译者: 小鄧子
状态: 完成
译者注:为了方便因Lambda(译文)还不够了解的同学进行阅读,本篇译文替换了原作中全部Lambda表达式。
试想,需要一些动态数据的时候,只要每次都请求网络就可以了。但是,更有效率的做法是,把联网得到的数据,缓存到磁盘或内存。
具体的说,计划如下:偶尔的联网操作,只为获取最新数据。
尽可能快的读取到数据(通过获取之前缓存的网络数据)。
我将通过使用 RxJava,来实现这个计划。
基本模式
为每一个数据源(网络,磁盘和内存)创建Observable,使用concat()和first()操作符,构造一个简单的实现方式。
concat()操作符持有多个Observable对象,并将它们按顺序串联成队列。 first()操作符只从串联队列中取出并发送第一个事件。因此,如果使用concat().first(),无论多少个数据源,只有第一个事件会被检索出并发送。// Our sources (left as an exercise for the reader)
Observable memory = ...;
Observable disk = ...;
Observable network = ...;
// Retrieve the first source with data
Observable source = Observable
.concat(memory, disk, network)
.first();
这种模式的关键在于concat()操作符只有需要数据的时候才会订阅所有的Observable数据源。由于first()操作符会较早的停止检索队列,所以,如果存在缓存数据,就没有必要访问较慢的数据源。 也就是说,如果memory返回结果,就不必担心disk和network会被访问。相反地,如果内存和磁盘都没有数据,才执行网络请求。
注意concat()所持有的Observable数据源,是按照一个接一个的顺序被检索的。
持久化数据
很明显,下一步是缓存数据。如果不把网络请求后的结果缓存到磁盘,磁盘访问后的结果缓存到内存,那么这根本不就不叫缓存。接下来要写的代码就是,网络数据的持久化操作。
我的解决方案是,让每个数据源在发送完事件后,都保存或者缓存数据。Observable networkWithSave = network.doOnNext(new Action1() {
@Override public void call(Data data) {
saveToDisk(data);
cacheInMemory(data);
}
});
Observable diskWithCache = disk.doOnNext(new Action1() {
@Override public void call(Data data) {
cacheInMemory(data);
}
});
现在,如果你使用networkWithSave和diskWithCache,数据将会在加载后自动保存。
(这個策略的另一个优势在于networkWithSave和diskWithCache可以在任何地方被使用,不局限于我们的多数据模式下。)
陈旧的数据
不幸的,现在我们保存数据的那些代码,执行的有点过头了。无论数据是否过时,它总是返回相同的数据。我们希望做到,偶尔连接服务器抓取最新的数据。
解决方法在于,使用first()操作符进行过滤。就是设置它拒绝接收毫无价值的数据。Observable source = Observable
.concat(memory, diskWithCache, networkWithSave)
.first(new Func1() {
@Override public Boolean call(Data data) {
return data.isUpToDate();
}
});
现在,我们只需要发送被断定为最新数据的事件就OK了。因此,只要有一个数据源的数据过期,就继续检索下一个数据源,直到找到最新数据为止。
first()和takeFirst()操作符的比较
对于这种设计模式,first()和takeFirst()操作符可以二选其一。
两种调用方式的区别在于,如果所有数据源的数据均过期,没有任何的有效数据作为事件发送,first()会抛出NoSuchElementException异常(译者注:first()操作符均 return false),而takeFirst()操作符则直接调用完成操作,不会抛出任何异常。
使用哪个操作符,完全取决于是否需要明确处理缺失的数据。
代码示例
如果需要一个真实示例,检出 Gfycat App,它在获取数据的时候使用了这种模式。项目并没有使用以上展示的所有功能(因为不需要),但是,示范了concat().first()的基本用法。