响应式编程框架- RxJava3

适用场景：网络请求、数据库读写、文件读写、定时任务
异步非阻塞的数据流处理 RxJava，Akka，Vert.x，Reactor。

一、结构
被观察者：observable Flowable、Single、Completable 、Maybe 之间可以相互转化 上游
观察者：observer   下游的
同时代表一个观察者和被观察者：subject
Flowable支持背压、observable不支持背压（背压：上游的数据量太多下游处理不完，多余的数据如何处理避免OOM，没有背压的建议1000条处理）
Single、Completable 、Maybe是简化的observable
被观察者订阅观察者 subscribe：被观察者的数据  让观察者去处理



被观察者的操作符：
创建操作符
转化操作符
组合操作符
功能操作符：线程切换
过滤、条件操作符

线程：
1）Schedules.io()
用于IO密集型的操作，例如读写SD卡文件，查询数据库，访问网络等，具有线程缓存机制，在此调度器接收到任务后，
先检查线程缓存池中，是否有空闲的线程，如果有，则复用，如果没有则创建新的线程，并加入到线程池中，
如果每次都没有空闲线程使用，可以无上限的创建新线程。
2）Schedulers.newThread( )
在每执行一个任务时创建一个新的线程，不具有线程缓存机制，因为创建一个新的线程比复用一个线程更耗时耗力，
虽然使用Schedulers.io( )的地方，都可以使用Schedulers.newThread( )，
但是，Schedulers.newThread( )的效率没有Schedulers.io( )高。
3）Schedulers.computation()
用于CPU 密集型计算任务，即不会被 I/O 等操作限制性能的耗时操作，例如xml,json文件的解析，
Bitmap图片的压缩取样等，具有固定的线程池，大小为CPU的核数。不可以用于I/O操作，因为I/O操作的等待时间会浪费CPU。
4）Schedulers.trampoline()
在当前线程立即执行任务，如果当前线程有任务在执行，则会将其暂停，等插入进来的任务执行完之后，再将未完成的任务接着执行。
5）Schedulers.single()
拥有一个线程单例，所有的任务都在这一个线程中执行，当此线程中有任务执行时，其他任务将会按照先进先出的顺序依次执行。
6）Scheduler.from(@NonNull Executor executor)
指定一个线程调度器，由此调度器来控制任务的执行策略。
7）AndroidSchedulers.mainThread()
在Android UI线程中执行任务，为Android开发定制。

二、语法
API：
https://blog.youkuaiyun.com/chuyouyinghe/article/details/122807802
https://blog.51cto.com/u_12853553/5896400
https://blog.youkuaiyun.com/weixin_33217202/article/details/114469054
https://blog.youkuaiyun.com/sinat_31057219/article/details/101549254
https://blog.youkuaiyun.com/qinbin2015/article/details/101060202


三、RxJava中的背压：
》背压出现的原因：
当上下游在不同的线程中，通过Observable发射，处理，响应数据流时，如果上游发射数据的速度快于下游接收处理数据的速度，这样对于那些没来得及处理的数据就会造成积压，这些数据既不会丢失，也不会被垃圾回收机制回收，而是存放在一个异步缓存池中，如果缓存池中的数据一直得不到处理，越积越多，最后就会造成内存溢出，这便是响应式编程中的背压（backpressure）问题
》背压策略的解决思路：
利用响应式拉取，响应式拉取是观察者主动去被观察者那里拉取事件，而被观察者则是被动等待通知再发射事件。
BackpressureStrategy背压策略：
1）MISSING
MissingEmitter：在此策略下，通过Create方法创建的Flowable相当于没有指定背压策略，
不会对通过onNext发射的数据做缓存或丢弃处理，需要下游通过背压操作符。
2）ERROR
ErrorAsyncEmitter：在此策略下，如果放入Flowable的异步缓存池中的数据超限了，则会抛出MissingBackpressureException异常。
3）BUFFER
BufferAsyncEmitter：部维护了一个缓存池SpscLinkedArrayQueue，其大小不限，此策略下，
如果Flowable默认的异步缓存池满了，会通过此缓存池暂存数据，它与Observable的异步缓存池一样，
可以无限制向里添加数据，不会抛出MissingBackpressureException异常，但会导致OOM
4）DROP
DropAsyncEmitter：在此策略下，如果Flowable的异步缓存池满了，会丢掉上游发送的数据。
5）LATEST
LatestAsyncEmitter：与Drop策略一样，如果缓存池满了，会丢掉将要放入缓存池中的数据，
不同的是，不管缓存池的状态如何，LATEST都会将最后一条数据强行放入缓存池中，
来保证观察者在接收到完成通知之前，能够接收到Flowable最新发射的一条数据