Reactor详解_IT分享知识网

Reactor 是一个用于JVM的完全非阻塞的响应式编程框架，具备高效的需求管理（即对 “背压（backpressure）”的控制）能力。它与 Java 8 函数式 API 直接集成，比如 CompletableFuture， Stream，以及 Duration。它提供了异步序列 API Flux（用于[N]个元素）和 Mono（用于 [0|1]个元素），并完全遵循和实现了“响应式扩展规范”（Reactive Extensions Specification）。

Reactor 的 reactor-ipc 组件还支持非阻塞的进程间通信（inter-process communication, IPC）。 Reactor IPC 为 HTTP（包括 Websockets）、TCP 和 UDP 提供了支持背压的网络引擎，从而适合应用于微服务架构。并且完整支持响应式编解码（reactive encoding and decoding）。

<dependencyManagement>    <dependencies>        <dependency>            <groupId>io.projectreactor</groupId>            <artifactId>reactor-bom</artifactId>            <version>2023.0.0</version>            <type>pom</type>            <scope>import</scope>        </dependency>    </dependencies> </dependencyManagement>

<dependencies>    <dependency>        <groupId>io.projectreactor</groupId>        <artifactId>reactor-core</artifactId>            </dependency>    <dependency>        <groupId>io.projectreactor</groupId>        <artifactId>reactor-test</artifactId>        <scope>test</scope>    </dependency> </dependencies>

2、响应式编程

响应式编程是一种关注于数据流（data streams）和变化传递（propagation of change）的异步编程方式。这意味着它可以用既有的编程语言表达静态（如数组）或动态（如事件源）的数据流。

了解历史：

在响应式编程方面，微软跨出了第一步，它在 .NET 生态中创建了响应式扩展库（Reactive Extensions library, Rx）。接着 RxJava 在JVM上实现了响应式编程。后来，在 JVM 平台出现了一套标准的响应式编程规范，它定义了一系列标准接口和交互规范。并整合到 Java 9 中（使用 Flow 类）。
响应式编程通常作为面向对象编程中的“观察者模式”（Observer design pattern）的一种扩展。响应式流（reactive streams）与“迭代子模式”（Iterator design pattern）也有相通之处，因为其中也有 Iterable-Iterator 这样的对应关系。主要的区别在于，Iterator 是基于 “拉取”（pull）方式的，而响应式流是基于“推送”（push）方式的。
使用 iterator 是一种“命令式”（imperative）编程范式，即使访问元素的方法是 Iterable 的唯一职责。关键在于，什么时候执行 next() 获取元素取决于开发者。在响应式流中，相对应的角色是 Publisher-Subscriber，但是 当有新的值到来的时候 ，却反过来由发布者（Publisher）通知订阅者（Subscriber），这种“推送”模式是响应式的关键。此外，对推送来的数据的操作是通过一种声明式（declaratively）而不是命令式（imperatively）的方式表达的：开发者通过描述“控制流程”来定义对数据流的处理逻辑。
除了数据推送，对错误处理（error handling）和完成（completion）信号的定义也很完善。一个 Publisher 可以推送新的值到它的 Subscriber（调用 onNext 方法），同样也可以推送错误（调用 onError 方法）和完成（调用 onComplete 方法）信号。错误和完成信号都可以终止响应式流。可以用下边的表达式描述：
```
onNext x 0..N [onError | onComplete]
```

2.1. 阻塞是对资源的浪费

现代应用需要应对大量的并发用户，而且即使现代硬件的处理能力飞速发展，软件性能仍然是关键因素。

广义来说我们有两种思路来提升程序性能：

并行化（parallelize） ：使用更多的线程和硬件资源。[异步]
基于现有的资源来 提高执行效率 。

通常，Java开发者使用阻塞式（blocking）编写代码。这没有问题，在出现性能瓶颈后，我们可以增加处理线程，线程中同样是阻塞的代码。但是这种使用资源的方式会迅速面临资源竞争和并发问题。

更糟糕的是，阻塞会浪费资源。具体来说，比如当一个程序面临延迟（通常是I/O方面，比如数据库读写请求或网络调用），所在线程需要进入 idle 状态等待数据，从而浪费资源。

所以，并行化方式并非银弹。这是挖掘硬件潜力的方式，但是却带来了复杂性，而且容易造成浪费。

2.2. 异步可以解决问题吗？

第二种思路——提高执行效率——可以解决资源浪费问题。通过编写 异步非阻塞 的代码，（任务发起异步调用后）执行过程会切换到另一个 使用同样底层资源 的活跃任务，然后等异步调用返回结果再去处理。

但是在 JVM 上如何编写异步代码呢？Java 提供了两种异步编程方式：

回调（Callbacks） ：异步方法没有返回值，而是采用一个 callback 作为参数（lambda 或匿名类），当结果出来后回调这个 callback。常见的例子比如 Swings 的 EventListener。
Futures ：异步方法立即返回一个 Future<T>，该异步方法要返回结果的是 T 类型，通过 Future封装。这个结果并不是立刻可以拿到，而是等实际处理结束才可用。比如， ExecutorService 执行 Callable<T> 任务时会返回 Future 对象。

这些技术够用吗？并非对于每个用例都是如此，两种方式都有局限性。

回调很难组合起来，因为很快就会导致代码难以理解和维护（即所谓的“回调地狱（callback hell）”）。

考虑这样一种情景：

在用户界面上显示用户的5个收藏，或者如果没有任何收藏提供5个建议。
这需要3个服务（一个提供收藏的ID列表，第二个服务获取收藏内容，第三个提供建议内容）：

回调地狱（Callback Hell）的例子：

userService.getFavorites(userId, new Callback<List<String>>() { public void onSuccess(List<String> list) { if (list.isEmpty()) { suggestionService.getSuggestions(new Callback<List<Favorite>>() { public void onSuccess(List<Favorite> list) { UiUtils.submitOnUiThread(() -> { list.stream() .limit(5) .forEach(uiList::show); }); } public void onError(Throwable error) { UiUtils.errorPopup(error); } }); } else { list.stream() .limit(5) .forEach(favId -> favoriteService.getDetails(favId, new Callback<Favorite>() { public void onSuccess(Favorite details) { UiUtils.submitOnUiThread(() -> uiList.show(details)); } public void onError(Throwable error) { UiUtils.errorPopup(error); } } )); } } public void onError(Throwable error) { UiUtils.errorPopup(error); } });

Reactor改造后为

userService.getFavorites(userId)           .flatMap(favoriteService::getDetails)           .switchIfEmpty(suggestionService.getSuggestions())           .take(5)           .publishOn(UiUtils.uiThreadScheduler())           .subscribe(uiList::show, UiUtils::errorPopup);

如果你想确保“收藏的ID”的数据在800ms内获得（如果超时，从缓存中获取）呢？在基于回调的代码中，会比较复杂。但 Reactor 中就很简单，在处理链中增加一个 timeout 的操作符即可。

userService.getFavorites(userId) .timeout(Duration.ofMillis(800)) .onErrorResume(cacheService.cachedFavoritesFor(userId)) .flatMap(favoriteService::getDetails) .switchIfEmpty(suggestionService.getSuggestions()) .take(5) .publishOn(UiUtils.uiThreadScheduler()) .subscribe(uiList::show, UiUtils::errorPopup);

背压（backpressure） 具体来说即 消费者能够反向告知生产者生产内容的速度的能力
高层次 （同时也是有高价值的）的抽象，从而达到 并发无关 的效果

2.3.1. 可编排性与可读性

可编排性，指的是编排多个异步任务的能力。比如我们将前一个任务的结果传递给后一个任务作为输入，或者将多个任务以分解再汇总（fork-join）的形式执行，或者将异步的任务作为离散的组件在系统中进行重用。

这种编排任务的能力与代码的可读性和可维护性是紧密相关的。随着异步处理任务数量和复杂度的提高，编写和阅读代码都变得越来越困难。就像我们刚才看到的，回调模式是简单的，但是缺点是在复杂的处理逻辑中，回调中会层层嵌入回调，导致 回调地狱（Callback Hell） 。你能猜到（或有过这种痛苦经历），这样的代码是难以阅读和分析的。

Reactor 提供了丰富的编排操作，从而代码直观反映了处理流程，并且所有的操作保持在同一层次（尽量避免了嵌套）。

2.3.2. 就像装配流水线

你可以想象数据在响应式应用中的处理，就像流过一条装配流水线。Reactor 既是传送带，又是一个个的装配工或机器人。原材料从源头（最初的 Publisher）流出，最终被加工为成品，等待被推送到消费者（或者说 Subscriber）。

原材料会经过不同的中间处理过程，或者作为半成品与其他半成品进行组装。如果某处有齿轮卡住，或者某件产品的包装过程花费了太久时间，相应的工位就可以向上游发出信号来限制或停止发出原材料。

2.3.3. 操作符（Operators）

在 Reactor 中，操作符（operator）就像装配线中的工位（操作员或装配机器人）。每一个操作符对 Publisher 进行相应的处理，然后将 Publisher 包装为一个新的 Publisher。就像一个链条，数据源自第一个 Publisher，然后顺链条而下，在每个环节进行相应的处理。最终，一个订阅者 (Subscriber）终结这个过程。请记住，在订阅者（Subscriber）订阅（subscribe）到一个发布者（Publisher）之前，什么都不会发生。

理解了操作符会创建新的 Publisher 实例这一点，能够帮助你避免一个常见的问题，这种问题会让你觉得处理链上的某个操作符没有起作用。

虽然响应式流规范（Reactive Streams specification）没有规定任何操作符，类似 Reactor 这样的响应式库所带来的最大附加价值之一就是提供丰富的操作符。包括基础的转换操作，到过滤操作，甚至复杂的编排和错误处理操作。

2.3.4. subscribe() 之前什么都不会发生

在 Reactor 中，当你创建了一条 Publisher 处理链，数据还不会开始生成。事实上，你是创建了一种抽象的对于异步处理流程的描述（从而方便重用和组装）。

当真正“订阅（subscrib）”的时候，你需要将 Publisher 关联到一个 Subscriber 上，然后才会触发整个链的流动。这时候，Subscriber 会向上游发送一个 request 信号，一直到达源头的 Publisher。

2.3.5. 背压

向上游传递信号这一点也被用于实现背压，就像在装配线上，某个工位的处理速度如果慢于流水线速度，会对上游发送反馈信号一样。

在响应式流规范中实际定义的机制同刚才的类比非常接近：订阅者可以无限接受数据并让它的源头 “满负荷”推送所有的数据，也可以通过使用 request 机制来告知源头它一次最多能够处理 n 个元素。

中间环节的操作也可以影响 request。想象一个能够将每10个元素分批打包的缓存（buffer）操作。如果订阅者请求一个元素，那么对于源头来说可以生成10个元素。此外预取策略也可以使用了，比如在订阅前预先生成元素。

这样能够将“推送”模式转换为“推送+拉取”混合的模式，如果下游准备好了，可以从上游拉取 n 个元素；但是如果上游元素还没有准备好，下游还是要等待上游的推送。

2.3.6. 热（Hot） vs 冷（Cold）

在 Rx 家族的响应式库中，响应式流分为“热”和“冷”两种类型，区别主要在于响应式流如何对订阅者进行响应：

一个“冷”的序列，指对于每一个 Subscriber，都会收到从头开始所有的数据。如果源头生成了一个 HTTP 请求，对于每一个订阅都会创建一个新的 HTTP 请求。
一个“热”的序列，指对于一个 Subscriber，只能获取从它开始订阅之后发出的数据。不过注意，有些“热”的响应式流可以缓存部分或全部历史数据。通常意义上来说，一个“热”的响应式流，甚至在即使没有订阅者接收数据的情况下，也可以发出数据（这一点同 “Subscribe() 之前什么都不会发生”的规则有冲突）。

3、核心特性

1、Mono和Flux

Mono: 0|1 数据流

Flux: N数据流

响应式流：元素（内容） + 信号（完成/异常）；

2、subscribe()

自定义流的信号感知回调

flux.subscribe(        v-> System.out.println("v = " + v), //流元素消费        throwable -> System.out.println("throwable = " + throwable), //感知异常结束       ()-> System.out.println("流结束了...") //感知正常结束 );

自定义消费者

flux.subscribe(new BaseSubscriber<String>() {             // 生命周期钩子1： 订阅关系绑定的时候触发            @Override            protected void hookOnSubscribe(Subscription subscription) {                // 流被订阅的时候触发                System.out.println("绑定了..."+subscription);                 //找发布者要数据                request(1); //要1个数据 //               requestUnbounded(); //要无限数据           }             @Override            protected void hookOnNext(String value) {                System.out.println("数据到达，正在处理："+value);                request(1); //要1个数据           }              // hookOnComplete、hookOnError 二选一执行            @Override            protected void hookOnComplete() {                System.out.println("流正常结束...");           }             @Override            protected void hookOnError(Throwable throwable) {                System.out.println("流异常..."+throwable);           }             @Override            protected void hookOnCancel() {                System.out.println("流被取消...");           }             @Override            protected void hookFinally(SignalType type) {                System.out.println("最终回调...一定会被执行");           }       });

3、流的取消

消费者调用 cancle() 取消流的订阅；

Disposable

    Flux<String> flux = Flux.range(1, 10)               .map(i -> {                    System.out.println("map..."+i);                    if(i==9) {                        i = 10/(9-i); //数学运算异常; doOnXxx                   }                    return "哈哈：" + i;               }); //流错误的时候，把错误吃掉，转为正常信号   //       flux.subscribe(); //流被订阅; 默认订阅； //       flux.subscribe(v-> System.out.println("v = " + v));//指定订阅规则： 正常消费者：只消费正常元素   //       flux.subscribe( //               v-> System.out.println("v = " + v), //流元素消费 //               throwable -> System.out.println("throwable = " + throwable), //感知异常结束 //               ()-> System.out.println("流结束了...") //感知正常结束 //       );          // 流的生命周期钩子可以传播给订阅者。        // a() {        //     data = b();        // }        flux.subscribe(new BaseSubscriber<String>() {             // 生命周期钩子1： 订阅关系绑定的时候触发            @Override            protected void hookOnSubscribe(Subscription subscription) {                // 流被订阅的时候触发                System.out.println("绑定了..."+subscription);                 //找发布者要数据                request(1); //要1个数据 //               requestUnbounded(); //要无限数据           }             @Override            protected void hookOnNext(String value) {                System.out.println("数据到达，正在处理："+value);                if(value.equals("哈哈：5")){                    cancel(); //取消流               }                request(1); //要1个数据           }              // hookOnComplete、hookOnError 二选一执行            @Override            protected void hookOnComplete() {                System.out.println("流正常结束...");           }             @Override            protected void hookOnError(Throwable throwable) {                System.out.println("流异常..."+throwable);           }             @Override            protected void hookOnCancel() {                System.out.println("流被取消...");           }             @Override            protected void hookFinally(SignalType type) {                System.out.println("最终回调...一定会被执行");           }       });

4、BaseSubscriber

自定义消费者，推荐直接编写 BaseSubscriber 的逻辑；

5、背压（Backpressure ）和请求重塑（Reshape Requests）

1、buffer：缓冲

Flux<List<Integer>> flux = Flux.range(1, 10)  //原始流10个       .buffer(3)       .log();//缓冲区：缓冲3个元素: 消费一次最多可以拿到三个元素； 凑满数批量发给消费者 // //       //一次发一个，一个一个发； // 10元素，buffer(3)；消费者请求4次，数据消费完成

2、limit：限流

Flux.range(1, 1000)   .log()    //限流触发，看上游是怎么限流获取数据的   .limitRate(100) //一次预取30个元素； 第一次 request(100)，以后request(75)   .subscribe();

6、以编程方式创建序列-Sink

Sink.next

Sink.complete

1、同步环境-generate

2、多线程-create

7、 handle()

自定义流中元素处理规则

    //        Flux.range(1,10)               .handle((value,sink)->{                    System.out.println("拿到的值："+value);                    sink.next("张三："+value); //可以向下发送数据的通道               })               .log() //日志               .subscribe();

8、自定义线程调度

响应式：响应式编程：全异步、消息、事件回调

默认还是用当前线程，生成整个流、发布流、流操作

public void thread1(){    Scheduler s = Schedulers.newParallel("parallel-scheduler", 4);     final Flux<String> flux = Flux           .range(1, 2)           .map(i -> 10 + i)           .log()           .publishOn(s)           .map(i -> "value " + i)           ;     //只要不指定线程池，默认发布者用的线程就是订阅者的线程；    new Thread(() -> flux.subscribe(System.out::println)).start(); }

9、错误处理

命令式编程：常见的错误处理方式

1. Catch and return a static default value. 捕获异常返回一个静态默认值

try {  return doSomethingDangerous(10); } catch (Throwable error) {  return "RECOVERED"; }

onErrorReturn: 实现上面效果，错误的时候返回一个值

1、吃掉异常，消费者无异常感知
2、返回一个兜底默认值

3、流正常完成；

    Flux.just(1, 2, 0, 4)               .map(i -> "100 / " + i + " = " + (100 / i))               .onErrorReturn(NullPointerException.class,"哈哈-6666")               .subscribe(v-> System.out.println("v = " + v),                        err -> System.out.println("err = " + err),                       ()-> System.out.println("流结束")); // error handling example

2. Catch and execute an alternative path with a fallback method.

吃掉异常，执行一个兜底方法；

try {  return doSomethingDangerous(10); } catch (Throwable error) {  return doOtherthing(10); }

onErrorResume

1、吃掉异常，消费者无异常感知
2、调用一个兜底方法
3、流正常完成

Flux.just(1, 2, 0, 4)           .map(i -> "100 / " + i + " = " + (100 / i)).onErrorResume(err -> Mono.just("哈哈-777"))           .subscribe(v -> System.out.println("v = " + v),                    err -> System.out.println("err = " + err),                   () -> System.out.println("流结束"));

3. Catch and dynamically compute a fallback value. 捕获并动态计算一个返回值

根据错误返回一个新值

try {  Value v = erroringMethod();  return MyWrapper.fromValue(v); } catch (Throwable error) {  return MyWrapper.fromError(error); } .onErrorResume(err -> Flux.error(new BusinessException(err.getMessage()+"：炸了")))

4. Catch, wrap to a BusinessException, and re-throw.

捕获并包装成一个业务异常，并重新抛出

try {  return callExternalService(k); } catch (Throwable error) {  throw new BusinessException("oops, SLA exceeded", error); }

包装重新抛出异常: 推荐用 .onErrorMap

1、吃掉异常，消费者有感知
2、抛新异常
3、流异常完成

.onErrorResume(err -> Flux.error(new BusinessException(err.getMessage()+"：炸了")))    Flux.just(1, 2, 0, 4)           .map(i -> "100 / " + i + " = " + (100 / i))           .onErrorMap(err-> new BusinessException(err.getMessage()+": 又炸了..."))           .subscribe(v -> System.out.println("v = " + v),                    err -> System.out.println("err = " + err),                   () -> System.out.println("流结束"));

5. Catch, log an error-specific message, and re-throw.

捕获异常，记录特殊的错误日志，重新抛出

try {   return callExternalService(k);  }  catch (RuntimeException error) {   //make a record of the error   log("uh oh, falling back, service failed for key " + k);   throw error;  }        Flux.just(1, 2, 0, 4)  •               .map(i -> "100 / " + i + " = " + (100 / i))  •               .doOnError(err -> {  •                    System.out.println("err已被记录 = " + err);  •               }).subscribe(v -> System.out.println("v = " + v),  •                        err -> System.out.println("err = " + err),  •                       () -> System.out.println("流结束"));

异常被捕获、做自己的事情
不影响异常继续顺着流水线传播
1、不吃掉异常，只在异常发生的时候做一件事，消费者有感知

6. Use the finally block to clean up resources or a Java 7 “try-with-resource” construct.

 Flux.just(1, 2, 3, 4)           .map(i -> "100 / " + i + " = " + (100 / i))           .doOnError(err -> {                System.out.println("err已被记录 = " + err);           })           .doFinally(signalType -> {                System.out.println("流信号："+signalType);           })

7. 忽略当前异常，仅通知记录，继续推进

Flux.just(1,2,3,0,5)       .map(i->10/i)       .onErrorContinue((err,val)->{            System.out.println("err = " + err);            System.out.println("val = " + val);            System.out.println("发现"+val+"有问题了，继续执行其他的，我会记录这个问题");       }) //发生       .subscribe(v-> System.out.println("v = " + v),                err-> System.out.println("err = " + err));

10：常用操作

filter、flatMap、concatMap、flatMapMany、transform、defaultIfEmpty、switchIfEmpty、concat、concatWith、merge、mergeWith、mergeSequential、zip、zipWith…

今日内容：

常用操作
错误处理
超时与重试
Sinks工具类
- 多播
- 重放
- 背压
- 缓存
单播
阻塞式API
block
Context-API：响应式中的ThreadLocal

    Flux.just(1,2,3)           .transformDeferredContextual((flux,context)->{                System.out.println("flux = " + flux);                System.out.println("context = " + context);                return flux.map(i->i+"==>"+context.get("prefix"));           })            //上游能拿到下游的最近一次数据           .contextWrite(Context.of("prefix","哈哈"))            //ThreadLocal共享了数据，上游的所有人能看到; Context由下游传播给上游           .subscribe(v-> System.out.println("v = " + v));

ThreadLocal机制失效

ParallelFlux：
并发流

    Flux.range(1,)           .buffer(100)           .parallel(8)           .runOn(Schedulers.newParallel("yy")) .log() .subscribe();

免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://haidsoft.com/144757.html

Reactor详解

1、快速上手

介绍