拆 RxJava
RxJava 这个项目已经持续四年半了，第一个 commit 是在 2012 年 3 月 18 号。我从 14 年 11 月份开始使用 RxJava，应该算是比较早的，将近两年过去了，现在 RxJava 1.x 版本已经进入稳定期，2.0 版本也已经进入了 RC 阶段。
原本打算把 Advanced RxJava 系列博客翻译完之后再拆 RxJava 的，但是前两周看了一个 JW 讲 RxJava 的视频，突然有种隐隐打通任督二脉的感觉，索性趁着中秋佳节，一鼓作气把 RxJava 好好拆开看个究竟。本文的分析基于 RxJava 截至 2016.9.16 的最新源码，非常建议大家下载 RxJava 源码之后，跟着本文，过一遍源码。
1，整体思路
拆轮子这也是第四回了，套路也算得到了很好的验证，顺着常用的场景/用例出发，理解整个过程、结构、原理，不要沉迷于细节，先对常用的内容有一个全局的概览，每一块的细节再按需深入。入手新项目也是这个思路。
对 RxJava 来说，基于目前已有的认识，我觉得主要应该抓住四个方面：
- 事件流源头（observable）怎么发出数据
- 响应者（subscriber）怎么收到数据
- 怎么对事件流进行操作（operator/transformer）
- 以及整个过程的调度（scheduler）
另外还有三点也值得一提：
- backpressure
- hook
- 测试
2，Hello world
我们先看一个最简单的 Hello world 例子：
Observable.just("Hello world")
.subscribe(word -> {
System.out.println("got " + word + " @ "
+ Thread.currentThread().getName());
});
2.1，just
逐行往下看显然是最自然的方式，那我们先看看 just()：
// Observable.java
public static <T> Observable<T> just(final T value) {
return ScalarSynchronousObservable.create(value);
}
// ScalarSynchronousObservable.java
public static <T> ScalarSynchronousObservable<T> create(T t) {
return new ScalarSynchronousObservable<T>(t); // 1
}
protected ScalarSynchronousObservable(final T t) {
super(RxJavaHooks.onCreate(new JustOnSubscribe<T>(t))); // 2
this.t = t;
}
这里一定要注意，不要沉迷于细节，否则上万行的代码绝不是一两天能看出个大概来的。
- 我们创建的是
ScalarSynchronousObservable，一个Observable的子类。 - 我们先跳过
RxJavaHooks，从名字可以得知它是用来做一些 hook 的工作的，那我们就先认为它什么也不做。所以我们传给父类构造函数的就是JustOnSubscribe，一个OnSubscribe的实现类。
Observable 的构造函数接受一个 OnSubscribe，它是一个回调，会在 Observable#subscribe 中使用，用于通知 observable 自己被订阅，它是怎么使用的，我们马上就能看到。
2.2，subscribe
我们接着看 subscribe()：
public final Subscription subscribe(final Action1 super T> onNext) {
// 省略参数检查代码
Action1<Throwable> onError =
InternalObservableUtils.ERROR_NOT_IMPLEMENTED;
Action0 onCompleted = Actions.empty();
return subscribe(new ActionSubscriber<T>(onNext,
onError, onCompleted)); // 1
}
public final Subscription subscribe(Subscriber super T> subscriber) {
return Observable.subscribe(subscriber, this);
}
static <T> Subscription subscribe(Subscriber super T> subscriber,
Observable<T> observable) {
// 省略参数检查代码
subscriber.onStart(); // 2
if (!(subscriber instanceof SafeSubscriber)) {
subscriber = new SafeSubscriber<T>(subscriber); // 3
}
try {
RxJavaHooks.onObservableStart(observable,
observable.onSubscribe).call(subscriber); // 4
return RxJavaHooks.onObservableReturn(subscriber); // 5
} catch (Throwable e) {
// 省略错误处理代码
}
}
我们抓住主要逻辑：
- 我们首先对传入的 Action 进行包装，包装为
ActionSubscriber，一个Subscriber的实现类。 - 调用
subscriber.onStart()通知 subscriber 它已经和 observable 连接起来了。这里我们就知道，onStart()就是在我们调用subscribe()的线程执行的。 - 如果传入的 subscriber 不是
SafeSubscriber，那就把它包装为一个SafeSubscriber。 - 我们再次跳过 hook，认为它什么也没做，那这里我们调用的其实就是
observable.onSubscribe.call(subscriber)。这里我们就看到了前面提到的onSubscribe的使用代码，在我们调用subscribe()的线程执行这个回调。 - 跳过 hook，那么这里就是直接返回了
subscriber。Subscriber继承了Subscription，用于取消订阅。
关于 SafeSubscriber，我们跳过源码，直接看它的文档，其中说明了这个类的作用：保证Subscriber 实例遵循 Observable contract。至于具体怎么保证的，以及 contract 的内容，大家直接看文档即可，这里不再赘述。
好了，我们已经看完了例子中两个调用的代码，但是 Hello world 是怎么被传递到打印的代码里的呢？别急，就在 observable.onSubscribe.call(subscriber) 中。
2.3，OnSubscribe
还记得 just() 的实现中，我们创建了一个 JustOnSubscribe 吗？这里我们执行的就是它实现的call() 函数：
// ScalarSynchronousObservable.java
static final class JustOnSubscribe<T> implements OnSubscribe<T> {
// ...
@Override
public void call(Subscriber super T> s) {
s.setProducer(createProducer(s, value));
}
}
static <T> Producer createProducer(Subscriber super T> s, T v) {
// ...
return new WeakSingleProducer<T>(s, v);
}
这里我们就是为 subscriber 设置了一个 WeakSingleProducer。
在 RxJava 1.x 中，数据都是从 observable push 到 subscriber 的，但要是 observable 发得太快，subscriber 处理不过来，该怎么办？一种办法是，把数据保存起来，但这显然可能导致内存耗尽；另一种办法是，多余的数据来了之后就丢掉，至于丢掉和保留的策略可以按需制定；还有一种办法就是让 subscriber 向 observable 主动请求数据，subscriber 不请求，observable 就不发出数据。它俩相互协调，避免出现过多的数据，而协调的桥梁，就是 producer。producer 的内容这里不展开，大家可以看 ReactiveIO 的文档，或者 Advanced RxJava 这个系列博客。
2.4，setProducer
我们接着看 setProducer() 的实现：
// Subscriber.java
public void setProducer(Producer p) {
long toRequest;
boolean passToSubscriber = false;
synchronized (this) {
toRequest = requested;
producer = p;
if (subscriber != null) { // 1
if (toRequest == NOT_SET) {
passToSubscriber = true;
}
}
}
if (passToSubscriber) { // 2
subscriber.setProducer(producer);
} else {
if (toRequest == NOT_SET) { // 3
producer.request(Long.MAX_VALUE);
} else {
producer.request(toRequest);
}
}
}
这里逻辑比较复杂，但是我们理清我们当前所处的状态，就简单了：
- 我们这里确实有一层包装，
ActionSubscriber->SafeSubscriber。 - 所以这里我们会发生一次 pass through，然后我们会进入 else 代码块。
- 这里所有的
requested初始值都是NOT_SET，所以我们会请求Long.MAX_VALUE，即无限个数据。
2.5，request
那我们再看 WeakSingleProducer#request() 的实现：
// ScalarSynchronousObservable.java
static final class WeakSingleProducer<T> implements Producer {
// ...
@Override
public void request(long n) {
// 省略状态检查代码
Subscriber super T> a = actual;
if (a.isUnsubscribed()) {
return;
}
T v = value;
try {
a.onNext(v);
} catch (Throwable e) {
Exceptions.throwOrReport(e, a, v);
return;
}
if (a.isUnsubscribed()) {
return;
}
a.onCompleted();
}
}
我们看到，在 request() 中，终于调用了 subscriber 的 onNext() 和 onCompleted()，那么，Hello world 就传递到了我们的 Action 中，并被打印出来了。
2.6，完整的过程
到这里我们就已经梳理出完整的调用过程了：
一切行为都由 subscribe 触发，而且都是直接的函数调用，所以都在调用 subscribe 的线程执行。
下面我们看一下调试时的调用栈：
确实和我们的分析结果一致。
3，操作符
我们把 Hello world 稍微变复杂一点，使用一个操作符：
Observable.just("Hello world")
.map(String::length)
.subscribe(word -> {
System.out.println("got " + word + " @ "
+ Thread.currentThread().getName());
});
我们使用了一个 map 操作符，把字符串转换为它的长度。
3.1，map
// Observable.java
public final <R> Observable<R> map(Func1 super T, ? extends R> func) {
return create(new OnSubscribeMap<T, R>(this, func));
}
public static <T> Observable<T> create(OnSubscribe<T> f) {
return new Observable<T>(RxJavaHooks.onCreate(f));
}
这里有两个小插曲，一是 map 的实现本来是利用 lift + Operator 实现的，但是后来改成了create + OnSubscribe（RxJava #4097）；二是 lift 的实现本来是直接调用 observable 构造函数，后来改成了调用 create（RxJava #4007）。后者先发生，引入了新的 hook 机制，前者则是为了提升一点性能。
所以这里实际上是 OnSubscribeMap 干活了。
3.2，OnSubscribeMap
那我们看看 OnSubscribeMap：
public final class OnSubscribeMap<T, R> implements OnSubscribe<R> {
final Observable<T> source;
final Func1 super T, ? extends R> transformer;
public OnSubscribeMap(Observable<T> source,
Func1 super T, ? extends R> transformer) {
this.source = source;
this.transformer = transformer;
}
@Override
public void call(final Subscriber super R> o) {
MapSubscriber<T, R> parent =
new MapSubscriber<T, R>(o, transformer); // 1
o.add(parent); // 2
source.unsafeSubscribe(parent); // 3
}
}
它的实现很直观：
- 利用传入的 subscriber 以及我们进行转换的 Func1 构造一个
MapSubscriber。 - 把一个 subscriber 加入到另一个 subscriber 中，是为了让它们可以一起取消订阅。
unsafeSubscribe相较于前面的subscribe，可想而知就是少了一层SafeSubscriber的包装。为什么不要包装？因为我们会在最后调用Observable#subscribe时进行包装，只需要包装一次即可。
转换的代码依然没有出现，它在 MapSubscriber 中。
3.3，MapSubscriber
static final class MapSubscriber<T, R> extends Subscriber<T> {
final Subscriber super R> actual;
final Func1 super T, ? extends R> mapper;
boolean done;
public MapSubscriber(Subscriber super R> actual,
Func1 super T, ? extends R> mapper) {
this.actual = actual;
this.mapper = mapper;
}
@Override
public void onNext(T t) {
R result;
try {
result = mapper.call(t); // 1
} catch (Throwable ex) {
Exceptions.throwIfFatal(ex);
unsubscribe();
onError(OnErrorThrowable.addValueAsLastCause(ex, t));
return;
}
actual.onNext(result); // 2
}
// 省略 onError，onCompleted 和 setProducer
}
MapSubscriber 依然很直观：
- 上游每新来一个数据，就用我们给的 mapper 进行数据转换。
- 再把转换之后的数据发送给下游。
这里要解释一下“上游”和“下游”的概念：按照我们写的代码顺序，just 在 map 的上面，Action1 在map 的下面，数据从 just 传递到 map 再传递到 Action1，所以对于 map 来说，just 就是上游，Action1 就是下游。数据是从上游（Observable）一路传递到下游（Subscriber）的，请求则相反，从下游传递到上游。
3.4，完整的过程
引入一个 map 操作符新增的内容并不多，而且由于责任分拆得好，每个部分的实现都很简单。结合第 2 部分基础的内容，这个例子的完整调用过程可以用下图表示：
上面的过程依然由 subscribe 触发，而且都是直接的函数调用，所以都在调用 subscribe 的线程执行。
4，线程调度
前面我们所有的过程都是通过函数调用完成的，都在 subscribe 所在的线程执行。RxJava 进行异步非常简单，只需要使用 subscribeOn 和 observeOn 这两个操作符即可。既然它俩都是操作符，那流程上就是和 map 差不多的，这里我们主要关注线程调度的实现原理。
我们先看看例子：
Observable.just("Hello world")
.map(String::length)
.subscribeOn(Schedulers.computation())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(len -> {
System.out.println("got " + len + " @ "
+ Thread.currentThread().getName());
});
4.1，subscribeOn
我们看看 subscribeOn 的实现：
public final Observable<T> subscribeOn(Scheduler scheduler) {
if (this instanceof ScalarSynchronousObservable) {
return ((ScalarSynchronousObservable<T>)this)
.scalarScheduleOn(scheduler);
}
return create(new OperatorSubscribeOn<T>(this, scheduler));
}
还记得上面的 just 吗？它创建的就是 ScalarSynchronousObservable，但是这个特殊情况我们先跳过，我们看普通的情况：通过 create + OperatorSubscribeOn 实现。
4.2，OperatorSubscribeOn
关于 scheduler/worker 的工作原理，不了解的朋友一定要先学习一下，不然下面的代码看起来估计会云里雾里，可以看 ReactiveIO 的文档，也可以看看下面几篇 Advanced RxJava 的译文：
- 调度器 Scheduler（一）：实现自定义 Scheduler
- 调度器 Scheduler（二）：自定义 ExecutorService 使用逻辑的 Worker
- 调度器 Scheduler（三）：包装多线程 Executor
- 调度器 Scheduler（四，完结）：实现 GUI 系统的 Scheduler
public final class OperatorSubscribeOn<T>
implements OnSubscribe<T> {
final Scheduler scheduler;
final Observable<T> source;
public OperatorSubscribeOn(Observable<T> source,
Scheduler scheduler) {
this.scheduler = scheduler;
this.source = source;
}
@Override
public void call(final Subscriber super T> subscriber) {
final Worker inner = scheduler.createWorker();
subscriber.add(inner); // 1
inner.schedule(new Action0() {
@Override
public void call() {
final Thread t = Thread.currentThread();
Subscriber<T> s = new Subscriber<T>(subscriber) {
@Override
public void onNext(T t) {
subscriber.onNext(t); // 2
}
// 省略 onError 和 onCompleted
@Override
public void setProducer(final Producer p) {
subscriber.setProducer(new Producer() {
@Override
public void request(final long n) {
if (t == Thread.currentThread()) {
p.request(n); // 3
} else {
inner.schedule(new Action0() {
@Override
public void call() {
p.request(n); // 4
}
});
}
}
});
}
};
source.unsafeSubscribe(s); // 5
}
});
}
}
Worker也实现了Subscription，所以可以加入到Subscriber中，用于集体取消订阅。- 在匿名
Subscriber中，收到上游的数据后，转发给下游。 Producer#request被调用时，如果调用线程就是 worker 的线程（t），就直接把请求转发给上游。- 否则还需要进行一次调度，确保调用上游的
request一定是在 worker 的线程。 - 在 worker 线程中，把自己（匿名
Subscriber）和上游连接起来。
这里我们就看到，连接上游（可能会触发请求）、向上游发请求，都是在 worker 的线程上执行的，所以如果上游处理请求的代码没有进行异步操作，那上游的代码就是在 subscribeOn 指定的线程上执行的。这就解释了网上随处可见的一个结论：
subscribeOn影响它上面的调用执行时所在的线程。
但如果仅仅是记住这么一句话，情况稍微一复杂，就必然蒙圈，所以一定要理解它的工作原理。
另外关于使用多次调用 subscribeOn 的效果，我们这里也就很清楚了，后面的 subscribeOn 只会改变前面的 subscribeOn 调度操作所在的线程，并不能改变最终被调度的代码执行的线程，但对于中途的代码执行的线程，还是会影响到的。
在上面的代码中，收到上游发来的数据之后，我们直接发给了下游，并没有进行线程切换，所以subscribeOn 并不会改变数据向下游传递时的线程，这一工作由它的搭档 observeOn 完成。
4.3，observeOn
public final Observable<T> observeOn(Scheduler scheduler) {
return observeOn(scheduler, RxRingBuffer.SIZE);
}
public final Observable<T> observeOn(Scheduler scheduler,
int bufferSize) {
return observeOn(scheduler, false, bufferSize);
}
public final Observable<T> observeOn(Scheduler scheduler,
boolean delayError, int bufferSize) {
if (this instanceof ScalarSynchronousObservable) {
return ((ScalarSynchronousObservable<T>)this)
.scalarScheduleOn(scheduler);
}
return lift(new OperatorObserveOn<T>(scheduler,
delayError, bufferSize));
}
public final <R> Observable<R> lift(
final Operator extends R, ? super T> operator) {
return create(new OnSubscribeLift<T, R>(onSubscribe,
operator));
}
observeOn 有好几个重载版本，支持指定 buffer 大小、是否延迟 Error 事件，这个 delayError 是从v1.1.1 引入的，关于它还有一个小插曲。
之前和 Ryan Hoo 碰到过一个问题，concat 两个 observable，第一个没有 error，第二个有 error，结果居然收不到第一个里面的数据，而是直接收到了第二个的 error。最后发现就是没有用
delayError参数。
这里我们依然关注普遍情况，即利用 lift + operator 实现的情况。
所以我们先看 OnSubscribeLift。
4.4，OnSubscribeLift
public final class OnSubscribeLift<T, R>
implements OnSubscribe<R> {
final OnSubscribe<T> parent;
final Operator extends R, ? super T> operator;
public OnSubscribeLift(OnSubscribe<T> parent,
Operator extends R, ? super T> operator) {
this.parent = parent;
this.operator = operator;
}
@Override
public void call(Subscriber super R> o) {
Subscriber super T> st = RxJavaHooks
.onObservableLift(operator).call(o);
st.onStart();
parent.call(st);
// 省略了异常处理代码
}
}
我们先对下游 subscriber 用操作符进行处理（跳过 hook），然后通知处理后的 subscriber，它将要和 observable 连接起来了，最后把它和上游连接起来。
这里并没有线程调度的逻辑，所以我们看 OperatorObserveOn。
4.5，OperatorObserveOn
public final class OperatorObserveOn<T> implements Operator<T, T> {
// ...
@Override
public Subscriber super T> call(Subscriber super T> child) {
if (scheduler instanceof ImmediateScheduler) {
// avoid overhead, execute directly
return child;
} else if (scheduler instanceof TrampolineScheduler) {
// avoid overhead, execute directly
return child;
} else {
ObserveOnSubscriber<T> parent = new ObserveOnSubscriber<T>(
scheduler, child, delayError, bufferSize);
parent.init();
return parent;
}
}
// ...
}
作为操作符的逻辑，还是很简单的，如果 scheduler 是ImmediateScheduler/TrampolineScheduler，就什么也不做，否则就把 subscriber 包装为ObserveOnSubscriber，看来脏活累活都是 ObserveOnSubscriber 干的了。
4.6，ObserveOnSubscriber
ObserveOnSubscriber 除了负责把向下游发送数据的操作调度到指定的线程，还负责 backpressure 支持，这导致它的实现比较复杂，所以这里只展示和分析最简单的调度功能。完整代码的分析大家可以自行阅读源码，其中还会涉及到串行访问相关的内容，建议大家先看看下面几篇 Advanced RxJava 译文：
- Operator 并发原语：串行访问（serialized access）（一），emitter-loop
- Operator 并发原语：串行访问（serialized access）（二），queue-drain
- SubscribeOn 和 ObserveOn
我们来看看简化版的调度实现（摘自上面的译文）：
Observable.create(subscriber -> {
Worker worker = scheduler.createWorker();
subscriber.add(worker);
source.unsafeSubscribe(new Subscriber<T>(subscriber) {
@Override
public void onNext(T t) {
worker.schedule(() -> subscriber.onNext(t));
}
@Override
public void onError(Throwable e) {
worker.schedule(() -> subscriber.onError(e));
}
@Override
public void onCompleted() {
worker.schedule(() -> subscriber.onCompleted());
}
});
});
这里 observeOn 调度了每个单独的 subscriber.onXXX() 调用，使得数据向下游传递的时候可以切换到指定的线程。这也同样解释了网上随处可见的另一个结论：
observeOn影响它下面的调用执行时所在的线程。
这时我们也就清楚了多次调用 observeOn 的效果，每次调用都会改变数据向下传递时所在的线程。
4.7，完整的过程
最后我们看一下整个例子的调用过程：
5，backpressure
其实在前面我们讲 just 时，就已经讲过了 backpressure：
在 RxJava 1.x 中，数据都是从 observable push 到 subscriber 的，但要是 observable 发得太快，subscriber 处理不过来，该怎么办？一种办法是，把数据保存起来，但这显然可能导致内存耗尽；另一种办法是，多余的数据来了之后就丢掉，至于丢掉和保留的策略可以按需制定；还有一种办法就是让 subscriber 向 observable 主动请求数据，subscriber 不请求，observable 就不发出数据。它俩相互协调，避免出现过多的数据，而协调的桥梁，就是 producer。
为了章节完整性，这里保留一节，更多细节的内容，可以查看 stackoverflow 上的这篇 wiki，由 Advanced RxJava 系列博客原文作者编写，非常不错。不过其内容总结来说，也就是上面这一段 :)
6，hook
在上面的内容中，我们多次遇见了 hook，为了简化逻辑，也多次跳过了 hook，这里我们就看看 hook 有什么用，工作原理是什么。
利用 hook 我们可以站在“上帝视角”，多种重要的节点上，都有 hook。例如创建 Observable（create）时，有 onCreate，我们可以进行任意想要的操作，记录、修饰、甚至抛出异常；以及和 scheduler 相关的内容，获取 scheduler 时，我们都可以进行想要的操作，例如让Scheduler.io() 返回立即执行的 scheduler。
这些内容让我们可以执行高度自定义的操作，其中就包括便于测试。
其实 hook 的原理并不复杂，在关心的节点（hook point）插桩，让我们可以操控（manipulate）程序在这些节点的行为，至于操控的策略，有一系列函数进行设置、以及清理。
目前和 hook 相关的内容主要在 RxJavaPlugins 和 RxJavaHooks 这两个类中，后者在 v1.1.7 引入，功能更加强大，使用更加方便。
7，测试
RxJava 项目本身测试覆盖率高达 84%，为了便于我们对使用 RxJava 的代码进行测试，它还专门提供了 TestSubscriber，我们可以用它来获取我们的事件流中的事件、进行验证、进行等待，使用起来非常简便。
此外，上面提到的 hook 机制也可以用来帮助我们进行测试，例如对线程调度进行一些操控。
8，总结
作为拆轮子系列第四篇，本文从基本用例出发，从四个角度对 RxJava 的原理进行了分析：
- 事件流源头（observable）怎么发出数据
- 响应者（subscriber）怎么收到数据
- 怎么对事件流进行操作（operator/transformer）
- 以及整个过程的调度（scheduler）
其中前两部分集中在第 2 节，看完这四部分之后，应该可以对 RxJava 的工作原理有一个比较清晰的认识。文中引用了好几篇 Advanced RxJava 系列博客的译文，还是非常值得看的，对于强化具体每一部分的理解非常有帮助。
文章最后还对另外三点内容简单提了一下，对于我们使用的高级需求，还是很有帮助的，但本文中仅仅作为一个导向，没有展开：
- backpressure
- hook
- 测试
拆轮子系列也已经到了第四篇，希望大家看完之后能对打通任督二脉有所助益。对我来说，看过 OkHttp 和 Retrofit 的源码之后，面对相关的问题，都会很有底气，即便当时不清楚，也能够轻松通过阅读源码寻找到答案。这个系列我会继续坚持下去，接下来应该就是 dagger 2 了。但是在此之前，我会把 RxJava scheduler 的复杂使用场景进行一个总结，敬请期待！