通俗易懂一句话:RxJava其实就是观察者模式与异步的结合。
首先来看看观察者模式:举例在警察抓小偷这个事件中,警察作为观察者,小偷作为被观察者,在现实生活中,警察一直监控着小偷,当小偷发生盗窃行为时,警察抓住小偷。在我们Java的观察者模式中,小偷通过订阅警察,当小偷在实施盗窃行为时,通知警察此行为,由警察实施抓捕,这就是Java中的观察者模式。再比如:“按下开关,台灯点亮”,在此事件中,台灯作为观察者,通过电线观察开关的状态,响应开关点亮台灯与熄灭台灯。
从上述表述中可以得到以下几点,对于理解RxJava很重要:
我必须苦口婆心的告诉你:我们总结的这三点对于我们理解RxJava非常重要。因为上述三条分别对应了RxJava中被观察者(Observable),观察者(Observer)和操作符的职能。而观察者模式又是RxJava程序运行的骨架。
好了,进入正题:RxJava也是基于观察者模式来组建自己的程序逻辑的。就是构建被观察者(Observable)、观察者(Observer/Subscriber),然后建立二者的订阅关系实现观察,在事件传递中还可以对事件进行任意处理。Subscriber在Observe的基础上做了一些拓展,加入了新的方法,一般会更加倾向于使用Subscriber。
//创建被观察者,这是最正常的创建方法 Observable observable=Observable.create(new Observable.OnSubscribe(){ @Override public void call(Subscriber super String> subscriber) { subscriber.onNext("一二三四五"); subscriber.onNext("上山打老虎"); subscriber.onNext("老虎一发威"); subscriber.onNext("武松就发怵"); subscriber.onCompleted(); } });
//创建观察者 Subscriber subscriber=new Subscriber() { @Override public void onCompleted() { mText.append("执行观察者中的onCompleted()...\n"); mText.append("订阅完毕,结束观察...\n"); } @Override public void onError(Throwable e) { } @Override public void onNext(String s) { mText.append("执行观察者中的onNext()...\n"); mText.append(s+"...\n"); } };
//事实上,observable不止可以订阅subscriber,也可以订阅ActionX() observable.subscribe(subscriber);从这里可以看到,是被观察者订阅了观察者,而事实应该是观察者订阅被观察者,这里这样写是为了保证流式API调用风格
流式API调用风格:RxJava流式API的调用:同一个调用主体一路调用下来,一气呵成。
由于被观察者产生事件,是事件的起点,那么开头就是用Observable这个主体调用来创建被观察者,产生事件,为了保证流式API调用规则,就直接让Observable作为唯一的调用主体,一路调用下去。
一句话,背后的真实的逻辑依然是台灯订阅了开关,但是在表面上,我们让开关“假装”订阅了台灯,以便于保持流式API调用风格不变。
好了,现在分解动作都完成了,已经架构了一个基本的RxJava事件处理流程。
我们再来按照观察者模式的运作流程和流式Api的写法复习一遍:
流程图如下:
结合流程图的相应代码实例如下:
//创建被观察者,是事件传递的起点
Observable.just("On","Off","On","On")
//这就是在传递过程中对事件进行过滤操作
.filter(new Func1<String, Boolean>() {
@Override
public Boolean call(String s) {
return s!=null;
}
})
//实现订阅
.subscribe(
//创建观察者,作为事件传递的终点处理事件
new Subscriber<String>() {
@Override
public void onCompleted() {
Log.d("DDDDDD","结束观察...\n");
}
@Override
public void onError(Throwable e) {
//出现错误会调用这个方法
}
@Override
public void onNext(String s) {
//处理事件
Log.d("DDDDD","handle this---"+s)
}
);
嗯,基本上我们就把RxJava的骨架就讲完了,总结一下:
Tips: 当调用订阅操作(即调用Observable.subscribe()方法)的时候,被观察者才真正开始发出事件。
异步是相对于主线程来讲的子线程操作,在这里我们不妨使用线程调度这个概念更加贴切。
首先介绍一下RxJava的线程环境有哪些选项:
实际上线程调度只有subscribeOn()和observeOn()两个方法。对于初学者,只需要掌握两点:
subscribeOn()它指示Observable在一个指定的调度器上创建(只作用于被观察者创建阶段)。只能指定一次,如果指定多次则以第一次为准
observeOn()指定在事件传递(加工变换)和最终被处理(观察者)的发生在哪一个调度器。可指定多次,每次指定完都在下一步生效。
线程调度掌握到这个程度,在入门阶段时绝对够用的了。
我们先从一个场景出发来理解背压:
RxJava是一个观察者模式的架构,当这个架构中被观察者(Observable)和观察者(Subscriber)处在不同的线程环境中时,由于者各自的工作量不一样,导致它们产生事件和处理事件的速度不一样,这就会出现两种情况:
背压:背压是指在异步场景中,被观察者发送事件速度远快于观察者的处理速度的情况下,一种告诉上游的被观察者降低发送速度的策略,简而言之,背压就是一种流速控制的策略。
需要强调两点:
那么背压是如何做到流速控制的呢?
需要说明的时,Hot Observables 和cold Observables并不是严格的概念区分,它只是对于两类Observable形象的描述
其实也有创建了Observable之后调用诸如publish()方法就可以开始发送事件的,这里咱们暂且忽略。
我们一般使用的都是Cold Observable,除非特殊需求,才会使用Hot Observable,在这里,Hot Observable这一类是不支持背压的,而是Cold Observable这一类中也有一部分并不支持背压(比如interval,timer等操作符创建的Observable)。
懵逼了吧?
Tips: 都是Observable,结果有的支持背压,有的不支持,这就是RxJava1.X的一个问题。在2.0中,这种问题已经解决了,以后谈到2.0时再细说。
在那些不支持背压策略的操作符中使用响应式拉取数据的话,还是会抛出MissingBackpressureException。
那么,不支持背压的Observevable如何做流速控制呢?
就是虽然生产者产生事件的速度很快,但是把大部分的事件都直接过滤(浪费)掉,从而间接的降低事件发送的速度。
相关类似的操作符:Sample,ThrottleFirst....以sample为例,
Observable.interval(1, TimeUnit.MILLISECONDS)
.observeOn(Schedulers.newThread())
//这个操作符简单理解就是每隔200ms发送里时间点最近那个事件,
//其他的事件浪费掉
.sample(200,TimeUnit.MILLISECONDS)
.subscribe(new Action1() {
@Override
public void call(Long aLong) {
try {
Thread.sleep(200);
} catch (InterruptedException e) {
e.printStackTrace();
}
Log.w("TAG","---->"+aLong);
}
});
这是以杀敌一千,自损八百的方式解决这个问题,因为抛弃了绝大部分的事件,而在我们使用RxJava 时候,我们自己定义的Observable产生的事件可能都是我们需要的,一般来说不会抛弃,所以这种方案有它的缺陷。
就是虽然被观察者发送事件速度很快,观察者处理不过来,但是可以选择先缓存一部分,然后慢慢读。
相关类似的操作符:buffer,window...以buffer为例,
Observable.interval(1, TimeUnit.MILLISECONDS)
.observeOn(Schedulers.newThread())
//这个操作符简单理解就是把100毫秒内的事件打包成list发送
.buffer(100,TimeUnit.MILLISECONDS)
.subscribe(new Action1>() {
@Override
public void call(List aLong) {
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
e.printStackTrace();
}
Log.w("TAG","---->"+aLong.size());
}
});
对于不支持背压的Observable除了使用上述两类生硬的操作符之外,还有更好的选择:onBackpressurebuffer,onBackpressureDrop。
下面,我们以onBackpressureDrop为例说说用法:
Observable.interval(1, TimeUnit.MILLISECONDS)
.onBackpressureDrop()
.observeOn(Schedulers.newThread())
.subscribe(new Subscriber() {
@Override
public void onStart() {
Log.w("TAG","start");
// request(1);
}
@Override
public void onCompleted() {
}
@Override
public void onError(Throwable e) {
Log.e("ERROR",e.toString());
}
@Override
public void onNext(Long aLong) {
Log.w("TAG","---->"+aLong);
try {
Thread.sleep(100);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
});
这段代码的输出:
W/TAG: start
W/TAG: ---->0
W/TAG: ---->1
W/TAG: ---->2
W/TAG: ---->3
W/TAG: ---->4
W/TAG: ---->5
W/TAG: ---->6
W/TAG: ---->7
W/TAG: ---->8
W/TAG: ---->9
W/TAG: ---->10
W/TAG: ---->11
W/TAG: ---->12
W/TAG: ---->13
W/TAG: ---->14
W/TAG: ---->15
W/TAG: ---->1218
W/TAG: ---->1219
W/TAG: ---->1220
...
之所以出现0-15这样连贯的数据,就是是因为observeOn操作符内部有一个长度为16的缓存区,它会首先请求16个事件缓存起来....
你可能会觉得这两个操作符和上面讲的过滤和缓存很类似,确实,功能上是有些类似,但是这两个操作符提供了更多的特性,那就是可以响应下游观察者的request(n)方法了,也就是说,使用了这两种操作符,可以让原本不支持背压的Observable“支持”背压了。
备注:在RxJava 2.0以后,可以使用flowable来实现背压操作。
RxJava其实就是在观察者模式的骨架下,通过丰富的操作符和便捷的异步操作来完成对于复杂业务的处理。
参考链接:https://juejin.im/post/582b2c818ac24700618ff8f5