响应式编程（Reactive Programming）的本质是异步非阻塞的高响应式处理，最核心思想则为Everything is stream，即针对流进行处理，这是其根本。从这个角度讲，我们可以将响应式编程的设计思想视为Stream-Oriented Design，即面向流的设计。

正如面向对象设计以对象为基本设计要素，函数式编程思想以函数为基本设计要素，响应式编程则应该以流为基本设计要素。这带来设计思想上根本的变化，包括：

以流作为建模的元素
流存在松耦合的上下游关系
以流为重用的单位
对流进行转换、运算、合并与拆分

在Rx框架中，一个流就是一个Observable或者Flowable。例如我们要统计网页的字数，则流的源头就是对网页内容的获取，而流就是Observable<String>类型的网页内容。至于统计操作，则需要经历分词、字数统计两个阶段，则可以视为是对流的转换与运算操作：

Flowable.fromFuture(pageContent)
    .flatMap(content -> Flowable.fromArray(s.split(" ")))
    .map(w -> new Pair<>(w, 1))
    .groupBy(Pair::getKey);

由于Rx框架提供了诸如merge、combineLatest、zip等操作符来完成多个流之间的组合，我们就可以分别建立各自的流，然后再利用这些操作符对其进行合并，或者反其道而行之。这样就能尽可能地分解出诸多原子的可重用的流。例如，针对UI的click操作以及response响应，我们就可以分别建立两个流，然后利用combineLatest进行组合。无论哪个流发射了数据，它都会将这两个流最近发射的数据组合起来，并按照指定的函数进行运算。

Akka Stream提出来的Graph更能体现流作为建模元素的思想。只要规划好我们的流程，思考组成这些流程的步骤的输入和输出，就可以分别将这些步骤分别建模为Source、Sink、Flow以及Fan-in、Fan-out和BidiFlow，如下图所示：

例如针对银行交易业务，如果我们需要执行如下流程：

根据给定的账户编号获得所有的账户
根据账户同时获得所有的银行交易（BackingTransaction）和结算交易（SettlementTransaction）
获得这些交易后对交易进行验证
验证后的数据分别用于用于审计和计算净值

我们对该流程进行领域建模时，实则可以绘制一个可以表达Akka Streams中Graph的可视化图：

通过这样的可视化图，我们就可以针对这些图中的节点建模为Akka Streams中的Graph Shape。至于流的广播与合并，则对应着框架的Broadcast Fan-out与Merge Fan-In。除了入口的accountNos是Source，以及用于最后的审计与净值计算作为Sink外，其余节点都是Flow类型。实现代码如下：

  val graph = RunnableGraph.fromGraph(GraphDSL.create(netTxnSink) { implicit b => ms =>
    import GraphDSL.Implicits._

    val accountBroadcast = b.add(Broadcast[Account](2))
    val txnBroadcast = b.add(Broadcast[Transaction](2))
    val merge = b.add(Merge[Transaction](2))

    val accounts = Flow[String].map(queryAccount(_, AccountRepository))
    val bankingTxns = Flow[Account].mapConcat(getBankingTransactions)
    val settlementTxns = Flow[Account].mapConcat(getSettlementTransactions)
    val validation = Flow[Transaction].map(validate)

    accountNos ~> accounts ~> accountBroadcast ~> bankingTxns ~> merge ~> validation ~> txnBroadcast ~> ms
                              accountBroadcast ~> settlementTxns ~> merge
    txnBroadcast ~> audit
    ClosedShape
  })

Scala语言由于提供了操作符重载，隐式转换等语法糖，在语言的表现能力更符合DSL的语义。例如代码中的~>符号非常清晰地表达出了数据流动的方向，流经什么样的节点。最关键的是，这些Flow定义彼此之间并没有强耦合关系，只要保证传输的数据是正确的，就可以利用组合操作符将Flow与Flow连接起来。这样的Flow同样是Lazy的，可以很好地得到高效重用。

因此，使用响应式编程，需得围绕“流”为中心进行设计思考，并将其作为一个非常重要的重用元素进行组合。这也就是我所谓的面向流设计（Stream-Oriented Design）的想法来源。