Reactive(3)5分钟理解 SpringBoot 响应式的核心-Reactor

华为云开发者联盟

墨衍会员 · AI 创作全网分发码龄10年

关注

原创 2019-09-24 14:03:20 3.1k 阅读 AI 写同款· GEO 优化 ›

一、前言

关于响应式 Reactive，前面的两篇文章谈了不少概念，基本都离不开下面两点：

响应式编程是面向流的、异步化的开发方式
响应式是非常通用的概念，无论在前端领域、还是实时流、离线处理场景中都是适用的。

有兴趣的朋友可以看看这两篇文章：

Reactive(1) 从响应式编程到“好莱坞”
Reactive(2) 响应式流与制奶厂业务

这次，我们把目光转向 SpringBoot，在SpringBoot 2.0版本之后，提供了对响应式编程的全面支持。
因此在升级到 2.x版本之后，便能方便的实现事件驱动模型的后端编程，这其中离不开 webflux这个模块。
其同时也被 Spring 5 用作开发响应式 web 应用的核心基础。那么, webflux 是一个怎样的东西？

Webflux

Webflux 模块的名称是 spring-webflux，名称中的 Flux 来源于 Reactor 中的类 Flux。
该模块中包含了对响应式 HTTP、服务器推送和 WebSocket 的支持。

Webflux 支持两种不同的编程模型：

第一种是 Spring MVC 中使用的基于 Java 注解的方式，一个使用Reactive风格的Controller如下所示：

@RestController
public class EchoController {
    @GetMapping("/echo")
    public Mono<String> sayHelloWorld() {
        return Mono.just("Echo!");
    }
}

第二种是基于 Java 8 的 lambda 表达式的函数式编程模型。

这两种编程模型只是在代码编写方式上存在不同，但底层的基础模块仍然是一样的。
除此之外，Webflux 可以运行在支持 Servlet 3.1 非阻塞 IO API 的 Servlet 容器上，或是其他异步运行时环境，如 Netty 和 Undertow。

关于Webflux 与 SpringMVC 的区别，可以参考下图：

SpringBoot、Webflux、Reactor 可以说是层层包含的关系，其中，响应式能力的核心仍然是来自 Reactor组件。
由此可见，掌握Reactor的用法必然是熟练进行 Spring 响应式编程的重点。

二、 Mono 与 Flux

在理解响应式Web编程之前，我们需要对Reactor 两个核心概念做一些澄清，一个是Mono，另一个是Flux。

Flux 表示的是包含 0 到 N 个元素的异步序列。在该序列中可以包含三种不同类型的消息通知：

正常的包含元素的消息
序列结束的消息
序列出错的消息

当消息通知产生时，订阅者中对应的方法 onNext(), onComplete()和 onError()会被调用。

Mono 表示的是包含 0 或者 1 个元素的异步序列。该序列中同样可以包含与 Flux 相同的三种类型的消息通知。
Flux 和 Mono 之间可以进行转换，比如对一个 Flux 序列进行计数操作，得到的结果是一个 Mono对象，或者把两个 Mono 序列合并在一起，得到的是一个 Flux 对象。

构造器

Reactor提供了非常方便的API来创建 Flux、Mono 对象，如下：

使用静态工厂类创建Flux

Flux.just("Hello", "World").subscribe(System.out::println);
Flux.fromArray(new Integer[] {1, 2, 3}).subscribe(System.out::println);
Flux.empty().subscribe(System.out::println);
Flux.range(1, 10).subscribe(System.out::println);
Flux.interval(Duration.of(10, ChronoUnit.SECONDS)).subscribe(System.out::println);

just()：可以指定序列中包含的全部元素。创建出来的 Flux 序列在发布这些元素之后会自动结束。
fromArray()：可以从一个数组、Iterable 对象或 Stream 对象中创建 Flux 对象。
empty()：创建一个不包含任何元素，只发布结束消息的序列。
range(int start, int count)：创建包含从 start 起始的 count 个数量的 Integer 对象的序列。
interval(Duration period)和 interval(Duration delay, Duration period)：创建一个包含了从 0 开始递增的 Long 对象的序列。其中包含的元素按照指定的间隔来发布。除了间隔时间之外，还可以指定起始元素发布之前的延迟时间。

除了上述的方式之外，还可以使用 generate()、create()方法来自定义流数据的产生过程：

generate()

Flux.generate(sink -> {
    sink.next("Echo");
    sink.complete();
}).subscribe(System.out::println);

generate 只提供序列中单个消息的产生逻辑(同步通知)，其中的 sink.next()最多只能调用一次，比如上面的代码中，产生一个Echo消息后就结束了。

create()

Flux.create(sink -> {
    for (char i = 'a'; i <= 'z'; i++) {
        sink.next(i);
    }
    sink.complete();
}).subscribe(System.out::print);

create 提供的是整个序列的产生逻辑，sink.next()可以调用多次(异步通知)，如上面的代码将会产生a-z的小写字母。

使用静态工厂类创建Mono

Mono 的创建方式与 Flux 是很相似的。除了Flux 所拥有的构造方式之外，还可以支持与Callable、Runnable、Supplier 等接口集成。

参考下面的代码：

Mono.fromSupplier(() -> "Mono1").subscribe(System.out::println);
Mono.justOrEmpty(Optional.of("Mono2")).subscribe(System.out::println);
Mono.create(sink -> sink.success("Mono3")).subscribe(System.out::println);

三、流计算

1. 缓冲

在Reactive(1) 从响应式编程到“好莱坞” 一文中曾经提到过缓冲(buffer)的概念。
buffer 是流处理中非常常用的一种处理，意思就是将流的一段截停后再做处理。

比如下面的代码：

Flux.range(1, 100).buffer(20).subscribe(System.out::println);
Flux.interval(Duration.of(0, ChronoUnit.SECONDS),
              Duration.of(1, ChronoUnit.SECONDS))
        .buffer(Duration.of(5, ChronoUnit.SECONDS)).
        take(2).toStream().forEach(System.out::println);
Flux.range(1, 10).bufferUntil(i -> i % 2 == 0).subscribe(System.out::println);
Flux.range(1, 10).bufferWhile(i -> i % 2 == 0).subscribe(System.out::println);

第一个buffer(20)是指凑足20个数字后再进行处理，该语句会输出5组数据(按20分组)
第二个buffer(Duration duration)是指凑足一段时间后的数据再近些处理，这里是5秒钟做一次处理
第三个bufferUtil(Predicate p)是指等到某个元素满足断言(条件)时进行收集处理，这里将会输出[1,2],[3,4]..这样的奇偶数字对
第四个bufferWhile(Predicate p)则仅仅是收集满足断言(条件)的元素，这里将会输出2,4,6..这样的偶数

与 buffer 类似的是window函数，后者的不同在于其在缓冲截停后并不会输出一些元素列表，而是直接转换为Flux对象，如下：

Flux.range(1, 100).window(20)
      .subscribe(flux -> 
           flux.buffer(5).subscribe(System.out::println));

window(20)返回的结果是一个Flux类型的对象，我们进而对其进行了缓冲处理。
因此上面的代码会按5个一组输出：

[1, 2, 3, 4, 5]
[6, 7, 8, 9, 10]
[11, 12, 13, 14, 15]
...

2. 过滤/提取

上面的bufferWhile 其实充当了过滤的作用，当然，对于流元素的过滤也可以使用filter函数来处理：

Flux.range(1, 10).filter(i -> i % 2 == 0).subscribe(System.out::println);

take 函数可以用来提取想要的元素，这与filter 过滤动作是恰恰相反的，来看看take的用法：

Flux.range(1, 10).take(2).subscribe(System.out::println);
Flux.range(1, 10).takeLast(2).subscribe(System.out::println);
Flux.range(1, 10).takeWhile(i -> i < 5).subscribe(System.out::println);
Flux.range(1, 10).takeUntil(i -> i == 6).subscribe(System.out::println);

第一个take(2)指提取前面的两个元素；
第二个takeLast(2)指提取最后的两个元素；
第三个takeWhile(Predicate p)指提取满足条件的元素，这里是1-4
第四个takeUtil(Predicate p)指一直提取直到满足条件的元素出现为止，这里是1-6

3. 转换

使用map函数可以将流中的元素进行个体转换，如下：

Flux.range(1, 10).map(x -> x*x).subscribe(System.out::println);

这里的map使用的JDK8 所定义的 Function接口

4. 合并

某些情况下我们需要对两个流中的元素进行合并处理，这与合并两个数组有点相似，但结合流的特点又会有不同的需求。

使用zipWith函数可以实现简单的流元素合并处理：

Flux.just("I", "You")
        .zipWith(Flux.just("Win", "Lose"))
        .subscribe(System.out::println);
Flux.just("I", "You")
        .zipWith(Flux.just("Win", "Lose"), 
        (s1, s2) -> String.format("%s!%s!", s1, s2))
        .subscribe(System.out::println);

上面的代码输出为：

[I,Win]
[You,Lose]
I!Win!
You!Lose!

第一个zipWith输出的是Tuple对象(不可变的元祖)，第二个zipWith增加了一个BiFunction来实现合并计算，输出的是字符串。

注意到zipWith是分别按照元素在流中的顺序进行两两合并的，合并后的流长度则最短的流为准，遵循最短对齐原则。

用于实现合并的还有 combineLastest函数，combinLastest 会动态的将流中新产生元素(末位)进行合并，注意是只要产生新元素都会触发合并动作并产生一个结果元素，如下面的代码：

Flux.combineLatest(
        Arrays::toString,
        Flux.interval(Duration.of(0, ChronoUnit.MILLIS), 
            Duration.of(100, ChronoUnit.MILLIS)).take(2),
        Flux.interval(Duration.of(50, ChronoUnit.MILLIS), 
            Duration.of(100, ChronoUnit.MILLIS)).take(2)
).toStream().forEach(System.out::println);

输出为：

[0, 0]
[1, 0]
[1, 1]

5. 合流

与合并比较类似的处理概念是合流，合流的不同之处就在于元素之间不会产生合并，最终流的元素个数(长度)是两个源的个数之和。
合流的计算可以使用 merge或mergeSequential 函数，这两者的区别在于：

merge后的元素是按产生时间排序的，而mergeSequential 则是按整个流被订阅的时间来排序，如下面的代码：

Flux.merge(Flux.interval(
            Duration.of(0, ChronoUnit.MILLIS),
            Duration.of(100, ChronoUnit.MILLIS)).take(2),
        Flux.interval(
                Duration.of(50, ChronoUnit.MILLIS),
                Duration.of(100, ChronoUnit.MILLIS)).take(2))
        .toStream()
        .forEach(System.out::println);
System.out.println("---");
Flux.mergeSequential(Flux.interval(
        Duration.of(0, ChronoUnit.MILLIS),
        Duration.of(100, ChronoUnit.MILLIS)).take(2),
        Flux.interval(
                Duration.of(50, ChronoUnit.MILLIS),
                Duration.of(100, ChronoUnit.MILLIS)).take(2))
        .toStream()
        .forEach(System.out::println);

输出为：

merge 是直接将Flux 元素进行合流之外，而flatMap则提供了更加高级的处理：
flatMap 函数会先将Flux中的元素转换为 Flux(流)，然后再新产生的Flux进行合流处理，如下：

Flux.just(1, 2)
        .flatMap(x -> Flux.interval(Duration.of(x * 10, ChronoUnit.MILLIS),
                Duration.of(10, ChronoUnit.MILLIS)).take(x))
        .toStream()
        .forEach(System.out::println);

flatMap也存在flatMapSequential的一个兄弟版本，后者决定了合并流元素的顺序是与流的订阅顺序一致的。

6. 累积

reduce 和 reduceWith 操作符对流中包含的所有元素进行累积操作，得到一个包含计算结果的 Mono 序列。累积操作是通过一个 BiFunction 来表示的。reduceWith 允许在在操作时指定一个起始值(与第一个元素进行运算)

如下面的代码：

Flux.range(1, 100).reduce((x, y) -> x + y).subscribe(System.out::println);
Flux.range(1, 100).reduceWith(() -> 100, (x, y) -> x + y).subscribe(System.out::println);

这里通过reduce计算出1-100的累加结果(1+2+3+...100)，结果输出为：

5050
5150

四、异常处理

在前面所提及的这些功能基本都属于正常的流处理，然而对于异常的捕获以及采取一些修正手段也是同样重要的。

利用Flux/Mono 框架可以很方便的做到这点。

将正常消息和错误消息分别打印

Flux.just(1, 2)
        .concatWith(Mono.error(new IllegalStateException()))
        .subscribe(System.out::println, System.err::println);

当产生错误时默认返回0

Flux.just(1, 2)
        .concatWith(Mono.error(new IllegalStateException()))
        .onErrorReturn(0)
        .subscribe(System.out::println);

自定义异常时的处理

Flux.just(1, 2)
        .concatWith(Mono.error(new IllegalArgumentException()))
        .onErrorResume(e -> {
            if (e instanceof IllegalStateException) {
                return Mono.just(0);
            } else if (e instanceof IllegalArgumentException) {
                return Mono.just(-1);
            }
            return Mono.empty();
        })
        .subscribe(System.out::println);

当产生错误时重试

Flux.just(1, 2)
        .concatWith(Mono.error(new IllegalStateException()))
        .retry(1)
        .subscribe(System.out::println);

这里的retry(1)表示最多重试1次，而且重试将从订阅的位置开始重新发送流事件

五、线程调度

我们说过，响应式是异步化的，那么就会涉及到多线程的调度。

Reactor 提供了非常方便的调度器(Scheduler)工具方法，可以指定流的产生以及转换(计算)发布所采用的线程调度方式。
这些方式包括：

类别	描述
immediate	采用当前线程
single	单一可复用的线程
elastic	弹性可复用的线程池(IO型)
parallel	并行操作优化的线程池(CPU计算型)
timer	支持任务调度的线程池
fromExecutorService	自定义线程池

下面，以一个简单的实例来演示不同的线程调度：

Flux.create(sink -> {
    sink.next(Thread.currentThread().getName());
    sink.complete();
})
.publishOn(Schedulers.single())
.map(x -> String.format("[%s] %s", Thread.currentThread().getName(), x))
.publishOn(Schedulers.elastic())
.map(x -> String.format("[%s] %s", Thread.currentThread().getName(), x))
.subscribeOn(Schedulers.parallel())
.toStream()
.forEach(System.out::println);

在这段代码中，使用publishOn指定了流发布的调度器，subscribeOn则指定的是流产生的调度器。
首先是parallel调度器进行流数据的生成，接着使用一个single单线程调度器进行发布，此时经过第一个map转换为另一个Flux流，其中的消息叠加了当前线程的名称。最后进入的是一个elastic弹性调度器，再次进行一次同样的map转换。

最终，经过多层转换后的输出如下：