响应式编程

响应式编程

响应式编程打破了传统的同步阻塞式编程模型，基于响应式数据流和背压机制实现了异步非阻塞式的网络通信、数据访问和事件驱动架构，能够减轻服务器资源之间的竞争关系，从而提高服务的响应能力。

一、Reactive Stream

要了解什么是响应式编程，首先要了解JDK 9 的Reactive Stream。Reactive Stream其实就是一个支持背压的发布订阅模式。其核心主要包括4个接口 ，即 Publisher、Subscriber、Subscription 和 Processor<T,R>。

1.1 概念

• 背压

  背压是指订阅者能和发布者交互，可以调节发布者发布数据的速率，解决把订阅者压垮的问题。

• Pubisher

  /**
   * 发布者
   */
  public interface Publisher<T> {
      // 注册订阅者
      public void subscribe(Subscriber<? super T> s);
  }
  

• Subscriber

  /**
   * 订阅者
   */
  public interface Subscriber<T> {
      // 订阅者被注册时的回调
      public void onSubscribe(Subscription s);
      // 发布者发布事件（数据）时的回调
      public void onNext(T t);
      // 处理事件（数据）过程中出现异常时的回调
      public void onError(Throwable t);
      // 事件全部处理完成，发布者结束发布的回调
      public void onComplete();
  }
  

• Subscription

  /**
   * 发布订阅上下文，可以理解为发布者和订阅者沟通的桥梁，是实现背压的关键
   */
  public interface Subscription {
      // 请求n个事件（数据）
      public void request(long n);
      // 取消订阅
      public void cancel();
  }
  

• Processor

  Processor, 需要继承SubmissionPublisher并实现Processor接口，它是Publisher和Subscriber之间的一道屏障，可以理解为过滤器；

1.2 代码示例

/**
 * 带 process 的 flow demo
 */

import java.util.concurrent.Flow;
import java.util.concurrent.SubmissionPublisher;

/**
 * Processor, 需要继承SubmissionPublisher并实现Processor接口
 * <p>
 * 输入源数据 integer, 过滤掉小于0的, 然后转换成字符串发布出去
 */
class MyProcessor extends SubmissionPublisher<String> implements Flow.Processor<Integer, String> {

    private Flow.Subscription subscription;

    @Override
    public void onSubscribe(Flow.Subscription subscription) {
        // 保存订阅关系, 需要用它来给发布者响应
        this.subscription = subscription;

        // 请求一个数据
        this.subscription.request(1);
    }

    @Override
    public void onNext(Integer item) {
        // 接受到一个数据, 处理
        System.out.println("处理器接受到数据: " + item);

        // 过滤掉小于0的, 然后发布出去
        if (item > 0) {
            this.submit("转换后的数据:" + item);
        }

        // 处理完调用request再请求一个数据
        this.subscription.request(1);

        // 或者 已经达到了目标, 调用cancel告诉发布者不再接受数据了
        // this.subscription.cancel();
    }

    @Override
    public void onError(Throwable throwable) {
        // 出现了异常(例如处理数据的时候产生了异常)
        throwable.printStackTrace();

        // 我们可以告诉发布者, 后面不接受数据了
        this.subscription.cancel();
    }

    @Override
    public void onComplete() {
        // 全部数据处理完了(发布者关闭了)
        System.out.println("处理器处理完了!");
        // 关闭发布者
        this.close();
    }
}

public class FlowDemo2 {

    public static void main(String[] args) throws Exception {
        // 1. 定义发布者, 发布的数据类型是 Integer
        // 直接使用jdk自带的SubmissionPublisher
        SubmissionPublisher<Integer> publisher = new SubmissionPublisher<>();

        // 2. 定义处理器, 对数据进行过滤, 并转换为String类型
        MyProcessor processor = new MyProcessor();

        // 3. 发布者 和 处理器 建立订阅关系
        publisher.subscribe(processor);

        // 4. 定义最终订阅者, 消费 String 类型数据
        Flow.Subscriber<String> subscriber = new Flow.Subscriber<>() {

            private Flow.Subscription subscription;

            @Override
            public void onSubscribe(Flow.Subscription subscription) {
                // 保存订阅关系, 需要用它来给发布者响应
                this.subscription = subscription;

                // 请求一个数据
                this.subscription.request(1);
            }

            @Override
            public void onNext(String item) {
                // 接受到一个数据, 处理
                System.out.println("接受到数据: " + item);

                // 处理完调用request再请求一个数据
                this.subscription.request(1);

                // 或者 已经达到了目标, 调用cancel告诉发布者不再接受数据了
                // this.subscription.cancel();
            }

            @Override
            public void onError(Throwable throwable) {
                // 出现了异常(例如处理数据的时候产生了异常)
                throwable.printStackTrace();

                // 我们可以告诉发布者, 后面不接受数据了
                this.subscription.cancel();
            }

            @Override
            public void onComplete() {
                // 全部数据处理完了(发布者关闭了)
                System.out.println("处理完了!");
            }

        };

        // 5. 处理器 和 最终订阅者 建立订阅关系
        processor.subscribe(subscriber);

        // 6. 生产数据, 并发布
        // 这里忽略数据生产过程
        publisher.submit(-111);
        publisher.submit(111);

        // 7. 结束后 关闭发布者
        // 正式环境 应该放 finally 或者使用 try-resouce 确保关闭
        publisher.close();

        // 主线程延迟停止, 否则数据没有消费就退出
        Thread.currentThread().join(1000);
    }

}

二、Project Reactor

在 Java 领域，目前响应式流的开发库包括 RxJava、Akka、Vert.x 和 Project Reactor 等。

Spring 5 的响应式编程模型以 Project Reactor 库为基础，并且Spring Boot 从 2.x 版本开始也是全面依赖 Spring 5。

Reactor 框架可以单独使用。和集成其他第三方库一样，如果想要在代码中引入 Reactor，要做的事情就是在 Maven 的 pom 文件中添加如下依赖包。:

<dependency>
    <groupId>io.projectreactor</groupId>
    <artifactId>reactor-core</artifactId>
</dependency>

Reactor 框架提供了两个核心组件来发布数据，分别是 Flux 和 Mono 组件。这两个组件可以说是应用程序开发过程中最基本的编程对象。

2.1 创建流

2.1.1 Flux

Flux 代表的是一个包含 0 到 n 个元素的异步序列，Reactor 官网给出了它的示意图，如下所示:

创建Flux的方式总体上来说分为两类，一类是静态创建方法，一类是动态创建方法。我们来看下：

• 静态方法创建Flux

  • just()方法

    一般情况下，在已知元素数量和内容时，使用 just() 方法是创建 Flux 的最简单直接的做法。

    Flux.just("Hello", "World").subscribe(System.out::println);
    

  • fromXXX()方法组

    如果我们已经有了一个数组、一个 Iterable 对象或 Stream 对象，那么就可以通过 Flux 提供的 fromXXX() 方法组来从这些对象中自动创建 Flux，包括 fromArray()、fromIterable() 和 fromStream() 方法。

    List<String> strList = new ArrayList<>();
    strList.add("1");
    strList.add("2");
    strList.add("3");
    Flux.fromIterable(strList).subscribe(System.out::println);
    
    Flux.fromArray(new String[]{"1","2","3"}).subscribe(System.out::println);
    
    Flux.fromStream(Arrays.stream(new String[]{"1","2","3"}).map(Integer::parseInt)).subscribe(System.out::println);
    

  • range()方法

    如果你快速生成一个整数数据流，那么可以采用 range() 方法，该方法允许我们指定目标整数数据流的起始元素以及所包含的个数，序列中的所有对象类型都是 Integer，这在创建连续的年份信息或序号信息等场景下非常有用。

    Flux.range(2020, 5).subscribe(System.out::println);
    

  • interval()方法

  interval() 方法可以用来生成从 0 开始递增的 Long 对象的数据序列。通过 interval() 所具备的一组重载方法，我们可以分别指定这个数据序列中第一个元素发布之前的延迟时间，以及每个元素之间的时间间隔。

  Flux.interval(Duration.ofMillis(500), Duration.ofMillis(1000)).subscribe(System.out::println);
  

  • empty()、error() 和 never()

    可以分别使用 empty()、error() 和 never() 这三个方法类创建一些特殊的数据序列： 可以使用 empty() 方法创建一个只包含结束消息的空序列； 通过 error() 方法可以创建一个只包含错误消息的序列 ； 使用 never() 方法创建的序列不发出任何类似的消息通知 。

    // empty()
    Flux.empty().subscribe(System.out::println);
    
    // error()
    Flux.error(new Exception("测试出错")).subscribe(System.out::println);
    
    // never()
    Flux.never().subscribe(System.out::println);
    

• 动态方法创建Flux

  • generate()方法

    generate() 方法生成 Flux 序列依赖于 Reactor 所提供的 SynchronousSink 组件，SynchronousSink 组件包括 next()、complete() 和 error() 这三个核心方法。从 SynchronousSink 组件的命名上就能知道它是一个同步的 Sink 组件，也就是说元素的生成过程是同步执行的。这里要注意的是 next() 方法只能最多被调用一次。

    // 直接发布具体数据
    Flux.generate(synchronousSink -> {
          synchronousSink.next("1");
          synchronousSink.complete();
    }).subscribe(System.out::println);
    
    // 先定义数据，再处理数据
    Flux.generate(() -> 1, (i, synchronousSink) -> {
        synchronousSink.next(i);
        if (i == 5) {
            synchronousSink.complete();
        }
        return ++i;
    }).subscribe(System.out::println);
    
    // 先定义数据，再处理数据，最后再监控数据
    Flux.generate(() -> 1, (i, synchronousSink) -> {
        synchronousSink.next(i);
        if (i == 5) {
            synchronousSink.complete();
        }
        return ++i;
    }, i -> System.out.println("这里是状态监控器，i最后的状态为：" + i)).subscribe(System.out::println);
    

    运行该段代码，会在系统控制台上得到“1”。我们在这里调用了一次 next() 方法，并通过 complete() 方法结束了这个数据流。如果不调用 complete() 方法，那么就会生成一个所有元素均为“1”的无界数据流。

  • create()方法

    create() 方法与 generate() 方法比较类似，但它使用的是一个 FluxSink 组件， FluxSink 除了 next()、complete() 和 error() 这三个核心方法外，还定义了背压策略，并且可以在一次调用中产生多个元素。

    // 直接发布具体的数据
    Flux.create(fluxSink -> {
        for (int i = 0; i < 5; i++) {
            fluxSink.next(i);
        }
        fluxSink.complete();
    }).subscribe(System.out::println);
    
    // 发布具体的数据，并指定背压策略
    Flux.create(fluxSink -> {
        for (int i = 0; i < 5; i++) {
            fluxSink.next(i);
        }
        fluxSink.complete();
    }, FluxSink.OverflowStrategy.DROP).subscribe(System.out::println);
    

    在 Reactor 框架中，针对背压有以下四种处理策略。

    • BUFFER：代表一种缓存策略，缓存消费者暂时还无法处理的数据并放到队列中，这时候使用的队列相当于是一种无界队列。

    • DROP：代表一种丢弃策略，当消费者无法接收新的数据时丢弃这个元素，这时候相当于使用了有界丢弃队列。

    • LATEST：类似于 DROP 策略，但让消费者只得到来自上游组件的最新数据。

    • ERROR：代表一种错误处理策略，当消费者无法及时处理数据时发出一个错误信号。

2.1.2 MONO

Mono 数据序列中只包含 0 个或 1 个元素，如下图所示 ：

创建Mono的方式总体上来说和Flux差不多，也是一类是静态创建方法，一类是动态创建方法。我们来看下：

• 静态方法创建Mono

  针对静态创建 Mono 的场景，前面给出的 just()、empty()、error() 和 never() 等方法同样适用， 除了这些方法之外，比较常用的还有 justOrEmpty() 等方法。

  • just()\justOrEmpty()

    // 报错 NPE
    Mono.just(null).subscribe(System.out::println);
    
    // 不报错
    Mono.justOrEmpty(null).subscribe(System.out::println);
    

  • fromCallable()

    该方法返回一个新的Mono，该Mono执行提供的Runnable任务并返回其结果（如果有的话）。

    Mono.fromCallable(() -> account).subscribe(System.out::println);
    

  • fromRunnable()

    这个方法类似于Mono.from()，但是它不返回任何结果，只执行提供的Runnable任务。

    Mono.fromRunnable(() -> System.out.println("这里只执行逻辑不会返回任何信息")).subscribe(System.out::println);
    

• 动态方法创建Mono

  • create()

    Mono.create(monoSink -> monoSink.success("ceshi")).subscribe(System.out::println);
    

2.2 订阅流

想要订阅响应式流，就需要用到 subscribe() 方法。在前面的示例中我们已经演示了 subscribe 操作符的用法，知道可以通过 subscribe() 方法来添加相应的订阅逻辑。同时，在调用 subscribe() 方法时可以指定需要处理的消息通知类型。正如前面内容所看到的，Flux 和 Mono 提供了一批非常有用的 subscribe() 方法重载方法，大大简化了订阅的开发例程。这些重载方法包括如下几种：

//订阅流的最简单方法，忽略所有消息通知
subscribe();
 
//对每个来自 onNext 通知的值调用 dataConsumer，但不处理 onError 和 onComplete 通知
subscribe(Consumer<T> dataConsumer);
 
//在前一个重载方法的基础上添加对 onError 通知的处理
subscribe(Consumer<T> dataConsumer, Consumer<Throwable> errorConsumer);
 
//在前一个重载方法的基础上添加对 onComplete 通知的处理
subscribe(Consumer<T> dataConsumer, Consumer<Throwable> errorConsumer,
Runnable completeConsumer);
 
//这种重载方法允许通过请求足够数量的数据来控制订阅过程
subscribe(Consumer<T> dataConsumer, Consumer<Throwable> errorConsumer,
Runnable completeConsumer, Consumer<Subscription> subscriptionConsumer);
 
//订阅序列的最通用方式，可以为我们的 Subscriber 实现提供所需的任意行为
subscribe(Subscriber<T> subscriber);

2.3 操作流

数据流通常都会涉及转换、过滤、裁剪等核心操作，以及一些辅助性的操作，总的来说可以分成如下六大类型：

• 转换（Transforming）操作符，负责将序列中的元素转变成另一种元素；

• 过滤（Filtering）操作符，负责将不需要的数据从序列中剔除出去；

• 组合（Combining）操作符，负责将序列中的元素进行合并、连接和集成；

• 条件（Conditional）操作符，负责根据特定条件对序列中的元素进行处理；

• 裁剪（Reducing）操作符，负责对序列中的元素执行各种自定义的裁剪操作；

• 工具（Utility）操作符，负责一些针对流式处理的辅助性操作。

我们接下来的讲解，主要看一些常用的方法。

2.3.1 转换操作符

转换可以说是对数据流最常见的一种操作了，Reactor 中常用的转换操作符包括 buffer、window、map 和 flatMap 等。

• buffer 操作符

  buffer 操作符的作用相当于把当前流中的元素统一收集到一个集合中，并把这个集合对象作为新的数据流。使用 buffer 操作符在进行元素收集时，可以指定集合对象所包含的元素的最大数量。buffer 操作符的一种用法如下所示：

  Flux.just("1","2","3","4", "5").buffer(2).subscribe(System.out::println);
  

  上面的操作结果为：

  [1, 2]
  [3, 4]
  [5]

• map 操作符

  map 操作符相当于一种映射操作，它对流中的每个元素应用一个映射函数从而达到转换效果

  Flux.just("1","2","3","4", "5").map(i -> "number:" + i).subscribe(System.out::println);
  

• flatMap 操作符

  flatMap 操作符执行的也是一种映射操作，但与 map 不同，该操作符会把流中的每个元素映射成一个流而不是一个元素，然后再把得到的所有流中的元素进行合并。

  Flux<User> users = userRepository.getUsers();
  users.flatMap(u -> getOrdersByUser(u));
  

2.3.2 过滤操作符

过滤类操作符的作用非常明确，就是从数据流中只获取自己想要的元素。Reactor 中的过滤操作符也有很多，常用的包括 filter、first/last、skip/skipLast、take/takeLast 等，这些操作符应用起来都相对比较简单。

• filter 操作符

  filter 操作符的含义与普通的过滤器类似，就是对流中包含的元素进行过滤，只留下满足指定过滤条件的元素，而过滤条件的指定一般是通过断言。

  Flux.range(1, 10).filter(i -> i % 2 == 0).subscribe(System.out::println);
  

• skip/skipLast

  如果使用 skip 操作符，将会忽略数据流的前 n 个元素。类似的，如果使用 skipLast 操作符，将会忽略流的最后 n 个元素。

  List<String> strList = new ArrayList<>();
  strList.add("1");
  strList.add("2");
  strList.add("3");
  Flux.fromIterable(strList).skip(2).subscribe(System.out::println);
  Flux.fromIterable(strList).skipLast(2).subscribe(System.out::println);
  

• take/takeLast

  take 系列操作符用来从当前流中提取元素。我们可以按照指定的数量来提取元素，也可以按照指定的时间间隔来提取元素。类似的，takeLast 系列操作符用来从当前流的尾部提取元素。

  List<String> strList = new ArrayList<>();
  strList.add("1");
  strList.add("2");
  strList.add("3");
  Flux.fromIterable(strList).take(2).subscribe(System.out::println);
  Flux.fromIterable(strList).takeLast(2).subscribe(System.out::println);
  

2.3.3 组合操作符

Reactor 中常用的组合操作符有 then/when、merge、startWith 和 zip 等。相比过滤操作符，组合操作符要复杂一点 。

• then\thenMany操作符

  then 操作符的含义是等到上一个操作完成再进行下一个

  Flux.just(1, 2, 3)
      .then()
      .subscribe(System.out::println);
      
  Flux.just(1, 2, 3)
      .thenMany(Flux.just(4, 5))
      .subscribe(System.out::println);
  

• when操作符、

  when 操作符的含义则是等到多个操作一起完成.

  public Mono<Void> updateOrders(Flux<Order> orders) {
          return orders.flatMap(file -> {
                  Mono<Void> saveOrderToDatabase = ...;
                  Mono<Void> sendMessage = ...;
                  return Mono.when(saveOrderToDatabase, sendMessage);
         });
  

• merge/mergeSequential 操作符

  作为一种典型的组合类操作符，merge 操作符用来把多个 Flux 流合并成一个 Flux 序列，而合并的规则就是按照流中元素的实际生成的顺序进行 。

  Flux.merge(Flux.intervalMillis(0, 100).take(2), Flux.intervalMillis(50,100).take(2)).toStream().forEach(System.out::println);
  

  请注意，这里的第一个 intervalMillis 方法没有延迟，每隔 100 毫秒生成一个元素，而第二个 intervalMillis 方法则是延迟 50 毫秒之后才发送第一个元素，时间间隔同样是 100 毫秒。相当于两个数据序列会交错地生成数据，并合并在一起。所以以上代码的执行效果如下所示：

  0

  0

  1

  1

  和 merge 类似的还有一个 mergeSequential 方法。不同于 merge 操作符，mergeSequential 操作符则按照所有流被订阅的顺序，以流为单位进行合并。现在我们来看一下这段代码，这里仅仅将 merge 操作换成了 mergeSequential 操作：

  Flux.mergeSequential (Flux.intervalMillis(0, 100).take(2), Flux.intervalMillis(50,100).take(2)).toStream().forEach(System.out::println);
  

  执行以上代码，我们将得到不同的结果，如下所示 ：

  0

  1

  0

  1

2.3.4 条件操作符

所谓条件操作符，本质上就是提供了一个判断的依据来确定是否处理流中的元素。Reactor 中常用的条件操作符有 defaultIfEmpty、takeUntil、takeWhile、skipUntil 和 skipWhile 等。

• defaultIfEmpty

  defaultIfEmpty 操作符针对空数据流提供了一个简单而有用的处理方法。该操作符用来返回来自原始数据流的元素，如果原始数据流中没有元素，则返回一个默认元素。

  defaultIfEmpty 操作符在实际开发过程中应用广泛，通常用在对方法返回值的处理上。如下所示的就是在 Controller 层中对 Service 层返回结果的一种常见处理方法 。

  @GetMapping("/orders/{id}")
  public Mono<ResponseEntity<Order>> findOrderById(@PathVariable 
  	String id) {
       return orderService.findOrderById(id)
           .map(ResponseEntity::ok)
           .defaultIfEmpty(ResponseEntity
  	.status(404).body(null));
  }
  

• takeUntil

  takeUntil 操作符的基本用法是 takeUntil (Predicate<? super T> predicate)，其中 Predicate 代表一种断言条件，该操作符将从数据流中提取元素直到断言条件返回 true。takeUntil 的示例代码如下所示，我们希望从一个包含 100 个连续元素的序列中获取 1~10 个元素。

  Flux.range(1, 100).takeUntil(i -> i == 10).subscribe(System.out::println);
  

• takeWhile

  takeWhile 操作符的基本用法是 takeWhile (Predicate<? super T> continuePredicate)，其中 continuePredicate 代表的也是一种断言条件。与 takeUntil 不同的是，takeWhile 会在 continuePredicate 条件返回 true 时才进行元素的提取。takeWhile 的示例代码如下所示，这段代码的执行效果与 takeUntil 的示例代码一致。

  Flux.range(1, 100).takeWhile(i -> i <= 10).subscribe(System.out::println);
  

• skipUntil/skipWhile

  与 takeUntil 相对应，skipUntil 操作符的基本用法是 skipUntil (Predicate<? super T> predicate)。skipUntil 将丢弃原始数据流中的元素直到 Predicate 返回 true。

  同样，与 takeWhile 相对应，skipWhile 操作符的基本用法是 skipWhile (Predicate<? super T> continuePredicate)，当 continuePredicate 返回 true 时才进行元素的丢弃。这两个操作符都很简单，就不具体展开讨论了。

2.3.5 裁剪操作符

裁剪操作符通常用于统计流中的元素数量，或者检查元素是否具有一定的属性。在 Reactor 中，常用的裁剪操作符有 any、all、concat、reduce等

• any操作符

  any 操作符用于检查是否至少有一个元素具有所指定的属性，示例代码如下 ：

  Flux.just(3, 5, 7, 9, 11, 15, 16, 17)
          .any(e -> e % 2 == 0)
          .subscribe(isExisted -> System.out.println(isExisted));
  

• all操作符

  all 操作符，用来检查流中元素是否都满足同一属性，示例代码如下所示 ：

  lux.just("abc", "ela", "ade", "pqa", "kang")
          .all(a -> a.contains("a"))
          .subscribe(isAllContained -> System.out.println(isAllContained));
  

• concat操作符

  concat 操作符用来合并来自不同 Flux 的数据。与上一讲中所介绍的 merge 操作符不同，这种合并采用的是顺序的方式，所以严格意义上并不是一种合并操作，所以我们把它归到裁剪操作符类别中。 例如，如果执行下面这段代码，我们将在控制台中依次看到 1 到 10 这 10 个数字。

  Flux.concat(
              Flux.range(1, 3),
              Flux.range(4, 2),
              Flux.range(6, 5)
          ).subscribe(System.out::println);
  };
  

• reduce操作符

  裁剪操作符中最经典的就是这个 reduce 操作符。reduce 操作符对来自 Flux 序列中的所有元素进行累积操作并得到一个 Mono 序列，该 Mono 序列中包含了最终的计算结果。reduce 操作符示意图如下所示：

  

  在上图中，具体的累积计算很简单，我们也可以通过一个 BiFunction 来实现任何自定义的复杂计算逻辑。reduce 操作符的示例代码如下所示，这里的 BiFunction 就是一个求和函数，用来对 1 到 10 的数字进行求和，运行结果为 55：

  Flux.range(1, 10).reduce((x, y) -> x + y).subscribe(System.out::println);
  

2.3.6 工具操作符

Reactor 中常用的工具操作符有 subscribe、timeout、block、log 等

• subscribe操作符

  subscribe操作符我们在订阅流中已经介绍了，这里就不赘述了。

• timeout操作符

  timeout 操作符非常简单，保持原始的流发布者，当特定时间段内没有产生任何事件时，将生成一个异常

• block操作符

block 操作符在接收到下一个元素之前会一直阻塞。block 操作符常用来把响应式数据流转换为传统数据流。 例如，使用如下方法将分别把 Flux 数据流和 Mono 数据流转变成普通的 List`` 对象和单个的 Order 对象，我们同样可以设置 block 操作的等待时间。

public List<Order> getAllOrders() {
        return orderservice.getAllOrders()
	.block(Duration.ofSecond(5));
}
 
public Order getOrderById(Long orderId) {
  return orderservice.getOrderById(orderId)
	.block(Duration.ofSecond(2));
}

• log操作符

  Reactor 中专门提供了针对日志的工具操作符 log，它会观察所有的数据并使用日志工具进行跟踪。我们可以通过如下代码演示 log 操作符的使用方法，在 Flux.just() 方法后直接添加 log() 函数。

  Flux.just(1, 2).log().subscribe(System.out::println);
  

  以上代码的执行结果如下所示（为了显示简洁，部分内容和格式做了调整）。通常，我们也可以在 log() 方法中添加参数来指定日志分类的名称。

  Info: | onSubscribe([Synchronous Fuseable] FluxArray.ArraySubscription)
  Info: | request(unbounded)
  Info: | onNext(1)
  1
  Info: | onNext(2)
  2
  Info: | onComplete()

三、Spring的响应式编程

2017 年，Spring 发布了新版本 Spring 5，这是从 Spring 4 发布以来将近 4 年的时间中所发布的一个全新版本。Spring 5 引入了很多核心功能，这其中重要的就是全面拥抱了响应式编程的设计思想和实践。

Spring 5 针对响应式编程构建了全栈式的开发组件。对于常见的应用程序而言，Web 服务层和数据访问层构成了最基本的请求链路。而 Spring 5 也提供了针对 Web 服务层开发的响应式 Web 框架 WebFlux，以及支持响应式数据访问的 Spring Data Reactive 框架。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-y0o8A7F3-1692664892746)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\1691541645767.png)]

3.1 SpringBoot WebFlux

Spring WebFlux 是 Spring Framework 5.0中引入的新的响应式web框架。与Spring MVC不同，它不需要Servlet API，是完全异步且非阻塞的，并且通过Reactor项目实现了Reactive Streams规范。

Spring WebFlux 用于创建基于事件循环执行模型的完全异步且非阻塞的应用程序。 （PS：所谓异步非阻塞是针对服务端而言的，是说服务端可以充分利用CPU资源去做更多事情，这与客户端无关，客户端该怎么请求还是怎么请求。）

webflux的关键是自己编写的代码里面返回流（Flux/Mono），spring框架来负责处理订阅。

3.1.1 核心依赖

<dependency>
     <groupId>org.springframework.boot</groupId>
     <artifactId>spring-boot-starter-webflux</artifactId>
</dependency>

3.1.2 实战应用

想要使用 WebFlux 构建响应式服务的编程模型，开发人员有两种选择。第一种是使用基于 Java 注解的方式，这种编程模型与传统的 Spring MVC 一致；而第二种则是使用函数式编程模型。

• 注解方式

  Spring WebFlux 与 Spring MVC 的不同之处，前者使用的类型都是 Reactor 中提供的 Flux 和 Mono 对象，而不是普通的 POJO。

  @RestController
  public class HelloController {
   
      @GetMapping("/")
      public Mono<String> hello() {
          return Mono.just("Hello World!");
      }
  }
  

• 路由函数

  Router Functions 则提供一套函数式风格的 API，其中最重要的就是 Router 和 Handler 接口。我们可以简单把 Router 对应成 RequestMapping，把 Controller 对应为 Handler。

  @Configuration
  public class OrderRouter {
  	@Bean
  	public RouterFunction<ServerResponse> routeOrder(OrderHandler orderHandler) {	
  		return RouterFunctions.route(
  				RequestPredicates.GET("/orders/{orderNumber}")
  					.and(RequestPredicates.accept(MediaType.APPLICATION_JSON)),
  					orderHandler::getOrderByOrderNumber);		
  	}
  }
  
  @Configuration
  public class OrderHandler {
  	@Autowired
  	private OrderService orderService;
  
  	public Mono<ServerResponse> getOrderByOrderNumber(ServerRequest request) {
  		String orderNumber = request.pathVariable("orderNumber");
  		
  		return ServerResponse.ok().body(this.orderService.getOrderByOrderNumber(orderNumber), Order.class);
  	}
  }
  

3.2 Spring Data Reactice Repositories

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MIISXM9j-1692664892746)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\1691994507191.png)]

如图所示，如果某一个环节或步骤不是响应式的，就会出现同步阻塞，从而导致背压机制无法生效。如果某一层组件（例如数据访问层）无法采用响应式编程模型，那么响应式编程的概念对于整个请求链路的其他层而言就没有意义。在常见的 Web 服务架构中，最典型的非响应式场景就是数据访问层中使用了关系型数据库，因为传统的关系型数据库都基于非响应式的数据访问机制。为此，Spring家族中专门处理存储层的组件Spring Data Repositories也针对响应式编程除了一款Spring Data Repositories Reactive。

我们以 Spring Data Redis Reactive 组件为例。

3.2.1 核心依赖

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis-reactive</artifactId>
</dependency>

3.2.2 实战应用

Redis 不提供响应式存储库，ReactiveRedisTemplate 类是响应式 Redis 数据访问的核心工具类。 那么在Spring容器启动时，就需要将ReactiveRedisTemplate初始化到容器中。

@Configuration
public class RedisConfiguration {
    @Value("${spring.redis.host}")
    private String host;

    @Value("${spring.redis.port}")
    private Integer port;

    @Value("${spring.redis.password}")
    private String password;

    @Bean
    public ReactiveRedisConnectionFactory reactiveRedisConnectionFactory() {
        // 配置redis
        RedisStandaloneConfiguration redisStandaloneConfiguration = new RedisStandaloneConfiguration();
        redisStandaloneConfiguration.setHostName(host);
        redisStandaloneConfiguration.setPort(port);
        redisStandaloneConfiguration.setPassword(RedisPassword.of(password));

        // 构建连接工厂
        return new LettuceConnectionFactory(redisStandaloneConfiguration, LettuceClientConfiguration.builder().build());
    }

    @Bean
    public RedisSerializationContext<String, Object> redisSerializationContext() {
        RedisSerializationContext.RedisSerializationContextBuilder<String, Object> builder = RedisSerializationContext.newSerializationContext();
        builder.key(StringRedisSerializer.UTF_8);
        builder.value(RedisSerializer.json());
        builder.hashKey(StringRedisSerializer.UTF_8);
        builder.hashValue(StringRedisSerializer.UTF_8);
        return builder.build();
    }

    @Bean
    public ReactiveRedisTemplate<String, Object> reactiveRedisTemplate(ReactiveRedisConnectionFactory reactiveRedisConnectionFactory, RedisSerializationContext<String, Object> redisSerializationContext) {
        return new ReactiveRedisTemplate<>(reactiveRedisConnectionFactory, redisSerializationContext);
    }
}

那么我们只要在Repositories中调用这个ReactiveRedisTemplate即可。

@Repository
public class AccountRepositories implements IAccountRepositories {
    /**
     * redis存储的hashkey
     */
    private static final String REDIS_HASH_KEY = "TABLE:ACCOUNT";

    @Autowired
    private ReactiveRedisTemplate<String, Object> reactiveRedisTemplate;

    @Override
    public Mono<Account> findById(String id) {
        return reactiveRedisTemplate.opsForHash()
                .get(REDIS_HASH_KEY, id)
                .flatMap(accStr -> Mono.just(JSONUtil.toBean((String) accStr, Account.class)));
    }

    @Override
    public Flux<Account> findByIds(Flux<String> ids) {
        return null;
    }

    @Override
    public Mono<Boolean> saveAccount(Mono<Account> accountMono) {
        return accountMono.flatMap(account -> reactiveRedisTemplate.opsForHash().put(REDIS_HASH_KEY, account.getId(), JSONUtil.toJsonStr(account)));
    }

    @Override
    public Mono<Boolean> deleteById(String id) {
        return reactiveRedisTemplate.opsForHash().remove(REDIS_HASH_KEY, id).flatMap(count -> Mono.just(count == 1));
    }
}

四、服务间调用

我们知道，在传统微服务生态中，服务之间的调用可以通过 Feign或者Retrofit等框架来实现，但是Feign或者Retrofit等框架并不支持响应式的编码，即它们都是同步阻塞的调用，我们上面说过，在整个调用链中，任何一个环节阻塞了都会导致响应式编码失效。

所以，Spring家族提供了WebClient来支持异步非阻塞的服务调用，WebClient是从Spring WebFlux 5.0版本开始提供的一个非阻塞的基于响应式编程的进行Http请求的客户端工具。它的响应式编程的基于Reactor的。WebClient中提供了标准Http请求方式对应的get、post、put、delete等方法，可以用来发起相应的请求。

4.1 创建 WebClient

创建 WebClient 有两种方法，一种是通过它所提供的 create() 工厂方法，另一种则是使用 WebClient Builder 构造器工具类。

• create() 工厂方法

WebClient webClient = WebClient.create();   

• 构造器类 Builder

WebClient webClient = WebClient.builder().build();

4.2 使用WebClient

4.2.1 构造 URL

Web 请求中通过请求路径可以携带参数，在使用 WebClient 时也可以在它提供的 uri() 方法中添加路径变量和参数值。如果我们定义一个包含路径变量名为 id 的 URL，然后将 id 值设置为 100，那么就可以使用如下示例代码。

webClient.get().uri("http://localhost:8081/accounts/{id}", 100);

4.2.2 获取响应主体

• retrieve方法

  retrieve() 方法是获取响应主体并对其进行解码的最简单方法，我们再看一个示例，如下所示。

  WebClient webClient = WebClient.create("http://localhost:8081");
   
  Mono<Account> result = webClient.get()
          .uri("/accounts/{id}", id)
  	    .accept(MediaType.APPLICATION_JSON)
          .retrieve()
          .bodyToMono(Account.class);
  

• exchange方法

  如果希望对响应拥有更多的控制权，retrieve() 方法就显得无能为力，这时候我们可以使用 exchange() 方法来访问整个响应结果，该响应结果是一个 ClientResponse 对象，包含了响应的状态码、Cookie 等信息，示例代码如下所示。

  Mono<Account> result = webClient.get()
   .uri("/accounts/{id}", id)
   .accept(MediaType.APPLICATION_JSON)
   .exchange() 
   .flatMap(response -> response.bodyToMono(Account.class));
  

L

Web 请求中通过请求路径可以携带参数，在使用 WebClient 时也可以在它提供的 uri() 方法中添加路径变量和参数值。如果我们定义一个包含路径变量名为 id 的 URL，然后将 id 值设置为 100，那么就可以使用如下示例代码。

webClient.get().uri("http://localhost:8081/accounts/{id}", 100);

4.2.2 获取响应主体

• retrieve方法

  retrieve() 方法是获取响应主体并对其进行解码的最简单方法，我们再看一个示例，如下所示。

  WebClient webClient = WebClient.create("http://localhost:8081");
   
  Mono<Account> result = webClient.get()
          .uri("/accounts/{id}", id)
  	    .accept(MediaType.APPLICATION_JSON)
          .retrieve()
          .bodyToMono(Account.class);
  

• exchange方法

  如果希望对响应拥有更多的控制权，retrieve() 方法就显得无能为力，这时候我们可以使用 exchange() 方法来访问整个响应结果，该响应结果是一个 ClientResponse 对象，包含了响应的状态码、Cookie 等信息，示例代码如下所示。

  Mono<Account> result = webClient.get()
   .uri("/accounts/{id}", id)
   .accept(MediaType.APPLICATION_JSON)
   .exchange() 
   .flatMap(response -> response.bodyToMono(Account.class));