哪家公司网站建设口碑好,温州哪里有网站,wordpress调取多个分类文章,网站硬件方案目录 1、快速上手
介绍
2、响应式编程
2.1. 阻塞是对资源的浪费
2.2. 异步可以解决问题吗#xff1f;
2.3.1. 可编排性与可读性
2.3.2. 就像装配流水线
2.3.3. 操作符#xff08;Operators#xff09;
2.3.4. subscribe() 之前什么都不会发生
2.3.5. 背压
2.3.6. …目录 1、快速上手
介绍
2、响应式编程
2.1. 阻塞是对资源的浪费
2.2. 异步可以解决问题吗
2.3.1. 可编排性与可读性
2.3.2. 就像装配流水线
2.3.3. 操作符Operators
2.3.4. subscribe() 之前什么都不会发生
2.3.5. 背压
2.3.6. 热Hot vs 冷Cold
3、核心特性
1、Mono和Flux
2、subscribe()
3、流的取消
Disposable
4、BaseSubscriber
5、背压Backpressure 和请求重塑Reshape Requests
1、buffer缓冲
2、limit限流
6、以编程方式创建序列-Sink
1、同步环境-generate
2、多线程-create
7、 handle()
8、自定义线程调度
9、错误处理
1. Catch and return a static default value. 捕获异常返回一个静态默认值
2. Catch and execute an alternative path with a fallback method.
3. Catch and dynamically compute a fallback value. 捕获并动态计算一个返回值
4. Catch, wrap to a BusinessException, and re-throw.
5. Catch, log an error-specific message, and re-throw.
6. Use the finally block to clean up resources or a Java 7 “try-with-resource” construct.
7. 忽略当前异常仅通知记录继续推进
10常用操作 1、快速上手
介绍
Reactor 是一个用于JVM的完全非阻塞的响应式编程框架具备高效的需求管理即对 “背压backpressure”的控制能力。它与 Java 8 函数式 API 直接集成比如 CompletableFuture Stream 以及 Duration。它提供了异步序列 API Flux用于[N]个元素和 Mono用于 [0|1]个元素并完全遵循和实现了“响应式扩展规范”Reactive Extensions Specification。
Reactor 的 reactor-ipc 组件还支持非阻塞的进程间通信inter-process communication, IPC。 Reactor IPC 为 HTTP包括 Websockets、TCP 和 UDP 提供了支持背压的网络引擎从而适合 应用于微服务架构。并且完整支持响应式编解码reactive encoding and decoding。
dependencyManagement dependenciesdependencygroupIdio.projectreactor/groupIdartifactIdreactor-bom/artifactIdversion2023.0.0/versiontypepom/typescopeimport/scope/dependency/dependencies
/dependencyManagement
dependenciesdependencygroupIdio.projectreactor/groupIdartifactIdreactor-core/artifactId /dependencydependencygroupIdio.projectreactor/groupIdartifactIdreactor-test/artifactId scopetest/scope/dependency
/dependencies
2、响应式编程
响应式编程是一种关注于数据流data streams和变化传递propagation of change的异步编程方式。 这意味着它可以用既有的编程语言表达静态如数组或动态如事件源的数据流。 了解历史 在响应式编程方面微软跨出了第一步它在 .NET 生态中创建了响应式扩展库Reactive Extensions library, Rx。接着 RxJava 在JVM上实现了响应式编程。后来在 JVM 平台出现了一套标准的响应式 编程规范它定义了一系列标准接口和交互规范。并整合到 Java 9 中使用 Flow 类。 响应式编程通常作为面向对象编程中的“观察者模式”Observer design pattern的一种扩展。 响应式流reactive streams与“迭代子模式”Iterator design pattern也有相通之处 因为其中也有 Iterable-Iterator 这样的对应关系。主要的区别在于Iterator 是基于 “拉取”pull方式的而响应式流是基于“推送”push方式的。 使用 iterator 是一种“命令式”imperative编程范式即使访问元素的方法是 Iterable 的唯一职责。关键在于什么时候执行 next() 获取元素取决于开发者。在响应式流中相对应的 角色是 Publisher-Subscriber但是 当有新的值到来的时候 却反过来由发布者Publisher 通知订阅者Subscriber这种“推送”模式是响应式的关键。此外对推送来的数据的操作 是通过一种声明式declaratively而不是命令式imperatively的方式表达的开发者通过 描述“控制流程”来定义对数据流的处理逻辑。 除了数据推送对错误处理error handling和完成completion信号的定义也很完善。 一个 Publisher 可以推送新的值到它的 Subscriber调用 onNext 方法 同样也可以推送错误调用 onError 方法和完成调用 onComplete 方法信号。 错误和完成信号都可以终止响应式流。可以用下边的表达式描述 onNext x 0..N [onError | onComplete]
2.1. 阻塞是对资源的浪费
现代应用需要应对大量的并发用户而且即使现代硬件的处理能力飞速发展软件性能仍然是关键因素。
广义来说我们有两种思路来提升程序性能 并行化parallelize 使用更多的线程和硬件资源。[异步] 基于现有的资源来 提高执行效率 。
通常Java开发者使用阻塞式blocking编写代码。这没有问题在出现性能瓶颈后 我们可以增加处理线程线程中同样是阻塞的代码。但是这种使用资源的方式会迅速面临 资源竞争和并发问题。
更糟糕的是阻塞会浪费资源。具体来说比如当一个程序面临延迟通常是I/O方面 比如数据库读写请求或网络调用所在线程需要进入 idle 状态等待数据从而浪费资源。
所以并行化方式并非银弹。这是挖掘硬件潜力的方式但是却带来了复杂性而且容易造成浪费。 2.2. 异步可以解决问题吗
第二种思路——提高执行效率——可以解决资源浪费问题。通过编写 异步非阻塞 的代码 任务发起异步调用后执行过程会切换到另一个 使用同样底层资源 的活跃任务然后等 异步调用返回结果再去处理。 但是在 JVM 上如何编写异步代码呢Java 提供了两种异步编程方式 回调Callbacks 异步方法没有返回值而是采用一个 callback 作为参数lambda 或匿名类当结果出来后回调这个 callback。常见的例子比如 Swings 的 EventListener。 Futures 异步方法 立即 返回一个 FutureT该异步方法要返回结果的是 T 类型通过 Future封装。这个结果并不是 立刻 可以拿到而是等实际处理结束才可用。比如 ExecutorService 执行 CallableT 任务时会返回 Future 对象。 这些技术够用吗并非对于每个用例都是如此两种方式都有局限性。
回调很难组合起来因为很快就会导致代码难以理解和维护即所谓的“回调地狱callback hell”。
考虑这样一种情景 在用户界面上显示用户的5个收藏或者如果没有任何收藏提供5个建议。 这需要3个 服务一个提供收藏的ID列表第二个服务获取收藏内容第三个提供建议内容
回调地狱Callback Hell的例子
userService.getFavorites(userId, new CallbackListString() { public void onSuccess(ListString list) { if (list.isEmpty()) { suggestionService.getSuggestions(new CallbackListFavorite() {public void onSuccess(ListFavorite list) { UiUtils.submitOnUiThread(() - { list.stream().limit(5).forEach(uiList::show); });}public void onError(Throwable error) { UiUtils.errorPopup(error);}});} else {list.stream() .limit(5).forEach(favId - favoriteService.getDetails(favId, new CallbackFavorite() {public void onSuccess(Favorite details) {UiUtils.submitOnUiThread(() - uiList.show(details));}public void onError(Throwable error) {UiUtils.errorPopup(error);}}));}}public void onError(Throwable error) {UiUtils.errorPopup(error);}
});
Reactor改造后为
userService.getFavorites(userId) .flatMap(favoriteService::getDetails) .switchIfEmpty(suggestionService.getSuggestions()) .take(5) .publishOn(UiUtils.uiThreadScheduler()) .subscribe(uiList::show, UiUtils::errorPopup);
如果你想确保“收藏的ID”的数据在800ms内获得如果超时从缓存中获取呢在基于回调的代码中 会比较复杂。但 Reactor 中就很简单在处理链中增加一个 timeout 的操作符即可。
userService.getFavorites(userId).timeout(Duration.ofMillis(800)) .onErrorResume(cacheService.cachedFavoritesFor(userId)) .flatMap(favoriteService::getDetails) .switchIfEmpty(suggestionService.getSuggestions()).take(5).publishOn(UiUtils.uiThreadScheduler()).subscribe(uiList::show, UiUtils::errorPopup); 背压backpressure 具体来说即 消费者能够反向告知生产者生产内容的速度的能力 高层次 同时也是有高价值的的抽象从而达到 并发无关 的效果 2.3.1. 可编排性与可读性
可编排性指的是编排多个异步任务的能力。比如我们将前一个任务的结果传递给后一个任务作为输入 或者将多个任务以分解再汇总fork-join的形式执行或者将异步的任务作为离散的组件在系统中 进行重用。
这种编排任务的能力与代码的可读性和可维护性是紧密相关的。随着异步处理任务数量和复杂度 的提高编写和阅读代码都变得越来越困难。就像我们刚才看到的回调模式是简单的但是缺点 是在复杂的处理逻辑中回调中会层层嵌入回调导致 回调地狱Callback Hell 。你能猜到 或有过这种痛苦经历这样的代码是难以阅读和分析的。
Reactor 提供了丰富的编排操作从而代码直观反映了处理流程并且所有的操作保持在同一层次 尽量避免了嵌套。 2.3.2. 就像装配流水线
你可以想象数据在响应式应用中的处理就像流过一条装配流水线。Reactor 既是传送带 又是一个个的装配工或机器人。原材料从源头最初的 Publisher流出最终被加工为成品 等待被推送到消费者或者说 Subscriber。
原材料会经过不同的中间处理过程或者作为半成品与其他半成品进行组装。如果某处有齿轮卡住 或者某件产品的包装过程花费了太久时间相应的工位就可以向上游发出信号来限制或停止发出原材料。 2.3.3. 操作符Operators
在 Reactor 中操作符operator就像装配线中的工位操作员或装配机器人。每一个操作符 对 Publisher 进行相应的处理然后将 Publisher 包装为一个新的 Publisher。就像一个链条 数据源自第一个 Publisher然后顺链条而下在每个环节进行相应的处理。最终一个订阅者 (Subscriber终结这个过程。请记住在订阅者Subscriber订阅subscribe到一个 发布者Publisher之前什么都不会发生。
理解了操作符会创建新的 Publisher 实例这一点能够帮助你避免一个常见的问题 这种问题会让你觉得处理链上的某个操作符没有起作用。
虽然响应式流规范Reactive Streams specification没有规定任何操作符 类似 Reactor 这样的响应式库所带来的最大附加价值之一就是提供丰富的操作符。包括基础的转换操作 到过滤操作甚至复杂的编排和错误处理操作。 2.3.4. subscribe() 之前什么都不会发生
在 Reactor 中当你创建了一条 Publisher 处理链数据还不会开始生成。事实上你是创建了 一种抽象的对于异步处理流程的描述从而方便重用和组装。
当真正“订阅subscrib”的时候你需要将 Publisher 关联到一个 Subscriber 上然后 才会触发整个链的流动。这时候Subscriber 会向上游发送一个 request 信号一直到达源头 的 Publisher。 2.3.5. 背压
向上游传递信号这一点也被用于实现 背压 就像在装配线上某个工位的处理速度如果慢于流水线 速度会对上游发送反馈信号一样。
在响应式流规范中实际定义的机制同刚才的类比非常接近订阅者可以无限接受数据并让它的源头 “满负荷”推送所有的数据也可以通过使用 request 机制来告知源头它一次最多能够处理 n 个元素。
中间环节的操作也可以影响 request。想象一个能够将每10个元素分批打包的缓存buffer操作。 如果订阅者请求一个元素那么对于源头来说可以生成10个元素。此外预取策略也可以使用了 比如在订阅前预先生成元素。
这样能够将“推送”模式转换为“推送拉取”混合的模式如果下游准备好了可以从上游拉取 n 个元素但是如果上游元素还没有准备好下游还是要等待上游的推送。 2.3.6. 热Hot vs 冷Cold
在 Rx 家族的响应式库中响应式流分为“热”和“冷”两种类型区别主要在于响应式流如何 对订阅者进行响应 一个“冷”的序列指对于每一个 Subscriber都会收到从头开始所有的数据。如果源头 生成了一个 HTTP 请求对于每一个订阅都会创建一个新的 HTTP 请求。 一个“热”的序列指对于一个 Subscriber只能获取从它开始 订阅 之后 发出的数据。不过注意有些“热”的响应式流可以缓存部分或全部历史数据。 通常意义上来说一个“热”的响应式流甚至在即使没有订阅者接收数据的情况下也可以 发出数据这一点同 “Subscribe() 之前什么都不会发生”的规则有冲突。
3、核心特性
1、Mono和Flux
Mono: 0|1 数据流
Flux: N数据流 响应式流元素内容 信号完成/异常
2、subscribe()
自定义流的信号感知回调
flux.subscribe(v- System.out.println(v v), //流元素消费throwable - System.out.println(throwable throwable), //感知异常结束()- System.out.println(流结束了...) //感知正常结束
);
自定义消费者
flux.subscribe(new BaseSubscriberString() {
// 生命周期钩子1 订阅关系绑定的时候触发Overrideprotected void hookOnSubscribe(Subscription subscription) {// 流被订阅的时候触发System.out.println(绑定了...subscription);
//找发布者要数据request(1); //要1个数据
// requestUnbounded(); //要无限数据}
Overrideprotected void hookOnNext(String value) {System.out.println(数据到达正在处理value);request(1); //要1个数据}
// hookOnComplete、hookOnError 二选一执行Overrideprotected void hookOnComplete() {System.out.println(流正常结束...);}
Overrideprotected void hookOnError(Throwable throwable) {System.out.println(流异常...throwable);}
Overrideprotected void hookOnCancel() {System.out.println(流被取消...);}
Overrideprotected void hookFinally(SignalType type) {System.out.println(最终回调...一定会被执行);}});
3、流的取消
消费者调用 cancle() 取消流的订阅
Disposable FluxString flux Flux.range(1, 10).map(i - {System.out.println(map...i);if(i9) {i 10/(9-i); //数学运算异常; doOnXxx}return 哈哈 i;}); //流错误的时候把错误吃掉转为正常信号
// flux.subscribe(); //流被订阅; 默认订阅
// flux.subscribe(v- System.out.println(v v));//指定订阅规则 正常消费者只消费正常元素
// flux.subscribe(
// v- System.out.println(v v), //流元素消费
// throwable - System.out.println(throwable throwable), //感知异常结束
// ()- System.out.println(流结束了...) //感知正常结束
// );
// 流的生命周期钩子可以传播给订阅者。// a() {// data b();// }flux.subscribe(new BaseSubscriberString() {
// 生命周期钩子1 订阅关系绑定的时候触发Overrideprotected void hookOnSubscribe(Subscription subscription) {// 流被订阅的时候触发System.out.println(绑定了...subscription);
//找发布者要数据request(1); //要1个数据
// requestUnbounded(); //要无限数据}
Overrideprotected void hookOnNext(String value) {System.out.println(数据到达正在处理value);if(value.equals(哈哈5)){cancel(); //取消流}request(1); //要1个数据}
// hookOnComplete、hookOnError 二选一执行Overrideprotected void hookOnComplete() {System.out.println(流正常结束...);}
Overrideprotected void hookOnError(Throwable throwable) {System.out.println(流异常...throwable);}
Overrideprotected void hookOnCancel() {System.out.println(流被取消...);}
Overrideprotected void hookFinally(SignalType type) {System.out.println(最终回调...一定会被执行);}});
4、BaseSubscriber
自定义消费者推荐直接编写 BaseSubscriber 的逻辑 5、背压Backpressure 和请求重塑Reshape Requests
1、buffer缓冲
FluxListInteger flux Flux.range(1, 10) //原始流10个.buffer(3).log();//缓冲区缓冲3个元素: 消费一次最多可以拿到三个元素 凑满数批量发给消费者
//
// //一次发一个一个一个发
// 10元素buffer(3)消费者请求4次数据消费完成
2、limit限流
Flux.range(1, 1000).log()//限流触发看上游是怎么限流获取数据的.limitRate(100) //一次预取30个元素 第一次 request(100)以后request(75).subscribe();
6、以编程方式创建序列-Sink
Sink.next
Sink.complete
1、同步环境-generate 2、多线程-create 7、 handle()
自定义流中元素处理规则 //Flux.range(1,10).handle((value,sink)-{System.out.println(拿到的值value);sink.next(张三value); //可以向下发送数据的通道}).log() //日志.subscribe();
8、自定义线程调度
响应式响应式编程 全异步、消息、事件回调
默认还是用当前线程生成整个流、发布流、流操作
public void thread1(){Scheduler s Schedulers.newParallel(parallel-scheduler, 4);
final FluxString flux Flux.range(1, 2).map(i - 10 i).log().publishOn(s).map(i - value i);
//只要不指定线程池默认发布者用的线程就是订阅者的线程new Thread(() - flux.subscribe(System.out::println)).start();
}
9、错误处理
命令式编程常见的错误处理方式
1. Catch and return a static default value. 捕获异常返回一个静态默认值
try {return doSomethingDangerous(10);
}
catch (Throwable error) {return RECOVERED;
}
onErrorReturn: 实现上面效果错误的时候返回一个值 1、吃掉异常消费者无异常感知 2、返回一个兜底默认值 3、流正常完成 Flux.just(1, 2, 0, 4).map(i - 100 / i (100 / i)).onErrorReturn(NullPointerException.class,哈哈-6666).subscribe(v- System.out.println(v v),err - System.out.println(err err),()- System.out.println(流结束)); // error handling example
2. Catch and execute an alternative path with a fallback method.
吃掉异常执行一个兜底方法
try {return doSomethingDangerous(10);
}
catch (Throwable error) {return doOtherthing(10);
}
onErrorResume 1、吃掉异常消费者无异常感知 2、调用一个兜底方法 3、流正常完成
Flux.just(1, 2, 0, 4).map(i - 100 / i (100 / i)).onErrorResume(err - Mono.just(哈哈-777)).subscribe(v - System.out.println(v v),err - System.out.println(err err),() - System.out.println(流结束));
3. Catch and dynamically compute a fallback value. 捕获并动态计算一个返回值
根据错误返回一个新值
try {Value v erroringMethod();return MyWrapper.fromValue(v);
}
catch (Throwable error) {return MyWrapper.fromError(error);
}
.onErrorResume(err - Flux.error(new BusinessException(err.getMessage()炸了)))
4. Catch, wrap to a BusinessException, and re-throw.
捕获并包装成一个业务异常并重新抛出
try {return callExternalService(k);
}
catch (Throwable error) {throw new BusinessException(oops, SLA exceeded, error);
}
包装重新抛出异常: 推荐用 .onErrorMap 1、吃掉异常消费者有感知 2、抛新异常 3、流异常完成
.onErrorResume(err - Flux.error(new BusinessException(err.getMessage()炸了)))Flux.just(1, 2, 0, 4).map(i - 100 / i (100 / i)).onErrorMap(err- new BusinessException(err.getMessage(): 又炸了...)).subscribe(v - System.out.println(v v),err - System.out.println(err err),() - System.out.println(流结束));
5. Catch, log an error-specific message, and re-throw.
捕获异常记录特殊的错误日志重新抛出
try {
return callExternalService(k);
}
catch (RuntimeException error) {
//make a record of the error
log(uh oh, falling back, service failed for key k);
throw error;
}Flux.just(1, 2, 0, 4)
• .map(i - 100 / i (100 / i))
• .doOnError(err - {
• System.out.println(err已被记录 err);
• }).subscribe(v - System.out.println(v v),
• err - System.out.println(err err),
• () - System.out.println(流结束)); 异常被捕获、做自己的事情 不影响异常继续顺着流水线传播 1、不吃掉异常只在异常发生的时候做一件事消费者有感知
6. Use the finally block to clean up resources or a Java 7 “try-with-resource” construct. Flux.just(1, 2, 3, 4).map(i - 100 / i (100 / i)).doOnError(err - {System.out.println(err已被记录 err);}).doFinally(signalType - {System.out.println(流信号signalType);})
7. 忽略当前异常仅通知记录继续推进
Flux.just(1,2,3,0,5).map(i-10/i).onErrorContinue((err,val)-{System.out.println(err err);System.out.println(val val);System.out.println(发现val有问题了继续执行其他的我会记录这个问题);}) //发生.subscribe(v- System.out.println(v v),err- System.out.println(err err));
10常用操作
filter、flatMap、concatMap、flatMapMany、transform、defaultIfEmpty、switchIfEmpty、concat、concatWith、merge、mergeWith、mergeSequential、zip、zipWith... 今日内容 常用操作 错误处理 超时与重试 Sinks工具类 单播 多播 重放 背压 缓存 阻塞式API block Context-API响应式中的ThreadLocal ThreadLocal机制失效 Flux.just(1,2,3).transformDeferredContextual((flux,context)-{System.out.println(flux flux);System.out.println(context context);return flux.map(i-icontext.get(prefix));})//上游能拿到下游的最近一次数据.contextWrite(Context.of(prefix,哈哈))//ThreadLocal共享了数据上游的所有人能看到; Context由下游传播给上游.subscribe(v- System.out.println(v v)); ParallelFlux 并发流 Flux.range(1,1000000).buffer(100).parallel(8).runOn(Schedulers.newParallel(yy))
.log()
.subscribe();
