响应式编程历史悠久，早在2005年，Microsoft Cloud Programmability Team 开始探索一种简单的编程模型，以构建大规模的异步和数据密集型互联网服务架构，响应式编程的理念逐步诞生。这本是为了解决服务端系统而提出的理念，最后也逐步也应用到客户端等其他领域，而在Java服务端领域，最著名的两大响应式库就是 RxJava (GitHub - ReactiveX/RxJava: RxJava – Reactive Extensions for the JVM – a library for composing asynchronous and event-based programs using observable sequences for the Java VM.) 和 Project Reactor (GitHub - reactor/reactor-core: Non-Blocking Reactive Foundation for the JVM)。本文的重点不是探究响应式编程的内部实现，而是剖析 Lettuce 如何实现响应式范式。
我们知道，作为三个最流行Redis Java客户端 Jedis、Lettuce 和 Redisson，只有 Jedis 没有实现了响应式接口（Reactive）。我们今天的主角是：Lettuce （GitHub - lettuce-io/lettuce-core: Advanced Java Redis client for thread-safe sync, async, and reactive usage. Supports Cluster, Sentinel, Pipelining, and codecs.）。我们先来看看Lettuce的常规使用方式（或者说命令式编程的使用方式），为了简单起见，我们直接使用Redis单实例来演示（生产上当然都是Redis Cluster或者Redis Sentinel部署模式）：
RedisClient client = RedisClient.create("redis://localhost");
StatefulRedisConnection<String, String> connection = client.connect();
RedisStringCommands command = connection.sync();
System.out.println(command.get("key")); // 输出key的值很显然第4行的 “command.get("key")” 是阻塞的，意味着当前线程必须等着拿到结果才能进行下一步，期间什么事情都做不了。虽然通常来说Redis操作都足够快，但我们需要考虑特殊情况，比如大Key或者网络不佳等场景，一旦慢查出现，当前系统的业务处理线程都将阻塞在这一步，整个系统无法响应新的请求，Reactive响应式编程就可以改善这一局面，更具体的说，响应式编程是为了解决非CPU密集型（例如数据或IO密集型）系统资源消耗问题，它带来的一个好处在于系统能根据业务实际情况来调整资源消耗，并且让系统应对故障时能更具弹性，而它的核心就是“异步事件驱动” + “背压”。背压一改往常订阅者只能被迫“投喂”的尴尬局面，让订阅者也能控制发布者发布元素的节奏。
像其他事物一样，响应式编程以及库类从历经坎坷到蓬勃发展好几年之后，Reactive Streams组织（包括Pivotal、Netflix、Typesafe和Lightbend于2013年成立，旨在为异步流处理提供一个通用的API规范）在2014年发布了第一个API规范（Java的可以看GitHub - reactive-streams/reactive-streams-jvm: Reactive Streams Specification for the JVM），当你把这个reactive-streams-jvm clone 下来后关注下api模块，因为里面就4接口加1个类：
之前对响应式模式有过了解的同学肯定觉得它和 观察者模式 很像，但看了上面的接口，会觉得它更像 发布订阅模式，让我们从ChatGPT的描述中再来回顾下这两种模式吧：
观察者模式（Observer Pattern）是一种常见的设计模式，其核心思想是：当一个对象的状态发生改变时，其他依赖于它的对象都会收到通知并自动更新。在观察者模式中，存在一个被观察的对象（Subject），它维护一个列表，用来保存所有观察它的对象（Observer）。当Subject的状态发生改变时，它会自动通知所有的Observer对象，让它们可以及时更新自己的状态。
发布订阅模式（Publish-Subscribe Pattern）也是一种消息传递模式，其核心思想是：在多个对象之间，有一个消息中心（Message Broker）来协调对象之间的通信。在发布订阅模式中，发布者（Publisher）不直接发送消息给订阅者（Subscriber），而是通过消息中心来传递消息。订阅者可以向消息中心注册自己感兴趣的消息类型，并在消息中心有消息发布时，自动收到通知。
目前，我们可以把响应式模式看做本地化的发布订阅模式，但目前主流的响应式库类实现的功能远多于传统的发布订阅框架，例如，其中 “背压” 就是核心中的核心。在响应流API规范中，我们看到了四个接口，即 发布者（Publisher）、订阅者（Subscriber）、订阅关系（Subscription）和 处理者（Processor），处理者就是就是发布者和订阅者的结合体。我们来认真看下这四个接口，便于我们进一步了解响应式的秘密：
public interface Publisher<T> {
public void subscribe(Subscriber<? super T> s);
}
public interface Subscriber<T> {
public void onSubscribe(Subscription s);
public void onNext(T t);
public void onError(Throwable t);
public void onComplete();
}
public interface Subscription {
public void request(long n);
public void cancel();
}
public interface Processor<T, R> extends Subscriber<T>, Publisher<R> {
}- 发布者接口Publisher 很简单，就一个订阅方法，传入一个订阅者即可，用于建立订阅关系。
- 订阅者接口Subscriber 稍微复杂点，有四个方法，第一个onSubscribe方法在订阅成功后会被调用，入参是一个订阅关系对象，意味着订阅者能通过订阅关系来主动和发布者通信，记住，这是“背压”机制的关键。第二个方法是onNext，即发布者通过该方法给订阅者“发射”一个元素或事件，而第三个onError方法，是指发布者发射元素有错误时，会通过该方法让订阅者感知。最后的onComplete方法在所有元素都发射完成后被调用。
- 订阅关系接口Subscription 中只有两个方法，即reqeust方法，用于订阅者像发布者请求一定数量的元素，另一个是cancel方法，用于取消订阅关系。而这个request就是“背压”的关键，毕竟订阅者的消费能力只有自己知道。
- 处理者接口Processor 就不多说了，所见即所得。
当然，我们肯定也记得2016年发布的Java9中添加了Flow类来支持响应式流，可以看出Java官方也坐不住了，所以上图 reactive-streams-jvm 中后面加了个java9的目录，其中的 FlowAdapters 类就是用于 响应流API和Java9的Flow类互转。
有人肯定会说，有了 Project Reactor （前面提到的主流的响应式库之一），想把 lettuce-core 从阻塞的命令式编程变成异步的响应式编程还不简单，通过对之前命令式编程代码进行如下改造即可：
RedisClient client = RedisClient.create("redis://localhost");
StatefulRedisConnection<String, String> connection = client.connect();
RedisStringCommands command = connection.sync();
// System.out.println(command.get("key")); // 输出key的值
myReactiveRedisGet(command, "key")
.subscribe(value -> System.out.println("查询Redis key的结果：" + value)); // 采用Reactive方式输出key的值
private static Mono<String> myReactiveRedisGet(RedisStringCommands<String, String> command, String key) {
return Mono.just(command.get(key));
}这里我们并没有直接使用阻塞的command.get("key")来获取结果，而是新建了一个myReactiveRedisGet方法，它的返回值是Mono<String>，Mono是project reactor库（后面简称reactor）中的核心类之一，用于发射0个或1个元素的响应式流类，是属于发布者角色，即它是一种Publisher（另一种发射1个或多个元素的是Flux，它也是一种Publisher）。Mono.just方法用于直接发射入参传进来的元素（即command.get(key)），仔细看这行代码，我们会发现Mong.just调用前传入的入参就已经是阻塞的方式获取的结果了，这当然不符合Reactive的预期，所以我们改成了如下代码：
RedisClient client = RedisClient.create("redis://localhost");
StatefulRedisConnection<String, String> connection = client.connect();
RedisStringCommands command = connection.sync();
// System.out.println(command.get("key")); // 输出key的值
myReactiveRedisGet(command, "key")
.subscribe(value -> System.out.println("查询Redis key的结果：" + value)); // 采用Reactive方式输出key的值
private static Mono<String> myReactiveRedisGet(RedisStringCommands<String, String> command, String key) {
return Mono.defer(() -> Mono.just(command.get(key)));
}可以看到，我们在Mono.just外用Mono.defer包了一层，defer的入参是一个返回Mono的Supplier，defer用来延迟创建Mono，这也意味着我们会延迟获取结果（command.get(key)），这是响应式编程的另一个重要特征，即有订阅时才生产和发送数据，没订阅的时候啥事也不做，避免消耗，这很环保，千万别小看这一点。那难道用Mono.defer后就相当于Redis操作就变成Reactive了吗？运行上述代码，你会发现所有操作其实都是由一个线程来执行，这意味着一个线程（在有订阅者订阅时）完成了所有事情，这肯定是阻塞的，因为command.get就是妥妥的阻塞方法！！该线程只有等它返回，否则它做不了其他任何事情。幸运的是reactor库给我们提供了异步处理 “发布者发射元素” 和 “订阅者订阅和请求元素个数” 操作的方法，即 publishOn 和 subscribeOn 方法，它们的入参都是一个 Scheduler 类型的对象，而 Scheduler 在 reactor 中是专为运算符提供抽象异步边界的（简单的说就是放到另一个线程去执行）。由于我们的订阅只是一个简单的结果打印，是元素发射过程中才去阻塞访问的Redis，所以我们希望在元素发射过程中异步，于是我们用publishOn方法，代码修改成如下：
RedisClient client = RedisClient.create("redis://localhost");
StatefulRedisConnection<String, String> connection = client.connect();
RedisStringCommands command = connection.sync();
// System.out.println(command.get("key")); // 输出key的值
myReactiveRedisGet(command, "key")
.subscribe(value -> System.out.println("查询Redis key的结果：" + value)); // 采用Reactive方式输出key的值
private static Mono<String> myReactiveRedisGet(RedisStringCommands<String, String> command, Supplier<String> keySupplier) {
return Mono.defer(() -> Mono.just(command.get(key))).publishOn(Schedulers.parallel()); // 元素发射的异步执行
}可以看到，我们在myReactiveRedisGet方法中在Mono.defer方法后加了publishOn方法，入参是Schedulers.parallel()，它返回的是个计划线程池（ScheduledThreadPoolExecutor），这样执行后，你会发现command.get确实在另一个线程中执行了，而不是在当前线程。这样就大功告成啦？难道我们就这样通过几行代码完美的实现了Lettuce库访问Redis的响应式化？如果真是这样，那么我们就可以直接给Jedis提交一个PR，宣告Jedis也支持响应式编程了！然而现实是残酷的，虽然我们针对Lettuce的命令式编程的代码通过响应式库reactor进行了多次调整，但仍然掩盖不了一个事实，就是我们调用的始终是阻塞方法command.get，虽然我们掩耳盗铃的将其放在另一个线程异步来执行了，但这个执行它的一部线程始终也需要阻塞的等待应答结果，我们只是没让当前业务线程来等待而已（突然想起之前网上有人说的一句话，复杂度它不会消失，只会转移），一旦请求多起来，Schedulers.parallel()中的线程也会被耗尽成为新的瓶颈点！！我们只考虑了异步，但忽略了最重要一点，那就是事件驱动，你得让一个非阻塞的第三方来通知你操作已经完成了，而不是换一个线程去阻塞等待！！这里，我们可以得出一个结论：仅仅只靠reactor之类的响应式库加持，我们无法真正把一个命令式阻塞操作变成Reactive。
让我们先冷静分析一下，回顾下Lettuce的命令式编程的API，发现有4个关键动作：
- 创建RedisClient对象。
- 创建StatefulRedisConnection连接对象。
- 从连接对象获取Command命令对象。
- 从Command命令对象进行真正的Redis操作。
第1、2两个步骤不会每个Redis操作都执行，一般是初始化好后管理起来（例如Spring容器）重复使用，所以要想Lettuce支持Reactive，只能需要在第3、4步进行扩展。铺垫了这么多，我们来看看 lettuce-core 中使用Reactive响应式编程的demo：
RedisClient client = RedisClient.create("redis://localhost");
StatefulRedisConnection<String, String> connection = client.connect();
RedisStringReactiveCommands<String, String> command = connection.reactive();
Mono<String> get = command.get("key");
get.subscribe(System.out::println); // 控制台输出value可以看出，相比之前的命令式编程从connection获取的command就开始不同了，这是一个ReactiveCommands对象，然后用该对象来进行Redis操作，同时command.get也不是直接返回结果了，而是一个Mono，最后我们订阅这个发布者（get），将结果值输出到控制台。
我们接下来将解密这背后的原理，Lettuce的阻塞调用方式是从 StatefulRedisConnection 类型的连接中调用sync方法拿到一个Command对象，那么为了支持响应式编程，所以在接口StatefulRedisConnection中新增了reactive方法：
/**
* Returns the {@link RedisCommands} API for the current connection. Does not create a new connection.
*
* @return the synchronous API for the underlying connection.
*/
RedisCommands<K, V> sync();
/**
* Returns the {@link RedisReactiveCommands} API for the current connection. Does not create a new connection.
*
* @return the reactive API for the underlying connection.
*/
RedisReactiveCommands<K, V> reactive();我们可以看到，阻塞Command是 RedisCommands 类型，而Reactive的Commands是 RedisReactiveComands 类型，不看 RedisReactiveComands 类基本都能猜到它和 RedisCommands 之间最大的区别就是它的返回值是一个结果的发布者类型（例如Mono或者Flux）而不直接是结果类型，例如（由于Redis不同的数据结构操作不同，所以RedisCommands和RedisReactiveComands都会有对应每种数据结构更具体的接口类，例如针对字符串数据结构的 RedisStringCommands 和 RedisStringReactiveCommands）：
public interface RedisStringCommands<K, V> {
/**
* Get the value of a key.
*
* @param key the key.
* @return V bulk-string-reply the value of {@code key}, or {@code null} when {@code key} does not exist.
*/
V get(K key);
// 其他方法略
}
public interface RedisStringReactiveCommands<K, V> {
/**
* Get the value of a key.
*
* @param key the key.
* @return V bulk-string-reply the value of {@code key}, or {@code null} when {@code key} does not exist.
*/
Mono<V> get(K key);
// 其他方法略
}由于字符串的get操作只返回一个对象，所以Reactive操作用的是Mono<V>而不是Flux<V>。对于Reactive操作而言，抽象类 AbstractRedisReactiveCommands 负责对直接对各个具体数据类型的Command来进行实现（需要注意的是它并不是直接实现RedisReactiveCommands接口），我们还是拿get操作举例，AbstractRedisReactiveCommands的实现如下：
public abstract class AbstractRedisReactiveCommands<K, V> implements RedisAclReactiveCommands<K, V>,
RedisHashReactiveCommands<K, V>, RedisKeyReactiveCommands<K, V>, RedisStringReactiveCommands<K, V>,
RedisListReactiveCommands<K, V>, RedisSetReactiveCommands<K, V>, RedisSortedSetReactiveCommands<K, V>,
RedisScriptingReactiveCommands<K, V>, RedisServerReactiveCommands<K, V>, RedisHLLReactiveCommands<K, V>,
BaseRedisReactiveCommands<K, V>, RedisTransactionalReactiveCommands<K, V>, RedisGeoReactiveCommands<K, V>,
RedisClusterReactiveCommands<K, V> {
@Override
public Mono<V> get(K key) {
return createMono(() -> commandBuilder.get(key));
}
public <T> Mono<T> createMono(Supplier<RedisCommand<K, V, T>> commandSupplier) {
if (tracingEnabled) {
return withTraceContext().flatMap(it -> Mono
.from(new RedisPublisher<>(decorate(commandSupplier, it), connection, false, getScheduler().next())));
}
return Mono.from(new RedisPublisher<>(commandSupplier, connection, false, getScheduler().next()));
}
// 其他方法略
}
我们可以看到，它直接调用了createMono方法，而且createMono方法的入参是一个 RedisCommand 的Supplier对象，意味着它支持延迟创建RedisCommand，遵循了我们之前说的响应式的特征之一：延迟创建（只有被真正订阅时才产生数据和开销）。需要注意的是，这里的 RedisCommand 和前面说的 RedisCommands、RedisReactiveCommands 是有区别的，RedisCommands、RedisReactiveCommands 用来封装各种数据类型的命令操作，而 RedisCommand 用于封装输出、参数和状态，用于命令执行结果的处理。我们接着看createMono的具体实现，抛开if语句的部分，它通过 RedisPublisher 来构建了一个Mono，采用的是Mono.from，该方法会将一个响应式规范API中的发布者（Publisher接口的实现类）转换成reactor库的Mono来返回，而且你可以发现，createMono方法几乎用所有资源都用来构建 RedisPublisher 对象，包括Command的Supplier、连接、异步执行的线程等。
既然 RedisPublisher 是一个标准的 Publisher，那么它肯定会实现 subscribe 方法，我们来一探究竟：
class RedisPublisher<K, V, T> implements Publisher<T> {
private final Supplier<? extends RedisCommand<K, V, T>> commandSupplier;
private final AtomicReference<RedisCommand<K, V, T>> ref;
private final StatefulConnection<K, V> connection;
private final boolean dissolve;
private final Executor executor;
public RedisPublisher(RedisCommand<K, V, T> staticCommand, StatefulConnection<K, V> connection, boolean dissolve,
Executor publishOn) {
this(() -> staticCommand, connection, dissolve, publishOn);
}
public RedisPublisher(Supplier<RedisCommand<K, V, T>> commandSupplier, StatefulConnection<K, V> connection,
boolean dissolve, Executor publishOn) {
LettuceAssert.notNull(commandSupplier, "CommandSupplier must not be null");
LettuceAssert.notNull(connection, "StatefulConnection must not be null");
LettuceAssert.notNull(publishOn, "Executor must not be null");
this.commandSupplier = commandSupplier;
this.connection = connection;
this.dissolve = dissolve;
this.executor = publishOn;
this.ref = new AtomicReference<>(commandSupplier.get());
}
@Override
public void subscribe(Subscriber<? super T> subscriber) {
if (this.traceEnabled) {
LOG.trace("subscribe: {}@{}", subscriber.getClass().getName(), Objects.hashCode(subscriber));
}
// Reuse the first command but then discard it.
RedisCommand<K, V, T> command = ref.get();
if (command != null) {
if (!ref.compareAndSet(command, null)) {
command = commandSupplier.get();
}
} else {
command = commandSupplier.get();
}
RedisSubscription<T> redisSubscription = new RedisSubscription<>(connection, command, dissolve, executor);
redisSubscription.subscribe(subscriber);
}
// 其他方法略
}我们知道标准的 Publisher.subscribe 主要是完成订阅工作，ref 是一个 RedisCommand Supplier 的原子引用，上述代码有段奇怪的逻辑，即获取command的部分，其实主要目的是为了防止单个 command 被重复使用，一旦发现重复使用（即ref.compareAndSet(command, null)为false），则重新使用 RedisCommand Supplier 获得 command。当然，最关键的还是下面的构建 RedisSubscription 对象（即前面Reactive中的订阅关系角色）并调用其subscribe方法，需要注意一点的是，我们是通过传入订阅者subscriber来构建 RedisSubscription，这当然合情合理。
接下来，我们剖析下 RedisSubscription，有人肯定会好奇，订阅关系Subscription理论上有用于请求n个元素的request和取消订阅的cancel方法，为啥还会有发布者Publisher中的subscribe方法？其实这并不是说RedisSubscription也是一个Publisher角色，而是这个方法发是被Publisher的subscribe方法来调用，所以干脆也叫做subscribe。RedisSubscription.subscribe方法实现如下：
/**
* Subscription procedure called by a {@link Publisher}
*
* @param subscriber the subscriber, must not be {@code null}.
*/
void subscribe(Subscriber<? super T> subscriber) {
if (subscriber == null) {
throw new NullPointerException("Subscriber must not be null");
}
// UNSUBSCRIBED 状态
State state = state();
if (traceEnabled) {
LOG.trace("{} subscribe: {}@{}", state, subscriber.getClass().getName(), subscriber.hashCode());
}
// 调用后进入 NO_DEMAND 状态
state.subscribe(this, subscriber);
}可以看到该方法很简单，就是调用state的subscribe方法。State 是什么？State 是 RedisPublisher 中的一个枚举类型，用来表示 RedisSubscription（其实也是在RedisPublisher中定义）所处的状态，你可以发现，RedisSubscription 作为订阅关系用来表示订阅者Subscriber的订阅状态，而 State 用来表示订阅关系的状态。按照该枚举的定义，State有如下状态：
- UNSUBSCRIBED 初始的未订阅状态，调用其subscribe方法可以进入NO_DEMAND状态。
- NO_DEMAND 没有需求时进入的状态
- DEMAND 有需求时进入的状态
- READING 有数据可以读取时进入的状态
- COMPLETED 完成状态，不会再接受任何事件
部分状态能双向转换（例如 NO_DEMAND 和 DEMAND），最初是UNSUBSCRIBED状态，如代码所示，调用state.subscribe就会由UNSUBSCRIBED变为NO_DEMAND状态，我们看下state.subscribe的代码：
UNSUBSCRIBED {
@SuppressWarnings("unchecked")
@Override
void subscribe(RedisSubscription<?> subscription, Subscriber<?> subscriber) {
LettuceAssert.notNull(subscriber, "Subscriber must not be null");
if (subscription.changeState(this, NO_DEMAND)) {
// 实际创建的是 PublishOnSubscriber 类型
subscription.subscriber = RedisSubscriber.create(subscriber, subscription.executor);
subscriber.onSubscribe(subscription);
} else {
throw new IllegalStateException(toString());
}
}
}可以看到，一旦修改成 NO_DEMAND 成功，就会构建订阅者 RedisSubscriber 并绑定到订阅关系RedisSubscription上（后面会用到），最后调用了subscriber的onSubscribe方法（还记得之前聊到的响应式API规范吗？订阅成功后需要调用订阅者的onSubscribe方法），很显然到这里为止我们提到过的两个类 RedisPublisher 和 RedisSubscriber 就是发布者和订阅者的关系。
然后呢？后面貌似也没代码了，我们为啥最后我们能神奇的获取到redis get命令的返回结果呢？其实内部是reactor这个响应式框架在驱动，我们回过头再来看下之前的响应式demo：
RedisStringReactiveCommands<String, String> command = connection.reactive();
Mono<String> get = command.get("key");
get.subscribe(System.out::println); // 控制台输出value我们知道最后一行我们通过Lambda表达式创建了一个订阅者，对于reactor这个框架而言，实际创建的是 LambdaMonoSubscriber 对象，而这个get当然也是被reactor包装过的Mono，但前面说过创建它的createMono方法实际上内部是从 RedisPublisher 来创建Mono的，所以我们调用的get.subscribe实际上最后会调用RedisPublisher的subscribe方法，这个方法我们前面已经讲解过逻辑了，所以上面的state.subscribe方法很重要的一点是调用了实际订阅者的onSubscribe方法（理论上这个方法应该是reactor框架来驱动调用的，但由于lettuce-core在实现Reactive时是自己构建的发布者-RedisPublisher，所以这个方法得lettuce自己来调用）。而这个订阅者subscriber（这里是LambdaMonoSubscriber对象）的onSubscribe方法中会去调用订阅关系（即RedisSubscription）的request方法：
@Override
public final void request(long n) {
// 这时的 state 是 NO_DEMAND 状态
State state = state();
if (traceEnabled) {
LOG.trace("{} request: {}", state, n);
}
state.request(this, n);
}这时的state是 NO_DEMAND 状态，request方法实际上是去调用state.request方法，我们看下 NO_DEMAND 的request方法做了什么：
NO_DEMAND {
@Override
void request(RedisSubscription<?> subscription, long n) {
if (Operators.request(RedisSubscription.DEMAND, subscription, n)) {
if (subscription.changeState(this, DEMAND)) {
try {
// 实际上调用的是它的dispatchCommand方法，向Redis发送要执行的命令
subscription.checkCommandDispatch();
} catch (Exception ex) {
subscription.onError(ex);
}
subscription.checkOnDataAvailable();
}
subscription.potentiallyReadMore();
subscription.state().onDataAvailable(subscription);
} else {
onError(subscription, Exceptions.nullOrNegativeRequestException(n));
}
}
}可以看到，该方法会将state由 NO_DEMAND 更新成 DEMAND，一旦更新成功，就会调用订阅关系 RedisSubscription 的checkOnDataAvailable方法，该方法最终会调用 RedisChannelHandler 对象的dispatch方法往其 RedisChannelWriter 类型的属性对象channelWriter中写数据，代码如下：
protected <T> RedisCommand<K, V, T> dispatch(RedisCommand<K, V, T> cmd) {
return channelWriter.write(cmd);
}说明这时候已经开始向Redis发送命令了，接着我们还是回过头来看NO_DEMAND 的request方法，接着调用的是订阅关系 RedisSubscription 的checkOnDataAvailable方法，该方法代码如下：
final Queue<T> data = Operators.newQueue();
// 其他代码略
void checkOnDataAvailable() {
// 如果数据为空，就去请求数据
if (data.isEmpty()) {
potentiallyReadMore();
}
// 如果数据不为空，那么通知数据可用
if (!data.isEmpty()) {
onDataAvailable();
}
}
void potentiallyReadMore() {
// getDemand获取的是订阅关系中request中请求的元素数量值，reactor中默认传Long.MAX_VALUE
if ((getDemand() + 1) > data.size()) {
// 当前state是DEMAND状态，调用readData方法后变成READING状态
state().readData(this);
}
}
/**
* Called via a listener interface to indicate that reading is possible.
*/
final void onDataAvailable() {
State state = state();
state.onDataAvailable(this);
}这块代码我们先忽略（笔者发现这段代码逻辑有点问题，详见：Fix the RedisPublisher.RedisSubscription#potentiallyReadMore demand long overflow bug by manzhizhen · Pull Request #2383 · lettuce-io/lettuce-core · GitHub），我们先看NO_DEMAND 的request方法的 “subscription.state().onDataAvailable(subscription);” 这一行，该行才是关键，这时候subscription.state()是DEMAND，所以我们看下DEMAND的onDataAvailable方法：
DEMAND {
@Override
void onDataAvailable(RedisSubscription<?> subscription) {
try {
do {
if (!read(subscription)) {
return;
}
} while (subscription.hasDemand());
} catch (Exception e) {
subscription.onError(e);
}
}
private boolean read(RedisSubscription<?> subscription) {
State state = subscription.state();
// concurrency/entry guard
if (state == NO_DEMAND || state == DEMAND) {
// 尝试将state变成READING状态，表明我们在读取数据
if (!subscription.changeState(state, READING)) {
return false;
}
} else {
return false;
}
// 尝试读取并发射数据
subscription.readAndPublish();
if (subscription.allDataRead && subscription.data.isEmpty()) {
state.onAllDataRead(subscription);
return false;
}
// concurrency/leave guard
subscription.afterRead();
if (subscription.allDataRead || !subscription.data.isEmpty()) {
return true;
}
return false;
}
// 其他代码略
}可以看出onDataAvailable方法只要发现订阅关系RedisSubscription一直有需求（subscription.hasDemand()）则会一直调用read方法，而read方法中最关键的就是subscription.readAndPublish();方法的调用，我们看看其实现：
/**
* Reads and publishes data from the input. Continues until either there is no more demand, or until there is no more
* data to be read.
*/
void readAndPublish() {
while (hasDemand()) {
T data = read();
if (data == null) {
return;
}
DEMAND.decrementAndGet(this);
this.subscriber.onNext(data);
}
}
/**
* Reads data from the input, if possible.
*
* @return the data that was read or {@code null}
*/
protected T read() {
return data.poll();
}可以看出其还是通过data（final Queue<T> data = Operators.newQueue();）来交互的，调用一次readAndPublish方法只尝试从data里面poll一次，如果为null，则直接返回，如果能poll到元素，那么将调用订阅者的onNext方法（这也符合响应流API规范）来发射该数据。
总得有地方往data这个队列中放数据吧？否则上面的代码从data中获取到的永远是null，也不会有机会调用订阅者的onNext方法。Lettuce底层用的是Netty来实现Redis协议的，而且将 CommandHandler 注册到Netty的Pipeline中，CommandHandler监听了读事件（channelRead方法），后面会调用 CommandWrapper（前面提到的RedisCommand的实现类，负责处理Redis应答）的complete方法，而complete方法后续又会调用订阅关系RedisSubscription的onNext方法，我们这时候来看看该onNext方法：
@Override
public void onNext(T t) {
State state = state();
if (state == State.COMPLETED) {
return;
}
// 如果data为空，而且当前state处于DEMAND状态（说明还没进入读数据状态），那么直接调用订阅者的onNext来发射数据
if (data.isEmpty() && state() == State.DEMAND) {
long initial = getDemand();
if (initial > 0) {
try {
DEMAND.decrementAndGet(this);
// 直接调用订阅者的onNext来发射数据，此例子中就是我们的System.out.println的Lambda表达式
this.subscriber.onNext(t);
} catch (Exception e) {
onError(e);
}
return;
}
}
// 如果有data队列中有数据，那么就将数据放进队列，如果放进队列失败，则发射一个错误
if (!data.offer(t)) {
Subscriber<?> subscriber = this.subscriber;
Context context = Context.empty();
if (subscriber instanceof CoreSubscriber) {
context = ((CoreSubscriber) subscriber).currentContext();
}
Throwable e = Operators.onOperatorError(this, Exceptions.failWithOverflow(), t, context);
onError(e);
return;
}
// 通知数据可用，后续会从data中读取数据
onDataAvailable();
}这样一切就圆满了，订阅关系RedisSubscription的onNext方法最终被Redis的读事件驱动（CommandHandler），而最终通过data队列或者直接调用订阅者的onNext方法，让订阅者来消费该元素。
让我们简单总结下，Lettuce的Reactive的实现方式就是将Redis数据发送和数据应答事件和Reactive库类（之前用的是RxJava，后面用的是reactor）绑定，从而让Lettuce支持响应式API编程。那这种方式和我们之前直接用 myReactiveRedisGet 方法来包装Lettuce的阻塞执行方法有什么区别？最大的一个区别是我们不用阻塞当前的业务线程，而是让其他线程（这里是Netty的工作线程）来发射元素并执行订阅者的方法（即本例子中的System.out.println的Lambda表达式），这样业务线程可以做其他事情（例如继续处理其他请求），而且重要的是另一点，即使Redis响应慢，也不会占用到Netty的工作线程，有应答时才会需要该工作线程处理。注意，订阅者的方法真的应该由Netty的工作线程来执行吗？这也许并不一定是个好注意，我们期望可以通过publishOn来修改此行为，我们来修改下之前给的Reactive的demo：
RedisClient client = RedisClient.create("redis://localhost");
StatefulRedisConnection<String, String> connection = client.connect();
RedisStringReactiveCommands<String, String> command = connection.reactive();
Mono<String> get = command.get("key");
// get.subscribe(System.out::println); // 控制台输出value
get.publishOn(Schedulers.parallel()).subscribe(System.out::println); // 使用Schedulers.parallel()的线程池来进行控制台输出value这里我们直接使用的是Schedulers.parallel()线程池。
723
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
