响应式编程简单了解

正在绘制中
302 阅读7分钟

什么是响应式编程

响应式编程是使用异步数据流进行编程。

我们要先明白响应流规范。它是响应式编程的基石。他具有以下特点：

  • 响应流必须是无阻塞的。
  • 响应流必须是一个数据流。
  • 它必须可以异步执行。
  • 并且它也应该能够处理背压。

image.png

注意：响应式编程由阻塞IO变为非阻塞IO 。我们要达成共识：阻塞是浪费。

背压是反应流中的一个重要概念，可以理解为，生产者可以感受到消费者反馈的消费压力，并根据压力进行动态调整生产速率。这里很像rabbitmq的流量削峰，避免大量并发数据访问数据库造成崩溃。

参考文档：www.reactivemanifesto.org/zh-CN

另外，spring6和springboot3已经加入了对响应式编程的支持。

Publisher&Subscriber

由于响应流的特点，我们不能再返回一个简单的POJO对象来表示结果了。必须返回一个类似Java中的Future的概念，在有结果可用时通知消费者进行消费响应。

Reactive Stream规范中这种被定义为Publisher<T> ，Publisher<T>是一个可以提供0-N个序列元素的提供者，并根据其订阅者Subscriber<? super T>的需求推送元素。一个Publisher<T>可以支持多个订阅者，并可以根据订阅者的逻辑进行推送序列元素。

响应式数据处理，类似装配线一样。原始数据从 Publisher 流入装配线使用各种 operator 加工后推给Subscriber

而Flux和Mono都是Publisher<T>在Reactor 3实现。Publisher<T>提供了subscribe方法，允许消费者在有结果可用时进行消费。如果没有消费者Publisher<T>不会做任何事情，他根据消费情况进行响应。 Publisher<T>可能返回零或者多个，甚至可能是无限的，为了更加清晰表示期待的结果就引入了两个实现模型Mono和Flux。

Flux

Flux 是一个发出(emit)0-N个元素组成的异步序列的Publisher<T>,可以被onComplete信号或者onError信号所终止。在响应流规范中存在三种给下游消费者调用的方法 onNext, onComplete, 和onError。下面这张图表示了Flux的抽象模型：

Flux

以上的的讲解对于初次接触反应式编程的依然是难以理解的，所以这里有一个循序渐进的理解过程。

有些类比并不是很妥当，但是对于你循序渐进的理解这些新概念还是有帮助的。

传统数据处理

我们在平常是这么写的：

public List<ClientUser> allUsers() {
    return Arrays.asList(new ClientUser("felord.cn", "reactive"),
            new ClientUser("Felordcn", "Reactor"));
}

我们通过迭代返回值List来get这些元素进行再处理（消费），这种方式有点类似厨师做了很多菜，吃不吃在于食客。需要食客主动去来吃就行了（pull的方式），至于喜欢吃什么不喜欢吃什么自己随意，怎么吃也自己随意。

流式数据处理

在Java 8中我们可以改写为流的表示：

public Stream<ClientUser> allUsers() {
    return  Stream.of(new ClientUser("felord.cn", "reactive"),
            new ClientUser("Felordcn", "Reactor"));
}

依然是厨师做了很多菜，但是这种就更加高级了一些，提供了菜品的搭配方式（不包含具体细节），食客可以按照说明根据自己的习惯搭配着去吃，一但开始概不退换，吃完为止，过期不候。

反应式数据处理

在Reactor中我们又可以改写为Flux表示：

public Flux<ClientUser> allUsers(){
    return Flux.just(new ClientUser("felord.cn", "reactive"),
            new ClientUser("Felordcn", "Reactor"));
}

这时候食客只需要订餐就行了，做好了自然就呈上来，而且可以随时根据食客的饭量进行调整。如果没有食客订餐那么厨师就什么都不用做。当然不止有这么点特性，不过对于方便我们理解来说这就够了。

Mono

Mono 是一个发出(emit)0-1个元素的Publisher<T>,可以被onComplete信号或者onError信号所终止。整体和Flux差不多，只不过这里只会发出0-1个元素。也就是说不是有就是没有。

传统数据处理

public ClientUser currentUser () {
    return isAuthenticated ? new ClientUser("felord.cn", "reactive") : null;
}

直接返回符合条件的对象或者null。

Optional的处理方式

public Optional<ClientUser> currentUser () {
    return isAuthenticated ? Optional.of(new ClientUser("felord.cn", "reactive"))
            : Optional.empty();
}

Reactor

关于

Reactor 是 完全非阻塞 并提供高效管理操作

直接与JavaAPI交互，如 function api，CompletableFuture，Stream，Duration

定义 [0|1|N] 序列

提供两种响应式数据；Flux[N]，Mono[0|1]

非阻塞IO

完美适配微服务架构。为HTTP、TCP、UDP、提供“背压”网络引擎

高效的消息传递

Reactor 的 操作与调度功能能适配高吞吐率系统

每秒1亿的消息速率，却能占用更少的内存和线程资源

万物皆可响应式

无需手写 Reactive Streams ，Reactor提供快捷工具和丰富的 函数式响应式流 API，比如SpringBoot与Webflux、CloudFoundry Java Client、RSocket与R2DBC

Reactor核心技术栈

Reactor Core： 基于Java8响应式流核心功能

Reactor Test：测试工具

Reactor Extra： Flux额外扩展

Reactor Netty：使用Netty的HTTP, TCP, UDP Clients/Servers

Reactor Adapter： 适配其他响应式

Reactor Kafka： 响应式Kafka操作

Reactor RabbitMQ：响应式MQ操作

Reactor Pool：响应式池

BlockHound：java代理，从非阻塞线程中探查阻塞式调用

Reactor Core .NET

Reactor Core JS

WebFlux

spring-web 模块包含响应式组件，如：Spring WebFlux，包含HTTP抽象，Reactive Streams 适配服务器，编码，核心 WebHandler API 就像是 Servlet API 一样，但是是非阻塞的。这个基础上，Spring WebFlux提供两种编程模型：基于注解的Controller： 以前SpringMVC的那些注解都能继续使用函数式后端：基于Lambda，轻量级，函数式编程模型。可以认为这个就是一个小型库或者工具集，来让应用路由请求并处理。与注释控制器的最大区别在于，函数式负责从头到尾的请求处理，而不是通过注解来声明意图并被回调。

image-20231214231301312

建议考虑以下规范：

  • 如果已有的SpringMVC应用稳定工作，无需变化。就用这个算了。
  • 如果准备使用非阻塞式技术栈。Spring WebFlux提供同样的执行模型。你可以选择 ServletAPI编程方式，也可以选择响应式方式（Reactor，RxJava等）
  • 如果感兴趣轻量级，函数式web框架。可以使用Spring WebFlux 函数式web 后端。非常适合构建小应用或者微服务，以最小的依赖跑起来。
  • 微服务架构中，可能需要混合编程方式使用MVC或者Web Flux。可以直接用以前MVC注解的方式无缝迁移
  • 简单衡量，如果是 JPA，JDBC，或者网络API，使用Spring MVC就很好。响应式也可以直接改造你的同步调用，但是意义不大
  • 如果你的MVC应用调用远程服务，就用 响应式的 WebClient。返回响应式对象。Spring MVC可以直接用这些响应式组件。这样还能获得更强的吞吐能力
  • 你的团队够大的话，要小心 非阻塞，函数式，声明式编程的陡峭学习曲线。一个实际的场景，无需完全切换编码方式，就是使用响应是的WebClient改造以前的远程调用就好。除此之外，可以小步迭代，权衡利弊。我们期望，对于整个应用来说，这个迁移是不必要的。如果不确定你想要什么，请先学习非阻塞I/O的工作方式（比如Node.js的单线程高并发）和他产生的效果

总结

Flux和Mono是Java反应式中的重要概念，但是很多同学包括我在开始都难以理解它们。这其实是规定了两种流式范式，这种范式让数据具有一些新的特性，比如基于发布订阅的事件驱动，异步流、背压等等。另外数据是推送（Push）给消费者的以区别于平时我们的拉（Pull）模式。同时我们可以像Stream Api一样使用类似map、flatmap等操作符（operator）来操作它们。

avatar
文章
阅读
粉丝