如果你熟悉Java 8,同时又了解反应式编程(Reactive Programming)框架,例如RxJava和Reactor等,你可能会问:
“如果我可以用Java 8 的Stream, CompletableFuture, 以及Optional完成同样的事情,为什么还要用RxJava 或者 Reactor呢?”
原因是:大多数时候你在处理的是简单的任务,这个时候你确实不需要那些反应式编程的库。但是,当系统越来越复杂,或者你处理的本身就是个复杂的任务,你恐怕就得写一些让自己头皮发麻的代码。随着时间的推移,这些代码会变得越来越复杂和难以维护。
RxJava和Reactor提供了很多非常趁手的功能,能够支持你在未来更轻松地维护你的代码,实现新需求。但是这个优势到底有多大,具体体现在哪些方面?没有标准无法比较,让我们定义8个比较的维度,来帮助我们理解Java 8的API以及反应式编程的库之间的差别。
Composable ------------(可组装)
Lazy ---------------------(延迟执行)
Reusable ----------------(可重用)
Asynchronous ----------(异步)
Cacheable ---------------(可缓存)
Push or Pull -------------(推还是拉)
Backpressure -----------(反压)
Operator fusion --------(操作融合)
针对上面这些维度,我们比较以下的这些类:
CompletableFuture
Stream
Optional
Observable (RxJava 1)
Observable (RxJava 2)
Flowable (RxJava 2)
Flux (Reactor Core)
准备好了吗?我们开始!
上面所有的这7个类都是可组装的,支持函数式的编程方式,这是我们喜欢它们的原因。
CompletableFuture - 提供很多的.then*()方法,这些方法允许我们构建一个流水线,在不同的执行阶段之间传递一个单一的值(或者没有值),以及传递异常对象。
Stream - 提供很多的可以链式编程方式连接起来的操作,不同的操作阶段之间可以传递N个值。
Optional - 提供一些中间操作,如: .map(), .flatMap(), .filter().
Observable, Flowable, Flux - 跟Stream相同
CompletableFuture - 非延迟执行,它本质上只是一个异步结果的持有者。这些对象创建出来是为了代表对应的工作,CompletableFuture创建的时候,对应的工作已经开始执行了。它不知道关于工作的任何内容,只是关心结果。所以,没有办法能走到上游去从上到下执行整个流水线。当结果被塞到CompletableFuture对象的时候,下一个阶段开始执行。
Stream - 所有的中间操作都是延迟执行的。所有的终端操作,会触发整个计算。
Optional - 非延迟执行,所有的操作会马上发生。
Observable, Flowable, Flux - 延迟执行,没有订阅者的话,什么都不会做,只有当有订阅者的时候才会执行。
CompletableFuture - 可以重用,它只是在一个值外面做了一层包装。但需要注意一点,这个包装是可更改的。.obtrude*()方法会更改它的内容,如果你确定没有人会调用到这类方法,那么重用它还是安全的。
Stream - 不能重用。Java Doc已经说了:
A stream should be operated on (invoking an intermediate or terminal stream operation) only once. A stream implementation may throw IllegalStateException if it detects that the stream is being reused. However, since some stream operations may return their receiver rather than a new stream object, it may not be possible to detect reuse in all cases.
翻译过来就是:Stream只能被操作(调用中间操作或者终端操作)一次。如果一个stream的实现检测到流被重复使用了,它可以抛出一个IllegalStateException。但是因为某些流操作会返回他们的receiver,而不是一个新的stream对象,并不是在所有的情况下都能够检测出重用。
Optional - 完全可重用,因为它是不可变对象,而且所有工作都是立即执行的。
Observable, Flowable, Flux - 就是设计来可重用的。所有的执行会从初始点开始,走过所有阶段,前提是有订阅者。
CompletableFuture - 嗯...这个类存在的目的就是异步的把多个操作链接起来。CompletableFuture代表一个工作,后面跟一个Executor关联起来。如果你不明确指定一个executor,那么系统会使用公共的ForkJoinPool线程池来执行。这个线程池可以用ForkJoinPool.commonPool()获取到。默认的设置下它会创建系统硬件支持的线程数一样多的线程(通常就是跟CPU的核心数,如果你的CPU支持超线程,那么可能再翻一倍)。不过你也可以设置ForkJoinPool线程池的线程数,用以下JVM option:
-Djava.util.concurrent.ForkJoinPool.common.parallelism=?
或者每次调用的时候提供一个定制的Executor。
Stream - 不支持创建异步过程,但是可以支持并行的计算——通过stream.parallel()等方式创建并行流。
Optional - 不支持,它只是一个容器。
Observable, Flowable, Flux - 目标就是为了构建异步的系统,但是默认情况下还是同步的。subscribeOn和observeOn允许你来控制消息的订阅以及消息的接收(指定当你的observer的 onNext / onError / onCompleted 被调用的时候做什么事情)。
subscribeOn让你决定用哪个Scheduler来执行Observable.create。即便你自己没有调用create,系统内部也会做类似的事情。示例:
Observable
.fromCallable(() -> {
log.info("Reading on thread: " + currentThread().getName());
return eadFile("input.txt");r
})
.map(text -> {
log.info("Map on thread: " + currentThread().getName());
return text.length();
})
.subscribeOn(Schedulers.io()) // <-- setting scheduler
.subscribe(value -> {
log.info("Result on thread: " + currentThread().getName());
});
输出:
Reading file on thread: RxIoScheduler-2
Map on thread: RxIoScheduler-2
Result on thread: RxIoScheduler-2
相反的,observeOn()决定在observeOn()之后,用哪个Scheduler来运行下游的执行阶段。示例:
Observable
.fromCallable(() -> {
log.info("Reading on thread: " + currentThread().getName());
return readFile("input.txt");
})
.observeOn(Schedulers.computation()) // <-- setting scheduler
.map(text -> {
log.info("Map on thread: " + currentThread().getName());
return text.length();
})
.subscribeOn(Schedulers.io()) // <-- setting scheduler
.subscribe(value -> {
log.info("Result on thread: " + currentThread().getName());
});
输出:
Reading file on thread: RxIoScheduler-2
Map on thread: RxComputationScheduler-1
Result on thread: RxComputationScheduler-1
可缓存和可重用之间的区别是什么?举个例子,我们有一个流水线A,并且使用这个流水线两次,创建两个新的流水线 B = A + 以及 C = A + 。
- 如果B和C都能成功完成,那么这个A是可重用的。
- 如果B和C都能成功完成,并且A的每一个阶段只被调用了一次,那么这个A是可缓存的。
可以看出,一个类如果是可缓存的,必然得是可重用的。
CompletableFuture - 跟可重用的答案一样。
Stream - 不能缓存中间操作的结果,除非调用了终端操作。
Optional - ‘可缓存’,实际上,所有工作立即执行,并且做完后就保存了一个不变值,自然‘可缓存’。
Observable, Flowable, Flux - 默认情况下是不可缓存的,但是你可以把一个这些类转变成缓存,只要调用.cache()就可以。示例:
Observable
System.out.println("Doing some work");
return 10;
});
work.subscribe(System.out::println);
work.map(i -> i * 2).subscribe(System.out::println);
输出:
Doing some work
10
Doing some work
20
如果用.cache():
Observable
System.out.println("Doing some work");
return 10;
}).cache(); // <- apply caching
work.subscribe(System.out::println);
work.map(i -> i * 2).subscribe(System.out::println);
输出:
Doing some work
10
20
Stream 和 Optional - 是拉模式的。你调用不同的方法(.get(), .collect() 等)从流水线拉取结果。拉模式经常与阻塞、同步是相关联的,而这也合理。你调用一个方法,然后线程等待数据。线程会阻塞直到数据到达。
CompletableFuture, Observable, Flowable, Flux - 是推模式的。你订阅一个流水线,然后当有东西可以处理的时候你会得到通知。推模式通常意味着非阻塞、异步。当流水线在某个线程上执行的时候,你可以做任何事情。你已经定义了一段待执行的代码,作为下一个阶段的任务,当通知到达的时候,这个代码就会被执行。
要做到支持反压,流水线必须是推模式的。
Backpressure(反压) 描述的是在流水线中会发生的一种场景:某些异步的阶段处理速度跟不上,需要告诉上游生产者放慢速度。直接失败是不可接受的,因为会丢失太多数据。
Stream & Optional - 不支持反压,因为他们是拉模式。
CompletableFuture - 不需要面对这个问题,因为它只产生0个或者1个结果。
Observable(RxJava 1), Flowable, Flux - 提供一组方案解决这个问题。常用的策略是:
- Buffering(缓冲) - 把所有的onNext的值保存到缓冲区,直到下游消费它们。
- Drop Recent - 如果下游处理跟不上的话,丢弃最近的onNext值。
- Use Latest - 如果下游处理跟不上的话,只提供最近的onNext值,之前的值会被覆盖。
- None - onNext事件直接被触发,不带任何缓冲或丢弃处理。
- Exception - 如果下游处理跟不上的话,触发一个异常。
Observable(RxJava 2) - 不解决这个问题。很多RxJava 1的使用者用Observable来处理不适用反压的事件,或者是使用Observable的时候不用任何策略处理反压,这会导致不可预知的异常。所以,RxJava 2明确地区分两种情况,提供支持反压的Flowable和不支持反压的Observable。
操作融合背后的想法是,在生命周期的不同点上,改变执行阶段的链条,从而消除库的架构因素所造成的额外开销。所有这些优化都是在内部处理掉的,对外部用户来说是透明的。
只有RxJava 2 和 Reactor 支持这个特性,但支持的方式不同。总的来说,有两种类型的优化:
Macro-fusion - 用一个操作替换2个或更多的相继的操作
Micro-fusion - 在一个输出队列中结束的操作,和在一个前驱队列中开始的操作,能够共用同一个队列的实例。比如说,与其调用request(1)然后处理onOnext(),我们可以:
订阅者可以向父observable轮询值。
更多的详细信息可以参考Operator-fusion (part 1) 和 Operator-fusion (part 2)
上面的内容可以总结为一个表:
总的来说,用JDK8中的Stream, CompletableFuture, 和 Optional创建出来是为了解决特定的问题。它们解决这些问题很好用。如果它们满足你的要求,你继续用它们就好了。
但是,不同的问题有不同的复杂性。某些问题使用RxJava 或 Reactor(框架),帮助你用一种声明式的方式解决你面对的问题,而不是用一些并非为这种问题而提供的工具,来创建一种“hack”的解决方案。