RxJava2.0----Flowable(被观察者)/Subscriber(观察者)

一引言

这个模式与模式一最大区别在于可以支持背压（Backpressure）,什么是背压？我们先看看一个例子：

Observable.create(new ObservableOnSubscribe() {
            @Override
            public void subscribe(ObservableEmitter e) throws Exception {
               int i = 0;                
               while (true){
                    e.onNext(“data:”+(i++));
                }
             }
           }) .subscribeOn(Schedulers.io())
                .observeOn(AndroidSchedulers.mainThread())
                .subscribe(new Consumer() {
            @Override
            public void accept(String s) throws Exception {
                Thread.sleep(2000);
                print(s);
            }
        }); 

结果：

MissingBackpressureException: create: could not emit value due to lack of requests

我们看到结果出现，这个例子最终会产生OOM异常,因为被观察者发射数据的速度大于观察者接收处理数据的速度，造成观察者的调度器中数据缓冲池无限堆积，超出了缓冲池的最大容量，导致OOM
而此时Flowable的背压策略就很好的解决这个问题。例如我们使用如下方式：

  Flowable.create(new FlowableOnSubscribe() {
            @Override
            public void subscribe(@NonNull FlowableEmitter e) throws Exception {
                 int i = 0;
                while (true){
                    e.onNext("data:"+(i++));
                }
            }
        }, BackpressureStrategy.DROP)//超出缓冲池的数据丢弃
                .subscribeOn(Schedulers.computation())
                .observeOn(AndroidSchedulers.mainThread())
                .subscribe(new Subscriber() {
            Subscription subscription;
            @Override
            public void onSubscribe(Subscription s) {
                subscription = s;
                subscription.request(1);
            }
            @Override
            public void onNext(String s) {
                try {
                    Thread.sleep(2000);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
                printThread(s);
                subscription.request(1); //处理完了，在请求数据
            }
            @Override
            public void onError(Throwable t) {

            }
            @Override
            public void onComplete() {

            }
        });

该背压策略是超出缓冲池的数据被丢弃，而观察者要求处理一个发送我一个数据，那么是否体验到背压策略的强大了呢？是否觉得好多问题都不再是问题了？哈哈，下面就好好给你安利一下Flowable背压策略。

二.Backpressure的策略

（1）被观察者和观察者在异步线程的情况下，如果被观察者发射事件的速度大于观察者接收事件的速度，就会产生Backpressure问题。但是同步情况下，Backpressure问题不会存在。
（2）Backpressure的策略仅仅是调度Subscriber接收事件，并不影响Flowable发送事件。观察者可以根据自身实际情况按需拉取数据，而不是被动接收（也就相当于告诉上游观察者把速度慢下来），最终实现了上游被观察者发送事件的速度的控制，实现了背压的策略。
（3）Backpressure的策略有5种：ERROR,BUFFER,DROP,LATEST,MISSING
ERROR策略
之前在分析Scheduler调度的时候，在观察者线程里有一个数据缓存池SimpleQueue
queue，queue在ObserveOnObserver（）构造函数里实例化一个128个大小的队列：
queue = new SpscLinkedArrayQueue(bufferSize);，
用来缓存观察者处理不了暂时缓存下来的数据，缓存池的默认大小为128，即只能缓存128个事件。这个缓存池的大小目前我还没有发现可以直接设置的方法（如果你发现了要及时@我哦）。

在ERROR策略下，如果缓存池溢出，就会立刻抛出MissingBackpressureException异常。 ERROR即保证在异步操作中，事件累积不能超过128，超过即出现异常。

Flowable.create(new FlowableOnSubscribe() {
           @Override
           public void subscribe(@NonNull FlowableEmitter e) throws Exception {
               int i = 0;
               while (true){
                   e.onNext("data:"+(i++));
               }
           }
       }, BackpressureStrategy.ERROR)//超出缓冲池的数据128个时，报Error
               .subscribeOn(Schedulers.computation())
               .observeOn(Schedulers.newThread())
               .subscribe(new Subscriber() {
                   @Override
                   public void onSubscribe(Subscription s) {
                       subscription = s;
                       subscription.request(128);
                   }

                   @Override
                   public void onNext(String s) {
                       try {
                           Thread.sleep(100);
                       } catch (InterruptedException e) {
                           e.printStackTrace();
                       }
                       printThread(s);

                   }

                   @Override
                   public void onError(Throwable t) {
                       printThread(t.getMessage());
                   }

                   @Override
                   public void onComplete() {

                   }
               });
输出：
data:0:-------RxNewThreadScheduler-1
create: could not emit value due to lack of requests：-------RxNewThreadScheduler-1

BUFFER策略
该策略是Flowable的默认策略，这里有一点要注意，很多人认为BUFFER策略就是把RxJava中默认的只能存128个事件的缓存池换成一个大的缓存池，支持存很多很多的数据。其实不是，大小没有改变，依然是128个。看看源码：

所以使用这个策略，相当于无作为，相当大的概率出现OOM.
DROP策略
在DROP策略下，当观察者来不及处理的数据将会被丢弃。即丢弃后面超出缓存区的
例子：

 Subscription subscription1;
    private void doAct2() {
        //DROP---------------分三次打印第一次0...49,第二次50...99...第三次100...127
        if(subscription1 == null) {
            tx_console.setText("DROP");
            Flowable.create(new FlowableOnSubscribe() {
                @Override
                public void subscribe(@NonNull FlowableEmitter e) throws Exception {
                    int i = 0;
                    while (true) {
                        e.onNext("data:" + (i++));
                        if (i == 1000) {
                            e.onComplete();
                            return;
                        }
                    }
                }
            }, BackpressureStrategy.DROP)//超出缓冲池的数据丢弃，丢弃最新的，保留原始的
                    .subscribeOn(Schedulers.computation())
                    .observeOn(Schedulers.newThread())
                    .subscribe(new Subscriber() {
                        @Override
                        public void onSubscribe(Subscription s) {
                            subscription1 = s;
                            subscription1.request(50);
                        }

                        @Override
                        public void onNext(String s) {
                            try {
                                Thread.sleep(100);
                            } catch (InterruptedException e) {
                                e.printStackTrace();
                            }
                            printThread(s);
                        }

                        @Override
                        public void onError(Throwable t) {

                        }

                        @Override
                        public void onComplete() {

                        }
                    });
        }else{
            subscription1.request(50);
        }
    }
输出:
data:0
data:1
......
data:127

LATEST策略
LATEST策略和DROP策略略同，区别在于LATEST策略会接收最后一个数据，即当观察者来不及处理的数据将会被丢弃。但是会保留最后一个。

例子：
 Subscription subscription2;
    private void doAct2() {
        //DROP---------------分三次打印第一次0...49,第二次50...99...第三次100...127,999
        if(subscription2 == null) {
            tx_console.setText("DROP");
            Flowable.create(new FlowableOnSubscribe() {
                @Override
                public void subscribe(@NonNull FlowableEmitter e) throws Exception {
                    int i = 0;
                    while (true) {
                        e.onNext("data:" + (i++));
                        if (i == 1000) {
                            e.onComplete();
                            return;
                        }
                    }
                }
            }, BackpressureStrategy.DROP)//超出缓冲池的数据丢弃，丢弃最新的，保留原始的
                    .subscribeOn(Schedulers.computation())
                    .observeOn(Schedulers.newThread())
                    .subscribe(new Subscriber() {
                        @Override
                        public void onSubscribe(Subscription s) {
                            subscription2 = s;
                            subscription2.request(50);
                        }

                        @Override
                        public void onNext(String s) {
                            try {
                                Thread.sleep(100);
                            } catch (InterruptedException e) {
                                e.printStackTrace();
                            }
                            printThread(s);
                        }

                        @Override
                        public void onError(Throwable t) {

                        }

                        @Override
                        public void onComplete() {

                        }
                    });
        }else{
            subscription2.request(50);
        }
    }
输出:
data:0
data:1
......
data:127
data:999

MISSING策略
在MISSING策略下，没有缓冲池，接收第一个数据以后，后面的都丢弃
例子：

 Flowable.create(new FlowableOnSubscribe() {
            @Override
            public void subscribe(@NonNull FlowableEmitter e) throws Exception {
                int i = 0;
                while (true){
                    e.onNext("data:"+(i++));
                }
            }
        }, BackpressureStrategy.MISSING)//没有缓冲池，接收第一个数据以后，后面的都丢弃
                .subscribeOn(Schedulers.computation())
                .observeOn(Schedulers.newThread())
                .subscribe(new Subscriber() {
                    @Override
                    public void onSubscribe(Subscription s) {
                        subscription = s;
                        subscription.request(128);
                    }

                    @Override
                    public void onNext(String s) {
                        try {
                            Thread.sleep(100);
                        } catch (InterruptedException e) {
                            e.printStackTrace();
                        }
                        printThread(s);

                    }

                    @Override
                    public void onError(Throwable t) {

                    }

                    @Override
                    public void onComplete() {

                    }
                });
输出：
 data:0:-------RxNewThreadScheduler-1

三.Flowable的创建

Flowable的创建是和Observable一样，可以通过操作函数,例如：create(),defer(),just()，from(),rang(),timer(),interval()等方法来创建。
也可以直接通过Observable转换创建:
Observable.toFlowable()
具体使用例子可以参考上一篇Observable的创建。

四.Subscriber的创建

在上面的例子中，我们可以看到Subscriber的创建，也需要重写四个方法onSubscribe(Subscription s)，onNext(Object s), onError(Throwable t),onComplete()
与Observer不同的是onSubscribe中回调的是Subscription，不是Disposable ，而Subscription比
Disposable 多了一个request(),其他方法功能一样。当调用了request()方法后，被观察者便发送对应数量的事件给观察者接收并处理。 Flowable在设计的时候采用了一种新的思路，也就是响应式拉取的模式，即观察者要求多少，被观察者便传给你多少。

RxJava2.0----Flowable(被观察者)/Subscriber(观察者)

一 引言

二.Backpressure的策略

三.Flowable的创建

四.Subscriber的创建

你可能感兴趣的:(RxJava2.0----Flowable(被观察者)/Subscriber(观察者))

一引言