响应式编程背压治理实战（从入门到高并发场景全覆盖）

第一章：响应式编程的背压处理

在响应式编程中，数据流通常由发布者（Publisher）推送给订阅者（Subscriber），当发布者生产数据的速度远超订阅者消费能力时，就会引发背压（Backpressure）问题。若不妥善处理，可能导致内存溢出或系统崩溃。响应式流规范（Reactive Streams）通过提供非阻塞的回压机制，使订阅者能够按自身处理能力请求适量数据。

背压的常见策略

• 缓冲（Buffer）：将超出处理能力的数据暂存于队列中
• 丢弃（Drop）：当缓冲满时丢弃新到达的数据
• 限速（Rate Limiting）：控制数据发射频率
• 拉取模式（Pull-based）：由订阅者主动请求指定数量的数据

使用 Project Reactor 实现背压控制

// 创建一个高速发射整数的 Flux
Flux fastPublisher = Flux.range(1, 1000)
    .doOnRequest(n -> System.out.println("请求 " + n + " 个数据"));

// 订阅并应用背压策略：每次请求 100 个
fastPublisher
    .onBackpressureBuffer(50, // 缓冲区大小为 50
        (value, buffer) -> {
            System.out.println("缓冲区溢出，丢弃值: " + value);
        })
    .subscribe(
        data -> {
            try {
                Thread.sleep(10); // 模拟慢速处理
            } catch (InterruptedException e) {}
            System.out.println("接收到: " + data);
        },
        error -> System.err.println("错误: " + error),
        () -> System.out.println("完成"),
        subscription -> subscription.request(100) // 初始请求 100
    );

不同背压策略对比

策略	适用场景	风险
Buffer	短暂速度差异	内存溢出
Drop	允许丢失数据	信息丢失
Latest	只关心最新值	中间状态丢失

graph LR A[Publisher] -->|高速发射| B{背压策略} B --> C[Buffer] B --> D[Drop] B --> E[Latest] B --> F[Error] C --> G[Subscriber] D --> G E --> G F --> G