反应式编程简介

反应式编程简介

What

反应式编程是一种编程思想、编程方式，是为了简化并发编程而出现的。与传统的处理方式相比，它能够基于数据流中的事件进行反应处理。例如：a+b=c的场景，在传统编程方式下如果a、b发生变化，那么我们需要重新计算a+b来得到c的新值。而反应式编程中，我们不需要重新计算，a、b的变化事件会触发c的值自动更新。这种方式类似于我们在消息中间件中常见的发布/订阅模式。由流发布事件，而我们的代码逻辑作为订阅方基于事件进行处理，并且是异步处理的。

反应式编程中，最基本的处理单元是事件流(事件流是不可变的，对流进行操作只会返回新的流)中的事件。流中的事件包括正常事件(对象代表的数据、数据流结束标识)和异常事件(异常对象，例如Exception)。同时，只有当订阅者第一次发布者，发布者发布的事件流才会被消费，后续的订阅者只能从订阅点开始消费，但是我们可以通过背压、流控等方式控制消费。

常用的反应式编程实现类库包括：Reactor、RxJava 2,、Akka Streams、Vert.x以及Ratpack。本文基于Reactor(由于Reactor有Spring背书，同时反应式编程已经集成于Java 9)。

反应式编程与Java8提供的Streams有众多相似之处(尤其是API上)，且提供了相互转化的API。但是反应式编程更加强调异步非阻塞，通过onComplete等注册监听的方式避免阻塞，同时支持delay、interval等特性。而Streams本质上是对集合的并行处理，并不是非阻塞的。

Why

反应式编程的核心是基于事件流、无阻塞、异步的，使用反应式编程不需要编写底层的并发、并行代码。并且由于其声明式编写代码的方式，使得异步代码易读且易维护。

How

基本概念

• Flux，是Reactor中的一种发布者，包含0到N个元素的异步序列。通过其提供的操作可以生成、转换、编排序列。如果不触发异常事件，Flux是无限的。
• Mono，是Reactor中的一种发布者，包含0或者1个的异步序列。可以用于类似于Runnable的场景。
• 背压(backpressure)，由订阅者声明的、限定本消费者可处理的流中的元素个数。

操作

所有的流都是不可变的，所以对流的操作都会返回一个新的流。

创建

• just，根据参数创建数据流
• never，创建一个不会发出任何数据的无限运行的数据流
• empty，创建一个不包含任何数据的数据流，不会无限运行。
• error，创建一个订阅后立刻返回异常的数据流
• concact，从多个Mono创建Flux
• generate，同步、逐一的创建复杂流。重载方法支持生成状态。在方法内部的lambda中通过调用next和complete、error来指定当前循环返回的流中的元素(并不是return)。
• create，支持同步、异步、批量的生成流中的元素。
• zip，将多个流合并为一个流，流中的元素一一对应
• delay，Mono方法，用于指定流中的第一个元素产生的延迟时间
• interval，Flux方法，用于指定流中各个元素产生时间的间隔(包括第一个元素产生时间的延迟)，从0开始的Long对象组成的流
• justOrEmpty，Mono方法，用于指定当初始化时的值为null时返回空的流
• defaultIfEmpty，Mono方法，用于指定当流中元素为空时产生的默认值
• range，生成一个范围的Integer队列

转化

• map，将流中的数据按照逻辑逐个映射为一个新的数据，当流是通过zip创建时，有一个元组入参，元组内元素代表zip前的各个流中的元素。
• flatMap，将流中的数据按照逻辑逐个映射一个新的流，新的流之间是异步的。
• take，从流中获取N个元素，有多个扩展方法。
• zipMap，将当前流和另一个流合并为一个流，两个流中的元素一一对应。
• mergeWith，将当前流和另一个流合并为一个流，两个流中的元素按照生成顺序合并，无对应关系。
• join，将当前流和另一个流合并为一个流，流中的元素不是一一对应的关系，而是根据产生时间进行合并。
• concactWith，将当前流和另一个流按声明顺序(不是元素的生成时间)链接在一起，保证第一个流消费完后再消费第二流
• zipWith，将当前流和另一个流合并为一个新的流，这个流可以通过lambda表达式设定合并逻辑，并且流中元素一一对应
• first，对于Mono返回多个流中，第一个产生元素的Mono。对于Flux，返回多个Flux流中第一个产生元素的Flux。
• block，Mono和Flux中类似的方法，用于阻塞当前线程直到流中生成元素
• toIterable，Flux方法，将Flux生成的元素返回一个迭代器
• defer，Flux方法，用于从一个Lambda表达式获取结果来生成Flux，这个Lambda一般是线程阻塞的
• buffer相关方法，用于将流中的元素按照时间、逻辑规则分组为多个元素集合，并且这些元素集合组成一个元素类型为集合的新流。
• window，与buffer类似，但是window返回的流中元素类型还是流，而不是buffer的集合。
• filter，顾名思义，返回负责规则的元素组成的新流
• reduce，用于将流中的各个元素与初始值(可以设置)逐一累积，最终得到一个Mono。

其他

• doOnXXX，当流发生XXX时间时的回调方法，可以有多个，类似于监听。XXX包括Subscribe、Next、Complete、Error等。
• onErrorResume，设置流发生异常时返回的发布者，此方法的lambda是异常对象
• onErrorReturn，设置流发生异常时返回的元素，无法捕获异常
• then，返回Mono，跳过整个流的消费
• ignoreElements，忽略整个流中的元素
• subscribeOn，配合Scheduler使用，订阅时的线程模型。
• publisherOn，配合Scheduler使用，发布时的线程模型。
• retry，订阅者重试次数

测试

使用reactor-rest中的StepVerifier，来声明一组对事件流的期望，并最终由verify或verifyError/verifyComplete来测试。如果流中的数据触发时不符合期望则抛出AssertionError。

StepVerifier.create(stringFlux).
            expectNext("foo").expectNext("bar").expectComplete();
//断言
StepVerifier.create(userFlux).assertNext(user ->assertThat(user.getName()).
            isEqualTo("jpinkman")).verifyComplete();
//个数判断
StepVerifier.create(longFlux).expectNextCount(10).verifyComplete();
//虚拟实践判断
StepVerifier.withVirtualTime(() -> longFlux).expectSubscription().
    expectNoEvent(Duration.ofHours(3)).thenAwait(Duration.ofHours(1)).
    expectNextCount(2).verifyComplete();

• expectNext，判断下一个值

• assertNext，使用Lambda表达式和断言来判断值

• expectNextCount，流中数的个数

• expectSubscription，开始订阅，配合withVirtualTime使用

• expectNoEvent，期望指定时间内流中无数据产生

• thenAwait，等待指定时间，这段时间订阅正常发生(和expectNoEvent的区别)

• expectComplete，期望从流中获取完成信号

• varifyComplete，从流中获取完成信号，并进行测试

• thenRequet，用于背压测试，向流中请求处理的元素个数。使用thenRequest后必须要消费(expectNext或其他方式)，才能继续请求

• thenCancel，用于背压测试，退出、不再消费流中的元素

调试

启用调试：

Hooks.onOperatorDebug();

日志输出，输出流中处理日志到控制台或其他日志框架：

log()

检查点：

Flux.just(1, 0).map(x -> 1 / x).checkpoint("test").subscribe(System.out::println);

原理

Flux/Publisher架构：不同的转化、构建操作会返回FluxOperator抽象类的不同实现类，而各个实现类都持有一或多个(具体的Flux不同)其前一步操作返回的Flux接口实现类的实例，保证最终subscribe操作时，能够统一调用。

Subscribe架构：Flux的subscribe方法会根据参数创建不同类型的Subscriber接口实现类的实例。同时，根据Subscriber和数据构建Subscription接口实现类的实例，并由Subscription接口实现类调用Subscription的request方法(request方法可以设置背压值)，进而调用Subscriber的onnext、onComplete、onError方法。