外行人都能看懂的WebFlux,错过了血亏
前言
只有光头才能变强。
文本已收录至我的GitHub仓库,欢迎Star:
https://github.com/ZhongFuCheng3y/3y
本文知识点架构:
知识点架构如果有关注我公众号文章的同学就会发现,最近我不定时转发了一些比较好的WebFlux的文章,因为我最近在学。
我之前也说过,学习一项技术之前,先要了解为什么要学这项技术。其实这次学习WebFlux
也没有多大的原生动力,主要是在我们组内会轮流做一次技术分享,而我又不知道分享什么比较好…
之前在初学大数据相关的知识,但是这一块的时间线会拉得比较长,感觉赶不及小组内分享(而组内的同学又大部分都懂大数据,就只有我一个菜鸡,泪目)。所以,想的是:“要不我学点新东西搞搞?”。于是就花了点时间学WebFlux
啦~
这篇文章主要讲解什么是WebFlux
,带领大家入个门,希望对大家有所帮助(至少看完这篇文章,知道WebFlux是干嘛用的)
一、什么是WebFlux?
我们从Spring
的官网拉下一点点就可以看到介绍WebFlux
的地方了
从官网的简介中我们能得出什么样的信息?
我们程序员往往根据不同的应用场景选择不同的技术,有的场景适合用于同步阻塞的,有的场景适合用于异步非阻塞的。而
Spring5
提供了一整套响应式(非阻塞)的技术栈供我们使用(包括Web控制器、权限控制、数据访问层等等)。而左侧的图则是技术栈的对比啦;
响应式一般用Netty或者Servlet 3.1的容器(因为支持异步非阻塞),而Servlet技术栈用的是Servlet容器
在Web端,响应式用的是WebFlux,Servlet用的是SpringMVC
…..
总结起来,WebFlux只是响应式编程中的一部分(在Web控制端),所以一般我们用它与SpringMVC来对比。
二、如何理解响应式编程?
在上面提到了响应式编程(Reactive Programming),而WebFlux只是响应式编程的其中一个技术栈而已,所以我们先来探讨一下什么是响应式编程
从维基百科里边我们得到的定义:
reactive programming is a declarative programming paradigm concerned with data streams and the propagation of change
响应式编程(reactive programming)是一种基于数据流(data stream)和变化传递(propagation of change)的声明式(declarative)的编程范式
在维基百科上也举了个小例子:
例子意思大概如下:
在命令式编程(我们的日常编程模式)下,式子
a=b+c
,这就意味着a
的值是由b
和c
计算出来的。如果b
或者c
后续有变化,不会影响到a
的值在响应式编程下,式子
a:=b+c
,这就意味着a
的值是由b
和c
计算出来的。但如果b
或者c
的值后续有变化,会影响到a
的值
我认为上面的例子已经可以帮助我们理解变化传递(propagation of change)
那数据流(data stream)和声明式(declarative)怎么理解呢?那可以提一提我们的Stream流了。之前写过Lambda表达式和Stream流的文章,大家可以先去看看:
Lambda的语法是这样的(Stream流的使用会涉及到很多Lambda表达式的东西,所以一般先学Lambda再学Stream流):
语法Stream流的使用分为三个步骤(创建Stream流、执行中间操作、执行最终操作):
三步走执行中间操作实际上就是给我们提供了很多的API去操作Stream流中的数据(求和/去重/过滤)等等
中间操作 解释说了这么多,怎么理解数据流和声明式呢?其实是这样的:
本来数据是我们自行处理的,后来我们把要处理的数据抽象出来(变成了数据流),然后通过API去处理数据流中的数据(是声明式的)
比如下面的代码;将数组中的数据变成数据流,通过显式声明调用.sum()
来处理数据流中的数据,得到最终的结果:
public static void main(String[] args) {
int[] nums = { 1, 2, 3 };
int sum2 = IntStream.of(nums).parallel().sum();
System.out.println("结果为:" + sum2);
}
如图下所示:
数据流与声明式2.1 响应式编程->异步非阻塞
上面讲了响应式编程是什么:
响应式编程(reactive programming)是一种基于数据流(data stream)和变化传递(propagation of change)的声明式(declarative)的编程范式
也讲解了数据流/变化传递/声明式是什么意思,但说到响应式编程就离不开异步非阻塞。
从Spring官网介绍WebFlux的信息我们就可以发现asynchronous, nonblocking
这样的字样,因为响应式编程它是异步的,也可以理解成变化传递它是异步执行的。
如下图,合计的金额会受其他的金额影响(更新的过程是异步的):
合计的钱会因为其他的金额影响我们的JDK8 Stream流是同步的,它就不适合用于响应式编程(但基础的用法是需要懂的,因为响应式流编程都是操作流嘛)
而在JDK9 已经支持响应式流了,下面我们来看一下
三、JDK9 Reactive
响应式流的规范早已经被提出了:里面提到了:
Reactive Streams is an initiative to provide a standard for asynchronous stream processing with non-blocking back pressure ----->http://www.reactive-streams.org/
翻译再加点信息:
响应式流(Reactive Streams)通过定义一组实体,接口和互操作方法,给出了实现异步非阻塞背压的标准。第三方遵循这个标准来实现具体的解决方案,常见的有Reactor,RxJava,Akka Streams,Ratpack等。
规范里头实际上就是定义了四个接口:
规范的四个接口Java 平台直到 JDK 9才提供了对于Reactive的完整支持,JDK9也定义了上述提到的四个接口,在java.util.concurrent
包上
一个通用的流处理架构一般会是这样的(生产者产生数据,对数据进行中间处理,消费者拿到数据消费):
流式处理架构数据来源,一般称为生产者(Producer)
数据的目的地,一般称为消费者(Consumer)
在处理时,对数据执行某些操作一个或多个处理阶段。(Processor)
到这里我们再看回响应式流的接口,我们应该就能懂了:
Publisher(发布者)相当于生产者(Producer)
Subscriber(订阅者)相当于消费者(Consumer)
Processor就是在发布者与订阅者之间处理数据用的
在响应式流上提到了back pressure(背压)这么一个概念,其实非常好理解。在响应式流实现异步非阻塞是基于生产者和消费者模式的,而生产者消费者很容易出现的一个问题就是:生产者生产数据多了,就把消费者给压垮了。
而背压说白了就是:消费者能告诉生产者自己需要多少量的数据。这里就是Subscription接口所做的事。
下面我们来看看JDK9接口的方法,或许就更加能理解上面所说的话了:
// 发布者(生产者)
public interface Publisher<T> {
public void subscribe(Subscriber super T> s);
}
// 订阅者(消费者)
public interface Subscriber<T> {
public void onSubscribe(Subscription s);
public void onNext(T t);
public void onError(Throwable t);
public void onComplete();
}
// 用于发布者与订阅者之间的通信(实现背压:订阅者能够告诉生产者需要多少数据)
public interface Subscription {
public void request(long n);
public void cancel();
}
// 用于处理发布者 发布消息后,对消息进行处理,再交由消费者消费
public interface Processor<T,R> extends Subscriber<T>, Publisher<R> {
}
3.1 看个例子
代码中有大量的注释,我就不多BB了,建议直接复制跑一下看看:
class MyProcessor extends SubmissionPublisher<String>
implements Processor<Integer, String> {
private Subscription subscription;
@Override
public void onSubscribe(Subscription subscription) {
// 保存订阅关系, 需要用它来给发布者响应
this.subscription = subscription;
// 请求一个数据
this.subscription.request(1);
}
@Override
public void onNext(Integer item) {
// 接受到一个数据, 处理
System.out.println("处理器接受到数据: " + item);
// 过滤掉小于0的, 然后发布出去
if (item > 0) {
this.submit("转换后的数据:" + item);
}
// 处理完调用request再请求一个数据
this.subscription.request(1);
// 或者 已经达到了目标, 调用cancel告诉发布者不再接受数据了
// this.subscription.cancel();
}
@Override
public void onError(Throwable throwable) {
// 出现了异常(例如处理数据的时候产生了异常)
throwable.printStackTrace();
// 我们可以告诉发布者, 后面不接受数据了
this.subscription.cancel();
}
@Override
public void onComplete() {
// 全部数据处理完了(发布者关闭了)
System.out.println("处理器处理完了!");
// 关闭发布者
this.close();
}
}
public class FlowDemo2 {
public static void main(String[] args) throws Exception {
// 1. 定义发布者, 发布的数据类型是 Integer
// 直接使用jdk自带的SubmissionPublisher
SubmissionPublisher publiser = new SubmissionPublisher();
// 2. 定义处理器, 对数据进行过滤, 并转换为String类型
MyProcessor processor = new MyProcessor();
// 3. 发布者 和 处理器 建立订阅关系
publiser.subscribe(processor);
// 4. 定义最终订阅者, 消费 String 类型数据
Subscriber subscriber = new Subscriber() {
private Subscription subscription;
@Override
public void onSubscribe(Subscription subscription) {
// 保存订阅关系, 需要用它来给发布者响应
this.subscription = subscription;
// 请求一个数据
this.subscription.request(1);
}
@Override
public void onNext(String item) {
// 接受到一个数据, 处理
System.out.println("接受到数据: " + item);
// 处理完调用request再请求一个数据
this.subscription.request(1);
// 或者 已经达到了目标, 调用cancel告诉发布者不再接受数据了
// this.subscription.cancel();
}
@Override
public void onError(Throwable throwable) {
// 出现了异常(例如处理数据的时候产生了异常)
throwable.printStackTrace();
// 我们可以告诉发布者, 后面不接受数据了
this.subscription.cancel();
}
@Override
public void onComplete() {
// 全部数据处理完了(发布者关闭了)
System.out.println("处理完了!");
}
};
// 5. 处理器 和 最终订阅者 建立订阅关系
processor.subscribe(subscriber);
// 6. 生产数据, 并发布
publiser.submit(-111);
publiser.submit(111);
// 7. 结束后 关闭发布者
// 正式环境 应该放 finally 或者使用 try-resouce 确保关闭
publiser.close();
// 主线程延迟停止, 否则数据没有消费就退出
Thread.currentThread().join(1000);
}
}
输出的结果如下:
输出的结果流程实际上非常简单的:
流程参考资料:
https://yanbin.blog/java-9-talk-reactive-stream/#more-8877
https://blog.csdn.net/wudaoshihun/article/details/83070086
http://www.spring4all.com/article/6826
https://www.cnblogs.com/IcanFixIt/p/7245377.html
Java 8 的 Stream 主要关注在流的过滤,映射,合并,而 Reactive Stream 更进一层,侧重的是流的产生与消费,即流在生产与消费者之间的协调
说白了就是:响应式流是异步非阻塞+流量控制的(可以告诉生产者自己需要多少的量/取消订阅关系)
展望响应式编程的场景应用:
比如一个日志监控系统,我们的前端页面将不再需要通过“命令式”的轮询的方式不断向服务器请求数据然后进行更新,而是在建立好通道之后,数据流从系统源源不断流向页面,从而展现实时的指标变化曲线;
再比如一个社交平台,朋友的动态、点赞和留言不是手动刷出来的,而是当后台数据变化的时候自动体现到界面上的。
四、入门WebFlux
扯了一大堆,终于回到WebFlux了。经过上面的基础,我们现在已经能够得出一些结论的了:
WebFlux是Spring推出响应式编程的一部分(web端)
响应式编程是异步非阻塞的(是一种基于数据流(data stream)和变化传递(propagation of change)的声明式(declarative)的编程范式)
我们再回来看官网的图:
mvc or webflux4.1 简单体验WebFlux
Spring官方为了让我们更加快速/平滑到WebFlux上,之前SpringMVC那套都是支持的。也就是说:我们可以像使用SpringMVC一样使用着WebFlux。
支持SpringMVC那套WebFlux使用的响应式流并不是用JDK9平台的,而是一个叫做Reactor响应式流库。所以,入门WebFlux其实更多是了解怎么使用Reactor的API,下面我们来看看~
Reactor是一个响应式流,它也有对应的发布者(Publisher
),Reactor的发布者用两个类来表示:
Mono(返回0或1个元素)
Flux(返回0-n个元素)
而消费者则是Spring框架帮我们去完成
下面我们来看一个简单的例子(基于WebFlux环境构建):
// 阻塞5秒钟
private String createStr() {
try {
TimeUnit.SECONDS.sleep(5);
} catch (InterruptedException e) {
}
return "some string";
}
// 普通的SpringMVC方法
@GetMapping("/1")
private String get1() {
log.info("get1 start");
String result = createStr();
log.info("get1 end.");
return result;
}
// WebFlux(返回的是Mono)
@GetMapping("/2")
private Mono get2() {
log.info("get2 start");
Mono result = Mono.fromSupplier(() -> createStr());
log.info("get2 end.");
return result;
}
首先,值得说明的是,我们构建WebFlux环境启动时,应用服务器默认是Netty的:
基于Netty我们分别来访问一下SpringMVC的接口和WebFlux的接口,看一下有什么区别:
SpringMVC:
SpringMVCWebFlux:
WebFlux从调用者(浏览器)的角度而言,是感知不到有什么变化的,因为都是得等待5s才返回数据。但是,从服务端的日志我们可以看出,WebFlux是直接返回Mono对象的(而不是像SpringMVC一直同步阻塞5s,线程才返回)。
这正是WebFlux的好处:能够以固定的线程来处理高并发(充分发挥机器的性能)。
WebFlux还支持服务器推送(SSE - >Server Send Event),我们来看个例子:
/**
* Flux : 返回0-n个元素
* 注:需要指定MediaType
* @return
*/
@GetMapping(value = "/3", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
private Flux flux() {
Flux result = Flux
.fromStream(IntStream.range(1, 5).mapToObj(i -> {
try {
TimeUnit.SECONDS.sleep(1);
} catch (InterruptedException e) {
}
return "flux data--" + i;
}));
return result;
}
效果就是每秒会给浏览器推送数据:
服务器推送WebFlux我还没写完,这篇写了WebFlux支持SpringMVC那套注解来开发,下篇写写如何使用WebFlux另一种模式(Functional Endpoints)来开发以及一些常见的问题还需要补充一下~
两年呕心沥血的文章:「面试题」「基础」「进阶」这里全都有!
长按扫码可关注获取
在看和分享对我非常重要!
创作不易,各位的支持和认可,就是我创作的最大动力,我们下篇文章见! 求点赞 求关注️ 求分享? 求留言?
点击阅读原文,关注我的GitHub