Java反應式框架Reactor中的Mono和Flux

碼農小胖哥發表於2020-09-28
Java框架ReactMonoUX

1. 前言

最近寫關於響應式程式設計的東西有點多，很多同學反映對Flux和Mono這兩個Reactor中的概念有點懵逼。但是目前Java響應式程式設計中我們對這兩個物件的接觸又最多，諸如Spring WebFlux、RSocket、R2DBC。我開始也對這兩個物件頭疼，所以今天我們就簡單來探討一下它們。

2. 響應流的特點

要搞清楚這兩個概念，必須說一下響應流規範。它是響應式程式設計的基石。他具有以下特點：

  • 響應流必須是無阻塞的。
  • 響應流必須是一個資料流。
  • 它必須可以非同步執行。
  • 並且它也應該能夠處理背壓。

背壓是反應流中的一個重要概念，可以理解為，生產者可以感受到消費者反饋的消費壓力，並根據壓力進行動態調整生產速率。形象點可以按照下面理解：

有沒有背壓的兩種情形

3. Publisher

由於響應流的特點，我們不能再返回一個簡單的POJO物件來表示結果了。必須返回一個類似Java中的Future的概念，在有結果可用時通知消費者進行消費響應。

Reactive Stream規範中這種被定義為Publisher<T> ，Publisher<T>是一個可以提供0-N個序列元素的提供者，並根據其訂閱者Subscriber<? super T>的需求推送元素。一個Publisher<T>可以支援多個訂閱者，並可以根據訂閱者的邏輯進行推送序列元素。下面這個Excel計算就能說明一些Publisher<T>的特點。

A1-A9就可以看做Publisher<T>及其提供的元素序列。A10-A13分別是求和函式SUM(A1:A9)、平均函式AVERAGE(A1:A9)、最大值函式MAX(A1:A9)、最小值函式MIN(A1:A9)，可以看作訂閱者Subscriber。假如說我們沒有A10-A13，那麼A1-A9就沒有實際意義，它們並不產生計算。這也是響應式的一個重要特點：當沒有訂閱時釋出者什麼也不做。

而Flux和Mono都是Publisher<T>在Reactor 3實現。Publisher<T>提供了subscribe方法，允許消費者在有結果可用時進行消費。如果沒有消費者Publisher<T>不會做任何事情，他根據消費情況進行響應。 Publisher<T>可能返回零或者多個，甚至可能是無限的，為了更加清晰表示期待的結果就引入了兩個實現模型Mono和Flux。

4. Flux

Flux 是一個發出(emit)0-N個元素組成的非同步序列的Publisher<T>,可以被onComplete訊號或者onError訊號所終止。在響應流規範中存在三種給下游消費者呼叫的方法 onNext, onComplete, 和onError。下面這張圖表示了Flux的抽象模型：

Flux

以上的的講解對於初次接觸反應式程式設計的依然是難以理解的，所以這裡有一個循序漸進的理解過程。

有些類比並不是很妥當，但是對於你循序漸進的理解這些新概念還是有幫助的。

傳統資料處理

我們在平常是這麼寫的：

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

我們通過迭代返回值List來get這些元素進行再處理（消費），這種方式有點類似廚師做了很多菜，吃不吃在於食客。需要食客主動去來吃就行了（pull的方式），至於喜歡吃什麼不喜歡吃什麼自己隨意，怎麼吃也自己隨意。

流式資料處理

在Java 8中我們可以改寫為流的表示：

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

依然是廚師做了很多菜，但是這種就更加高階了一些，提供了菜品的搭配方式（不包含具體細節），食客可以按照說明根據自己的習慣搭配著去吃，一但開始概不退換，吃完為止，過期不候。

反應式資料處理

在Reactor中我們又可以改寫為Flux表示：

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

這時候食客只需要訂餐就行了，做好了自然就呈上來，而且可以隨時根據食客的飯量進行調整。如果沒有食客訂餐那麼廚師就什麼都不用做。當然不止有這麼點特性，不過對於方便我們理解來說這就夠了。

5. Mono

Mono 是一個發出(emit)0-1個元素的Publisher<T>,可以被onComplete訊號或者onError訊號所終止。

Mono

這裡就不翻譯了，整體和Flux差不多，只不過這裡只會發出0-1個元素。也就是說不是有就是沒有。象Flux一樣，我們來看看Mono的演化過程以幫助理解。

傳統資料處理

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

直接返回符合條件的物件或者null。

Optional的處理方式

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

這個Optional我覺得就有反應式的那種味兒了，當然它並不是反應式。當我們不從返回值Optional取其中具體的物件時，我們不清楚裡面到底有沒有，但是Optional是一定客觀存在的,不會出現NPE問題。

反應式資料處理

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

和Optional有點類似的機制，當然Mono不是為了解決NPE問題的，它是為了處理響應流中單個值（也可能是Void）而存在的。

6. 總結

Flux和Mono是Java反應式中的重要概念，但是很多同學包括我在開始都難以理解它們。這其實是規定了兩種流式正規化，這種正規化讓資料具有一些新的特性，比如基於釋出訂閱的事件驅動，非同步流、背壓等等。另外資料是推送（Push）給消費者的以區別於平時我們的拉（Pull）模式。同時我們可以像Stream Api一樣使用類似map、flatmap等操作符（operator）來操作它們。對Flux和Mono這兩個概念需要花一些時間去理解它們，不能操之過急。如果你對我的這種看法有不同的觀點可以留言討論，多多關注：碼農小胖哥 獲取更多幹貨知識。

關注公眾號：Felordcn 獲取更多資訊

個人部落格：https://felord.cn

相關文章