Reactive(2) 响应式流与制奶厂业务

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()),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

Reactive(2) 响应式流与制奶厂业务

为什么Web后端开发的，对 Reactive 没有感觉

Java 9 支持的 Reactive Stream

范例

小结

扩展阅读

相关推荐