RxJava2 五大重要角色介绍

最新推荐文章于 2024-08-21 13:30:00 发布

_无问西东

最新推荐文章于 2024-08-21 13:30:00 发布

阅读量5.5k

点赞数 1

分类专栏： rxjava2

本文链接：https://blog.csdn.net/weixin_36709064/article/details/82911270

版权

本文详细介绍了RxJava2的五大基类Flowable、Observable、Single、Completable和Maybe，包括各自的特性和使用场景。Flowable支持背压策略，Observable不支持，而Single、Completable和Maybe则分别适用于单个值的发射。文中还通过官方图解和实例帮助理解这些概念。

摘要由CSDN通过智能技术生成

RxJava2 的5大基类及本章学习结构图

2.3、Flowable和Observable对比

2.4、形象理解ObservableSource和Publisher有何异同

3、Single

3.1、Single简介

3.2、Single与Observable的区别

开篇

开始学习RxJava的时候忘记所有，仅仅就学习RxJava，单独看待，不需要和Retrofit等等其它库结合使用，当我们明白RxJava的操作符等一些列api怎么使用在什么场景下使用后再来结合Retrofit来进行网络请求等，这样或许会更加清晰点。

RxJava2 的5大基类及本章学习结构图

1、Flowable

1.1、Flowable简介

Flowable类，用于实现Reactive-Streams模式，并提供工厂方法，中间运算符以及使用反应式数据流的能力。

Reactive-Streams使用Flowable运行，Flowable实现了Publishers。因此，许多运算符直接接受Publishers，并允许与其他Reactive-Streams的实现进行直接交互操作

public abstract class Flowable<T> implements Publisher<T>

Flowable为操作符提供128个元素的默认缓冲区大小，可通过bufferSize() 方法获取，可通过系统参数rx2.buffer-size全局覆盖。但是大多数运算符都有重载，允许显式设置其内部缓冲区大小。

    /** The default buffer size. */
    static final int BUFFER_SIZE;
    static {
        BUFFER_SIZE = Math.max(16, Integer.getInteger("rx2.buffer-size", 128));
    }

    /**
     * Returns the default internal buffer size used by most async operators.
     * <p>The value can be overridden via system parameter {@code rx2.buffer-size}
     * <em>before</em> the Flowable class is loaded.
     * @return the default internal buffer size.
     */
    public static int bufferSize() {
        return BUFFER_SIZE;
    }

1.2、Flowable官方图解

1）看到上图有点疑问，不是在说Flowable嘛，怎么图解里的说明是Observable呢？

2）其实在官方文档里面Flowable和Observable都使用的是上面这个图解，因此这两个类肯定是提供相似功能，既然是相似，那么这幅图就是他们的共性，那不同的地方是什么呢？

不同之处是：Flowable支持Backpressure，Observable不支持Backpressure；

3）Backpressure什么是？

看下面1.3节

1.3、Backpressure

Backpressure中文翻译过来是背压，这里推荐一篇很好的关于Backpressure说明的博客：关于RxJava最友好的文章——背压（Backpressure）

下面关于背压的说明是出自拉丁吴博客的内容，写的很通俗易懂

RxJava是一个观察者模式的架构，当这个架构中被观察者(Observable)和观察者(Subscriber)处在不同的线程环境中时，由于者各自的工作量不一样，导致它们产生事件和处理事件的速度不一样，这就会出现两种情况：

被观察者产生事件慢一些，观察者处理事件很快。那么观察者就会等着被观察者发送事件，（好比观察者在等米下锅，程序等待，这没有问题）。
被观察者产生事件的速度很快，而观察者处理很慢。那就出问题了，如果不作处理的话，事件会堆积起来，最终挤爆你的内存，导致程序崩溃。（好比被观察者生产的大米没人吃，堆积最后就会烂掉）。

下面我们用代码演示一下这种崩溃的场景：

//被观察者在主线程中，每1ms发送一个事件
Observable.interval(1, TimeUnit.MILLISECONDS)
                //.subscribeOn(Schedulers.newThread())
                //将观察者的工作放在新线程环境中
                .observeOn(Schedulers.newThread())
                //观察者处理每1000ms才处理一个事件
                .subscribe(new Action1<Long>() {
                      @Override
                      public void call(Long aLong) {
                          try {
                              Thread.sleep(1000);
                          } catch (InterruptedException e) {
                              e.printStackTrace();
                          }
                          Log.w("TAG","---->"+aLong);
                      }
                  });

拉丁吴对Backpressure的定义是：

背压是指在异步场景中，被观察者发送事件速度远快于观察者的处理速度的情况下，一种告诉上游的被观察者降低发送速度的策略

简而言之，背压是流速控制的一种策略。

需要强调两点：