再谈响应式
在前一篇文章从Reactive编程到“好莱坞”中,谈到了响应式的一些概念,讲的有些发散。 但仅仅还是停留在概念的层面,对于实战性的东西并没有涉及。
所以大家看了后,或许还是有些不痛不痒。
响应式编程强调的是异步化、面向流的处理方式,这两者也并非凭空生出,而是从大量的技术实践中总结提炼出来的概念,就比如:
- 我们谈异步化,容易联想到 Java 异步IO(Asynchronized IO),而且习惯于将其和 BIO、NIO等概念来做对比。 殊不知,老早出现的 Swing 框架(Java UI)就已经将异步化思维玩的很溜了,不信的可以看看其内部 Observer模式(观察者)的实现。
- 我们谈流式处理,容易联想到 时下当红的 Flink框架。 但几乎所有的大数据分析、批处理应用都是基于流式进行处理的,比如 ETL,甚至是一个最简单的 Map Reduce 作业。
为什么Web后端开发的,对 Reactive 没有感觉
除了前端,Reactive 概念在大数据领域的应用其实非常的广泛了。 但是对于大多数做 Web 后端开发的人来说或许普及程度并不高,以笔者自身的感受是,码了这么些年头,除了做好代码分层之外,似乎也没有见到 Reactive可以发挥重大作用的地方。 原因就在于,在Web 后端开发领域基本是依托 HTTP协议机制实现的,这是一个相当简单的 请求 -> 应答 交互模式,客户端在发送请求后,会一直等待结果返回,也就是结果的通知是由客户端主动获取而非异步通知的,因此并不是 Reactive 的风格。 但这已经是符合用户一贯的使用方式了,绝大多数情况下并不需要做什么样的变化,此时我们对响应式的感知并不深刻。
更符合Reactive 的另外一个场景是 富客户端(Rich Application),假设在需要大量复杂的前端交互的场景下,我们可以选择将一些逻辑放在前端代码中实现。
此时的 Web 交互就不再是整个页面的刷新,而是演变为客户端与服务端的"实时"双向通讯,这类应用也比较普遍了,比如基于 WebSocket 实现的 在线通信、互动应用 等等。
浅显的从趋势上看, Reactive 的前景还是很明朗的,这里并不是说因为现在多数流行的编程语言中都有它的影子(比如提供了Rx风格的框架)。
而是未来的大数据处理、实时流计算会成为主流,这是环境决定的。 而这时 Reactive 这种"面向流"的编程模式无疑是很合适的。
Java 9 支持的 Reactive Stream
Java 平台直到 JDK 9 才提供了对于 Reactive 的完整支持,而在此之前的JDK版本中,也以及存在一些有关联性的API,比如:
- Future 和 CompletableFuture接口,用于实现异步计算。 后者较前者则是完善了异步结果通知、任务串行等特性。
- Stream 接口,可以将传统的集合转换为"流"的方式进行处理,比如迭代、映射转换。
这些关联性API 并不是完整的 Reactive,Java 9所支持的 Reactive Stream API 来自于2013年的响应式流规范(Reactive Stream Specification)。
https://www.reactive-streams.org/
基于这个规范中主要定义了下面几个接口:
Java的响应式流接口统一定义在 java.util.concurrent.Flow接口
- Publisher
即数据的发布者。 Publisher 接口定义了一个subscribe方法,用于添加订阅者: - Subscriber
指数据的订阅者。 Subscriber 接口定义了4个方法,用于针对不同的事件作出响应。
首先,在subscribe方法调用成功后,Subscriber的 onSubscribe(Subscription s) 方法会被触发(Subscription 表示当前的订阅关系)。
此后,正常可以继续调用 Subscription 的 request(long n) 方法来向发布者请求数据,n是指最大的数据条目数。
发布者会产生3种不同的消息,分别对应到 Subscriber 的3个回调方法:
数据消息:对应 onNext 方法,表示发布者产生的数据。
错误消息:对应 onError 方法,表示发布者产生了错误。
结束消息:对应 onComplete 方法,表示发布者已经完成了所有数据的发布。
在上面的3种通知中,错误、结束消息都表示当前的流已经到达了终点,后面不再会有消息产生。
- Subscription
Subscription 表示的是一个订阅关系。 可以通过该对象请求数据(request方法),或者取消订阅(cancel方法)。 - Processor
Processor 表示的一种特殊的对象,既是生产者,又是订阅者。
负压的支持
负压是响应式流定义的一种重要的能力,在上述的接口中,实质上已经提供了负压的支持。
Publisher 只有在收到请求之后,才会产生数据。 这就保证了 Subscriber 可以根据自己的处理能力,确定要向 Publisher 请求的数据量,以此保证自身不会被冲垮。
范例
下面,以一个简单的代码示例来演示 Reactive Stream API 是如何使用的。
以制奶厂为例,为了提高营收,工厂推出了一个厂家直销的业务。 顾客可以直接向厂方订购一定天数的奶制品,每天则是由工厂的服务人员送货上门。
为了模拟这个场景,我们实现的代码如下:
- 制奶厂,一个Publisher实现:
public class MilkFactory extends SubmissionPublisher<String> {
private final ScheduledFuture<?> periodicTask;
private final ScheduledExecutorService scheduler;
private static final List<String> milks = Arrays.asList("益力多", "酸牛奶", "原味奶", "低脂蛋奶", "羊奶", "甜牛奶");
public MilkFactory() {
super();
//初始化定时器
scheduler = new ScheduledThreadPoolExecutor(1);
//每一天生产完牛奶并推送给消费者
periodicTask = scheduler.scheduleAtFixedRate(
() -> submit(produceMilk()), 0, 1, TimeUnit.SECONDS);
}
//随机生产牛奶
private String produceMilk() {
return milks.get((int) (Math.random() * milks.size()));
}
//关闭流
public void close() {
periodicTask.cancel(false);
scheduler.shutdown();
super.close();
}
}
MilkFactory 集成自SubmissionPublisher(一个提供缓冲的Publisher实现),其内部会启动一个定时器,用于模拟每天给用户发放生产的牛奶。
通过submit()方法可以将数据推送给用户。
- 顾客,一个Subscriber实现:
public class MilkCustomer implements Flow.Subscriber<String> {
private Flow.Subscription subscription;
private AtomicInteger available = new AtomicInteger(0);
private int dayCount;
public MilkCustomer(int dayCount) {
this.dayCount = dayCount;
}
@Override
public void onSubscribe(Flow.Subscription subscription) {
this.subscription = subscription;
//设置总量
available.set(dayCount);
//第一天
subscription.request(1);
}
@Override
public void onNext(String milk) {
System.out.println("今天的牛奶到了: " + milk);
//如果还有存量,继续请求
if(available.decrementAndGet() > 0){
subscription.request(1);
}else{
System.out.println("牛奶套餐已经派完,欢迎继续订购");
this.subscription.cancel();
}
}
@Override
public void onError(Throwable t) {
t.printStackTrace();
}
@Override
public void onComplete() {
System.out.println("closed.");
}
}
MilkCustomer 接受一个dayCount入参,即表示订购的数量,在首次订阅时会请求第一天的奶品,此后则每次收到到奶品后再请求下一天的,直到将总量消费完。
- 测试程序
执行下面的代码:
MilkFactory factory = new MilkFactory();
//订阅1周
MilkCustomer customer = new MilkCustomer(7);
factory.subscribe(customer);
输出:
今天的牛奶到了: 酸牛奶
今天的牛奶到了: 羊奶
今天的牛奶到了: 原味奶
牛奶套餐已经派完,欢迎继续订购
小结
在上例中,我们使用 Java 提供的 Reactive Stream API 实现了一个"在线送奶" 的业务流。
整个过程相对是比较简单的,最关键的地方就在于对流式处理以及订阅关系的理解。 然而目前的 Reactive 实现还没有完全的统一,比如 Spring WebFlux(SpringBoot 2支持) 仍然是基于 Reactor 私有API而不是 Reactive Stream API 来构建的,后面有机会再做下介绍。
扩展阅读
关于Future和CompletableFuture的区别
https://juejin.im/post/5adbf8226fb9a07aac240a67
原文地址:https://blog.51cto.com/14254788/2441721