// 在这里阐明一下 subscribe() 第四个参数，指出了当订阅信号达到，首次申请的个数，如果是 null 则全副申请 (Long.MAX_VALUE)
// 其余 subscribe() 详见源码或文档:https://projectreactor.io/docs/core/release/reference/#flux
integerFlux.subscribe(i -> {System.out.println("run");
System.out.println(i);
}, error -> {System.out.println("error");
}, () -> {System.out.println("done");
});
}
}输入：
run
0
run
1
run
2
run
3
run
4
run
5
run
6
run
7
run
8
run
9
done
Process finished with exit code 0继承 BaseSubscriber(非 Lambda 模式)
- 这种形式更多像是对于 Lambda 表达式的一种替换表白。
- 对于基于此办法的订阅，有一些注意事项，比方首次订阅时，要至多申请一次。否则会导致程序无奈持续取得新的元素。
public class FluxWithBaseSubscriber {public static void main(String[] args) {Flux<Integer> integerFlux = Flux.range(0, 10);
integerFlux.subscribe(new MySubscriber());
}
/**
* 一般来说，通过继承 BaseSubscriber<T> 来实现，而且个别自定义 hookOnSubscribe() 和 hookOnNext() 办法
*/
private static class MySubscriber extends BaseSubscriber<Integer> {
/**
* 首次订阅时被调用
*/
@Override
protected void hookOnSubscribe(Subscription subscription) {System.out.println("开始啦！");
// 记得至多申请一次，否则不会执行 hookOnNext() 办法
request(1);
}
/**
* 每次读取新值调用
*/
@Override
protected void hookOnNext(Integer value) {System.out.println("开始读取...");
System.out.println(value);
// 指出下一次读取多少个
request(2);
}
@Override
protected void hookOnComplete() {System.out.println("完结啦");
}
}
}输入：
开始啦！开始读取...
0
开始读取...
1
开始读取...
2
开始读取...
3
开始读取...
4
开始读取...
5
开始读取...
6
开始读取...
7
开始读取...
8
开始读取...
9
完结啦
Process finished with exit code 0终止订阅:Disposable
- Disposable 是一个订阅时返回的接口，外面蕴含很多能够操作订阅的办法。
- 比方勾销订阅。
在这里应用多线程模仿生产者生产的很快，而后立马勾销订阅（尽管立即勾销然而因为生产者切实太快了，所以订阅者还是接管到了一些元素）。
其余的办法，比方 Disposables.composite() 会失去一个 Disposable 的汇合，调用它的 dispose() 办法会把汇合里的所有 Disposable 的 dispose() 办法都调用。
public class FluxWithDisposable {public static void main(String[] args) {Disposable disposable = getDis();
// 每次打印数量个别不同，因为调用了 disposable 的 dispose() 办法进行了勾销，不过如果生产者产地太快了，那么可能来不及终止。disposable.dispose();}
private static Disposable getDis() {
class Add implements Runnable {
private final FluxSink<Integer> fluxSink;
public Add(FluxSink<Integer> fluxSink) {this.fluxSink = fluxSink;}
@Override
public synchronized void run() {fluxSink.next(new Random().nextInt());
}
}
Flux<Integer> integerFlux = Flux.create(integerFluxSink -> {Add add = new Add(integerFluxSink);
new Thread(add).start();
new Thread(add).start();
new Thread(add).start();
new Thread(add).start();
new Thread(add).start();
new Thread(add).start();
new Thread(add).start();
new Thread(add).start();
new Thread(add).start();
new Thread(add).start();
new Thread(add).start();});
return integerFlux.subscribe(System.out::println);
}
}输入：
这里的输入每次调用可能都会不同，因为订阅之后勾销了，所以能打印多少取决于那一瞬间 CPU 的速度。调整发布者公布速率
- 为了缓解订阅者压力，订阅者能够通过负压流回溯进行重塑发布者公布的速率。最典型的用法就是上面这个——通过继承 BaseSubscriber 来设置本人的申请速率。然而有一点必须明确，就是 hookOnSubscribe() 办法必须至多申请一次，不然你的发布者可能会“卡住”。
public class FluxWithLimitRate1 {public static void main(String[] args) {Flux<Integer> integerFlux = Flux.range(0, 100);
integerFlux.subscribe(new MySubscriber());
}
private static class MySubscriber extends BaseSubscriber<Integer> {
@Override
protected void hookOnSubscribe(Subscription subscription) {System.out.println("开始啦！");
// 记得至多申请一次，否则不会执行 hookOnNext() 办法
request(1);
}
@Override
protected void hookOnNext(Integer value) {System.out.println("开始读取...");
System.out.println(value);
// 指出下一次读取多少个
request(2);
}
@Override
protected void hookOnComplete() {System.out.println("完结啦！");
}
}
}- 或者应用 limitRate() 实例办法进行限度，它返回一个被限度了速率的 Flux 或 Mono。某些上流的操作能够更改上流订阅者的申请速率，有一些操作有一个 prefetch 整型作为输出，能够获取大于上流订阅者申请的数量的序列元素，这样做是为了解决它们本人的外部序列。这些预获取的操作方法个别默认预获取 32 个，不过为了优化；每次曾经获取了预获取数量的 75% 的时候，会再获取 75%。这叫“补充优化”。
public class FluxWithLimitRate2 {public static void main(String[] args) {Flux<Integer> integerFlux = Flux.range(0, 100);
// 最初，来看一些 Flux 提供的预获取办法：// 指出预取数量
integerFlux.limitRate(10);
// lowTide 指出预获取操作的补充优化的值，即批改 75% 的默认值；highTide 指出预获取数量。integerFlux.limitRate(10, 15);
// 哎～最典型的就是，申请有数:request(Long.MAX_VALUE) 然而我给你 limitRate(2)；那你也只能乖乖每次失去两个哈哈哈哈！// 还有一个就是 limitRequest(N)，它会把上流总申请限度为 N。如果上流申请超过了 N，那么只返回 N 个，否则返回理论数量。而后认为申请实现，向上流发送 onComplete 信号。integerFlux.limitRequest(5).subscribe(new MySubscriber());
// 下面这个只会输入 5 个。}
}程序化地创立一个序列
动态同步办法：generate()
当初到了程序化生成 Flux/Mono 的时候。首先介绍 generate() 办法，这是一个同步的办法。话中有话就是，它是线程不平安的，且它的接收器只能一次一个的承受输出来生成 Flux/Mono。也就是说，它在任意时刻只能被调用一次且只承受一个输出。
或者这么说，它生成的元素序列的程序，取决于代码编写的形式。
public class FluxWithGenerate {public static void main(String[] args) {// 上面这个是它的变种办法之一：第一个参数是提供初始状态的，第二个参数是一个向接收器写入数据的生成器，入参为 state( 个别为整数，用来记录状态)，和接收器。// 其余变种请看源码
Flux.generate(() -> 0, (state, sink) -> {sink.next(state+"asdf");
// 加上对于 sink.complete() 的调用即可终止生成；否则就是有限序列。return state+1;
}).subscribe(System.out::println);
// generate 办法的第三个参数用于完结生成时被调用，耗费 state。Flux.generate(AtomicInteger::new, (state, sink) -> {sink.next(state.getAndIncrement()+"qwer");
return state;
}).subscribe(System.out::println);
// generate() 的工作流看起来就像:next()->next()->next()->...
}
}- 通过上述代码不难看到，每次的接收器承受的值来自于上一次生成办法的返回值，也就是 state= 上一个迭代的返回值 (其实称为上一个流才精确，这么说只是为了不便了解)。
- 不过这个 state 每次都是一个全新的 (每次都 + 1 当然是新的)，那么有没有什么办法能够做到前后两次迭代的 state 是同一个援用且还能够更新值呢？答案就是原子类型。也就是下面的第二种形式。
动态异步多线程办法：create()
说完了同步生成，接下来就是异步生成，还是多线程的！让咱们有请:create() 闪亮退场！！！
- create() 办法对外暴露出一个 FluxSink 对象，通过它咱们能够拜访并生成须要的序列。除此之外，它还能够触发回调中的多线程事件。
- create 另一个性就是很容易把其余的接口与响应式桥接起来。留神，它是异步多线程并不意味着 create 能够并行化你写的代码或者异步执行；怎么了解呢？就是，create 办法外面的 Lambda 表达式代码还是单线程阻塞的。如果你在创立序列的中央阻塞了代码，那么可能造成订阅者即便申请了数据，也得不到，因为序列被阻塞了，没法生成新的。
- 其实通过下面的景象能够猜想，默认状况下订阅者应用的线程和 create 应用的是一个线程，当然阻塞 create 就会导致订阅者没法运行咯！
- 上述问题能够通过 Scheduler 解决，前面会提到。
public class FluxWithCreate {public static void main(String[] args) throws InterruptedException {TestProcessor<String> testProcessor = new TestProcessor<>() {
private TestListener<String> testListener;
@Override
public void register(TestListener<String> stringTestListener) {this.testListener = stringTestListener;}
@Override
public TestListener<String> get() {return testListener;}
};
Flux<String> flux = Flux.create(stringFluxSink -> testProcessor.register(new TestListener<String>() {
@Override
public void onChunk(List<String> chunk) {for (String s : chunk) {stringFluxSink.next(s);
}
}
@Override
public void onComplete() {stringFluxSink.complete();
}
}));
flux.subscribe(System.out::println);
System.out.println("当初是 2020/10/22 22:58；我好困");
TestListener<String> testListener = testProcessor.get();
Runnable1<String> runnable1 = new Runnable1<>() {
private TestListener<String> testListener;
@Override
public void set(TestListener<String> testListener) {this.testListener = testListener;}
@Override
public void run() {List<String> list = new ArrayList<>(10);
for (int i = 0; i < 10; ++ i) {list.add(i+"-run1");
}
testListener.onChunk(list);
}
};
Runnable1<String> runnable2 = new Runnable1<>() {
private TestListener<String> testListener;
@Override
public void set(TestListener<String> testListener) {this.testListener = testListener;}
@Override
public void run() {List<String> list = new ArrayList<>(10);
for (int i = 0; i < 10; ++ i) {list.add(i+"-run2");
}
testListener.onChunk(list);
}
};
Runnable1<String> runnable3 = new Runnable1<>() {
private TestListener<String> testListener;
@Override
public void set(TestListener<String> testListener) {this.testListener = testListener;}
@Override
public void run() {List<String> list = new ArrayList<>(10);
for (int i = 0; i < 10; ++ i) {list.add(i+"-run3");
}
testListener.onChunk(list);
}
};
runnable1.set(testListener);
runnable2.set(testListener);
runnable3.set(testListener);
// create 所谓的 "异步"，"多线程" 指的是在多线程中调用 sink.next() 办法。这一点在上面的 push 比照中能够看到
new Thread(runnable1).start();
new Thread(runnable2).start();
new Thread(runnable3).start();
Thread.sleep(1000);
testListener.onComplete();
// 另一方面，create 的另一个变体能够设置参数来实现负压管制，具体看源码。}
public interface TestListener<T> {void onChunk(List<T> chunk);
void onComplete();}
public interface TestProcessor<T> {void register(TestListener<T> tTestListener);
TestListener<T> get();}
public interface Runnable1<T> extends Runnable {void set(TestListener<T> testListener);
}
}动态异步单线程办法：push()
说完了异步多线程，同步的生成办法，接下来就是异步单线程：push()。
其实说到 push 和 create 的比照，我集体了解如下：
- reate 容许多线程环境下调用.next() 办法，只管生成元素，元素序列的程序取决于 … 算了，随机的，毕竟多线程；
- 然而 push 只容许一个线程生产元素，所以是有序的，至于异步指的是在新的线程中也能够，而不用非得在以后线程。
- 顺带一提，push 和 create 都反对 onCancel() 和 onDispose() 操作。一般来说，onCancel 只响应于 cancel 操作，而 onDispose 响应于 error，cancel，complete 等操作。
public class FluxWithPush {public static void main(String[] args) throws InterruptedException {TestProcessor<String> testProcessor = new TestProcessor<>() {
private TestListener<String> testListener;
@Override
public void register(TestListener<String> testListener) {this.testListener = testListener;}
@Override
public TestListener<String> get() {return this.testListener;}
};
Flux<String> flux = Flux.push(stringFluxSink -> testProcessor.register(new TestListener<>() {
@Override
public void onChunk(List<String> list) {for (String s : list) {stringFluxSink.next(s);
}
}
@Override
public void onComplete() {stringFluxSink.complete();
}
}));
flux.subscribe(System.out::println);
Runnable1<String> runnable = new Runnable1<>() {
private TestListener<String> testListener;
@Override
public void set(TestListener<String> testListener) {this.testListener = testListener;}
@Override
public void run() {List<String> list = new ArrayList<>(10);
for (int i = 0; i < 10; ++i) {list.add(UUID.randomUUID().toString());
}
testListener.onChunk(list);
}
};
TestListener<String> testListener = testProcessor.get();
runnable.set(testListener);
new Thread(runnable).start();
Thread.sleep(15);
testListener.onComplete();}
public interface TestListener<T> {void onChunk(List<T> list);
void onComplete();}
public interface TestProcessor<T> {void register(TestListener<T> testListener);
TestListener<T> get();}
public interface Runnable1<T> extends Runnable {void set(TestListener<T> testListener);
}
}同 create 一样，push 也反对负压调节。然而我没写进去，我试过的 Demo 都是间接申请 Long.MAX_VALUE，其实就是通过 sink.onRequest(LongConsumer) 办法调用来实现负压管制的。原理在这，想深究的请自行摸索，鄙人不才，破费一下午没实现。
实例办法：handle()
在 Flux 的实例办法里，handle 相似 filter 和 map 的操作。
public class FluxWithHandle {public static void main(String[] args) {
Flux<String> stringFlux = Flux.push(stringFluxSink -> {for (int i = 0; i < 10; ++ i) {stringFluxSink.next(UUID.randomUUID().toString().substring(0, 5));
}
});
// 获取所有蕴含 'a' 的串
Flux<String> flux = stringFlux.handle((str, sink) -> {String s = f(str);
if (s != null) {sink.next(s);
}
});
flux.subscribe(System.out::println);
}
private static String f(String str) {return str.contains("a") ? str : null;
}
}线程和调度
Schedulers 的那些静态方法
一般来说，响应式框架都不反对并发，P.s. create 那个是生产者并发，它自身不是并发的。所以也没有可用的并发库，须要开发者本人实现。
同时，每一个操作个别都是在上一个操作所在的线程里运行，它们不会领有本人的线程，而最顶的操作则是和 subscribe() 在同一个线程。比方 Flux.create(…).handle(…).subscribe(…) 都在主线程运行的。
在响应式框架里，Scheduler 决定了操作在哪个线程被怎么执行，它的作用相似于 ExecutorService。不过性能略微多点。如果你想实现一些并发操作，那么能够思考应用 Schedulers 提供的静态方法，来看看有哪些可用的：
Schedulers.immediate(): 间接在以后线程提交 Runnable 工作，并立刻执行。
package com.learn.reactor.flux;
import reactor.core.scheduler.Schedulers;
/**
* @author Mr.M
*/
public class FluxWithSchedulers {public static void main(String[] args) throws InterruptedException {// Schedulers.immediate(): 间接在以后线程提交 Runnable 工作，并立刻执行。System.out.println("以后线程：" + Thread.currentThread().getName());
System.out.println("zxcv");
Schedulers.immediate().schedule(() -> {System.out.println("以后线程是：" + Thread.currentThread().getName());
System.out.println("qwer");
});
System.out.println("asdf");
// 确保异步工作能够打印进去
Thread.sleep(1000);
}
}通过下面看得出，immediate() 其实就是在执行地位插入须要执行的 Runnable 来实现的。和间接把代码写在这里没什么区别。
Schedulers.newSingle()：保障每次执行的操作都应用的是一个新的线程。
package com.learn.reactor.flux;
import reactor.core.scheduler.Schedulers;
/**
* @author Mr.M
*/
public class FluxWithSchedulers {public static void main(String[] args) throws InterruptedException {// 如果你想让每次调用都是一个新的线程的话，能够应用 Schedulers.newSingle()，它能够保障每次执行的操作都应用的是一个新的线程。Schedulers.single().schedule(() -> {System.out.println("以后线程是：" + Thread.currentThread().getName());
System.out.println("bnmp");
});
Schedulers.single().schedule(() -> {System.out.println("以后线程是：" + Thread.currentThread().getName());
System.out.println("ghjk");
});
Schedulers.newSingle("线程 1").schedule(() -> {System.out.println("以后线程是：" + Thread.currentThread().getName());
System.out.println("1234");
});
Schedulers.newSingle("线程 1").schedule(() -> {System.out.println("以后线程是：" + Thread.currentThread().getName());
System.out.println("5678");
});
Schedulers.newSingle("线程 2").schedule(() -> {System.out.println("以后线程是：" + Thread.currentThread().getName());
System.out.println("0100");
});
Thread.sleep(1000);
}
}Schedulers.single()，它的作用是为以后操作开拓一个新的线程，然而记住，所有应用这个办法的操作都共用一个线程；
Schedulers.elastic()：一个弹性无界限程池。
无界个别意味着不可治理，因为它可能会导致负压问题和过多的线程被创立。所以马上就要提到它的代替办法。
Schedulers.bounededElastic()：有界可复用线程池
package com.learn.reactor.flux;
import reactor.core.scheduler.Schedulers;
/**
* @author Mr.M
*/
public class FluxWithSchedulers {public static void main(String[] args) throws InterruptedException {Schedulers.boundedElastic().schedule(() -> {System.out.println("以后线程是：" + Thread.currentThread().getName());
System.out.println("1478");
});
Schedulers.boundedElastic().schedule(() -> {System.out.println("以后线程是：" + Thread.currentThread().getName());
System.out.println("2589");
});
Schedulers.boundedElastic().schedule(() -> {System.out.println("以后线程是：" + Thread.currentThread().getName());
System.out.println("0363");
});
Thread.sleep(1000);
}
}Schedulers.boundedElastic() 是一个更好的抉择，因为它能够在须要的时候创立工作线程池，并复用闲暇的池；同时，某些池如果闲暇工夫超过一个限定的数值就会被摈弃。
同时，它还有一个容量限度，个别 10 倍于 CPU 外围数，这是它后备线程池的最大容量。最多提交 10 万条工作，而后会被装进工作队列，等到有可用时再调度，如果是延时调度，那么延时开始工夫是在有线程可用时才开始计算。
由此可见 Schedulers.boundedElastic() 对于阻塞的 I / O 操作是一个不错的抉择，因为它能够让每一个操作都有本人的线程。然而记得，太多的线程会让零碎备受压力。
Schedulers.parallel()：提供了零碎级并行的能力
package com.learn.reactor.flux;
import reactor.core.scheduler.Schedulers;
/**
* @author Mr.M
*/
public class FluxWithSchedulers {public static void main(String[] args) throws InterruptedException {Schedulers.parallel().schedule(() -> {System.out.println("以后线程是：" + Thread.currentThread().getName());
System.out.println("6541");
});
Schedulers.parallel().schedule(() -> {System.out.println("以后线程是：" + Thread.currentThread().getName());
System.out.println("9874");
});
Thread.sleep(1000);
}
}最初，Schedulers.parallel() 提供了并行的能力，它会创立数量等于 CPU 外围数的线程来实现这一性能。
其余线程操作
顺带一提，还能够通过 ExecutorService 创立新的 Scheduler。当然，Schedulers 的一堆 newXXX 办法也能够。
有一点很重要，就是 boundedElastic() 办法能够实用于传统阻塞式代码，然而 single() 和 parallel() 都不行，如果你非要这么做那就会抛异样。自定义 Schedulers 能够通过设置 ThreadFactory 属性来设置接管的线程是否是被 NonBlocking 接口润饰的 Thread 实例。
Flux 的某些办法会应用默认的 Scheduler，比方 Flux.interval() 办法就默认应用 Schedulers.parallel() 办法，当然能够通过设置 Scheduler 来更改这种默认。
在响应式链中，有两种形式能够切换执行上下文，别离是 publishOn() 和 subscribeOn() 办法，前者在流式链中的地位很重要。在 Reactor 中，能够以任意模式增加任意数量的订阅者来满足你的需要，然而，只有在设置了订阅办法后，能力激活这条订阅链上的全副对象。只有这样，申请才会上溯到发布者，进而产生源序列。
在订阅链中切换执行上下文
publishOn()
publishOn() 就和一般操作一样，增加在操作链的两头，它会影响在它上面的所有操作的执行上下文。看个例子：
public class FluxWithPublishOnSubscribeOn {public static void main(String[] args) throws InterruptedException {
// 创立一个并行线程
Scheduler s = Schedulers.newParallel("parallel-scheduler", 4);
final Flux<String> flux = Flux
.range(1, 2)
// map 必定是跑在 T 上的。.map(i -> 10 + i)
// 此时的执行上下文被切换到了并行线程
.publishOn(s)
// 这个 map 还是跑在并行线程上的，因为 publishOn() 的前面的操作都被切换到了另一个执行上下文中。.map(i -> "value" + i);
// 假如这个 new 进去的线程名为 T
new Thread(() -> flux.subscribe(System.out::println));
Thread.sleep(1000);
}
}subscribeOn()
public class FluxWithPublishOnSubscribeOn {public static void main(String[] args) throws InterruptedException {
// 仍旧是创立一个并行线程
Scheduler ss = Schedulers.newParallel("parallel-scheduler", 4);
final Flux<String> fluxflux = Flux
.range(1, 2)
// 不过这里的 map 就曾经在 ss 里跑了
.map(i -> 10 + i)
// 这里切换，然而切换的是整个链
.subscribeOn(s)
// 这里的 map 也运行在 ss 上
.map(i -> "value" + i);
// 这是一个匿名线程 TT
new Thread(() -> fluxflux.subscribe(System.out::println));
Thread.sleep(1000);
}
}subscribeOn() 办法会把订阅之后的整个订阅链都切换到新的执行上下文中。无论在 subscribeOn() 哪里，都能够把最后面的订阅之后的订阅序列进行切换，当然了，如果前面还有 publishOn()，publishOn() 会进行新的切换。
正文完