ReactiveX是Reactive Extensions的缩写,一般简写为Rx,最初是LINQ的一个扩展,由微软的架构师Erik Meijer领导的团队开发,在2012年11月开源,Rx是一个编程模型,目标是提供一致的编程接口,帮助开发者更方便的处理异步数据流,Rx库支持.NET、JavaScript和C++,Rx近几年越来越流行了,现在已经支持几乎全部的流行编程语言了,Rx的大部分语言库由ReactiveX这个组织负责维护,比较流行的有RxJava/RxJS/Rx.NET。
rxjava是ReactiveX在java平台的一个实现。是一个编程模型,以观察者模式提供链式的接口调用,动态控制线程的切换,使得可以简便的处理异步数据流。
Github: rxjava
中文文档: ReactiveX/RxJava文档中文版
官网: reactivex
观察者模式定义对象间一种一对多的依赖关系,使得每当一个对象改变状态,则所以依赖于它的对象都会得到通知并被自动更新。rxjava的核心设计就是采用观察者模式。Observable是被观察者,Observer是观察者,通过subscribe方法进行订阅。
观察者和被观察者之间是抽象解耦,应对业务变化
增强系统灵活性、可扩展性
具体代码示例可参考设计模式-观察者模式
在应用观察者模式时需要考虑一下开发效率和运行效率问题,程序中包括一个被观察者、多个观察者、开发和调试等内容会比较复杂,而且在Java中消息的通知默认是顺序执行,一个观察者卡顿,会影响整体的执行效率,在这种情况下,一般考虑采用异步的方式
gradle引入版本
implementation 'io.reactivex.rxjava2:rxjava:2.2.0' implementation 'io.reactivex.rxjava2:rxandroid:2.1.0'
接着举一个常用的rxjava使用的例子,我们在项目经常需要请求服务端接口,然后获取数据,将数据进行缓存,然后处理ui上的显示。示例的代码如下:
Observable.create(new ObservableOnSubscribe<Response>() { @Override public void subscribe(ObservableEmitter<Response> e) throws Exception { //获取服务端的接口数据 Request.Builder builder = new Request.Builder() .url("http://xxx.com") .get(); Request request = builder.build(); Call call = new OkHttpClient().newCall(request); Response response = call.execute(); e.onNext(response); } }).map(new Function<Response, Model>() { @Override public Model apply( Response response) throws Exception { //将json数据转化为对应的Model if (response.isSuccessful()) { ResponseBody body = response.body(); if (body != null) { Log.e(TAG, "map:转换前:" + response.body()); return new Gson().fromJson(body.string(), Model.class); } } return null; } }).doOnNext(new Consumer<Model>() { @Override public void accept( Model s) throws Exception { //对数据进行其他缓存的处理 Log.e(TAG, "doOnNext: 保存网络加载的数据:" + s.toString() + "/n"); } }).subscribeOn(Schedulers.io()) .observeOn(AndroidSchedulers.mainThread()) .subscribe(new Consumer<Model>() { @Override public void accept(Model model) throws Exception { //刷新ui Log.e(TAG, "成功刷新界面:" + data.toString() + "/n"); } }, new Consumer<Throwable>() { @Override public void accept(Throwable throwable) throws Exception { //进行失败的异常提示 Log.e(TAG, "失败处理异常:" + throwable.getMessage() + "/n"); } });
本文主要对rxjava的源码进行梳理分析,关于rxjava操作符的使用,推荐参考中文的文档,以及下面的博文介绍。
这可能是最好的RxJava 2.x 教程(完结版)
rxjava主要是采用观察者模式进行设计,当执行相关的操作符是会生成新的Observable及Observer。Observable会持有上游被观察者,Observer会持有下游的观察者。当执行subscribe订阅方法的时候,通过持有上游的被观察者对象,会往上游逐步执行订阅方法。当执行到起始的被观察者回调方法时,如果执行ObservableEmitter的onNext方法时,由于Observer会持有下游的Observer对象,会逐步调用下游的onNext方法,直到最终subscribe传入的观察者实例。这是rxjava链式调用的核心执行流程。
当然rxjava还涉及到线程的调度及数据的背压处理,关于这些实现的原理会再后续进行梳理。但rxjava的链式调用的核心执行流程都是一致。下面我们将通过2个部分来梳理rxjava的核心执行流程,包含一些关键类的说明,及通过示例的代码相关的执行流程图进行梳理。
类 | 说明 |
---|---|
ObservableSource | 接口类,只有一个subscribe方法,参数是Observer对象 |
Observer | 接口类,观察者。有onSubscribe、onNext、onError、onComplete方法 |
Consumer | 接口有,观察者。只有一个accept方法,在被订阅时最终也会转换成Observer,设计这个类是为了简化调用 |
Observable | 抽象类,继承了ObservableSource接口,操作符的实现都是继承与它。内部封装了大量的操作符调用方法,主要是有一个核心的抽象方法abstract void subscribeActual(Observer<? super T> observer),用于实现相关的订阅分发逻辑。 |
AbstractObservableWithUpstream | 继承于Observable,构造方法需要传入ObservableSource
|
ObservableCreate | 继承于AbstractObservableWithUpstream,source为ObservableOnSubscribe。subscribeActual方法会实例化一个CreateEmitter对象,执行ObservableOnSubscribe的subscribe方法 |
ObservableMap | 继承于AbstractObservableWithUpstream,订阅会新生产一个观察者MapObserver |
MapObserver | ObservableMap的内部类,onNext方法会触发mapper.apply(t)回调,然后执行下游观察者的onNext方法 |
ObservableDoOnEach | 继承于AbstractObservableWithUpstream,订阅会新生产一个观察者DoOnEachObserver |
DoOnEachObserver | ObservableDoOnEach的内部类,onNext会执行onNext.accept(t)方法,然后执行下游观察者的onNext方法 |
ObservableSubscribeOn | 继承于AbstractObservableWithUpstream,被观察者线程调度控制。subscribeActual会执行scheduler.scheduleDirect(new SubscribeTask(parent)),SubscribeTask的run方法会执行source.subscribe(parent)。ObservableSubscribeOn根据线程调度器的策略去执行上游的订阅方法实现。 |
ObservableObserveOn | 继承于AbstractObservableWithUpstream,观察者线程调度控制。subscribeActual方法会判断scheduler是否为TrampolineScheduler。若是则执行下游的观察者,否会创建新的ObserveOnObserver,并传入schedule的work。 |
ObserveOnObserver | ObservableObserveOn内部类,onNext会触发执行schedule()方法,根据worker去控制下游观察者的回调线程 |
首先我们根据上面demo例子,梳理出rxjava的简单执行流程,如下图:
通过流程图可知,rxjava当执行相关的操作符是会生成新的Observable及Observer。Observable会持有上游被观察者,Observer会持有下游的观察者。当执行subscribe订阅方法的时候,通过持有上游的被观察者对象,会往上游逐步执行订阅方法。当执行到起始的被观察者回调方法时,如果执行ObservableEmitter的onNext方法时,由于Observer会持有下游的Observer对象,会逐步调用下游的onNext方法,直到最终subscribe传入的观察者实例。
了解了rxjava大致的执行流程,下面我们来详细的看看源码的执行流程。首先还是先上一下整体的流程图,由于图片较大,建议结合上述的demo及rxjava的源码进行查看。
下面我们分配通过几个操作符来看看rxjava源码具体的实现。
create的操作符会返回一个ObservableCreate的被观察者。
public static <T> Observable<T> create(ObservableOnSubscribe<T> source) { ObjectHelper.requireNonNull(source, "source is null"); return RxJavaPlugins.onAssembly(new ObservableCreate<T>(source)); }
接下来看看ObservableCreate对象的关键实现代码,如下:
//构造方法会传入ObservableOnSubscribe接口的引用,指定为该被观察者的source。 public ObservableCreate(ObservableOnSubscribe<T> source) { this.source = source; } //核心的subscribeActual @Override protected void subscribeActual(Observer<? super T> observer) { //创建了CreateEmitter发射器 CreateEmitter<T> parent = new CreateEmitter<T>(observer); observer.onSubscribe(parent); try { //执行了ObservableOnSubscribe的subscribe回调方法,传入了CreateEmitter对象 source.subscribe(parent); } catch (Throwable ex) { Exceptions.throwIfFatal(ex); parent.onError(ex); } }
当我们在业务代码执行了ObservableEmitter的onNext方法,我们看一下CreateEmitter的onNext的实现代码,如下:
//持有下游的观察者引用 CreateEmitter(Observer<? super T> observer) { this.observer = observer; } @Override public void onNext(T t) { if (t == null) { onError(new NullPointerException("onNext called with null. Null values are generally not allowed in 2.x operators and sources.")); return; } //如果没有取消订阅,则会执行下游的观察者的onNext方法,达到链式调用的效果 if (!isDisposed()) { observer.onNext(t); } }
map的操作符会返回一个ObservableMap的被观察者。
@CheckReturnValue @SchedulerSupport(SchedulerSupport.NONE) public final <R> Observable<R> map(Function<? super T, ? extends R> mapper) { ObjectHelper.requireNonNull(mapper, "mapper is null"); return RxJavaPlugins.onAssembly(new ObservableMap<T, R>(this, mapper)); }
接下来看看ObservableMap对象的关键实现代码,如下:
@Override public void subscribeActual(Observer<? super U> t) { //将上游的被观察者订阅MapObserver观察者 source.subscribe(new MapObserver<T, U>(t, function)); }
接下来主要看看MapObserver的onNext方法,该方法会在ObservableEmitter的onNext方法触发后被调用,如下:
//持有下游的观察者和回调函数mapper MapObserver(Observer<? super U> actual, Function<? super T, ? extends U> mapper) { super(actual); this.mapper = mapper; } @Override public void onNext(T t) { if (done) { return; } if (sourceMode != NONE) { actual.onNext(null); return; } U v; try { //map的核心执行代码,mapper.apply(t)会执行数据的转换,并将转换后的结果v继续交由下游的观察者执行 v = ObjectHelper.requireNonNull(mapper.apply(t), "The mapper function returned a null value."); } catch (Throwable ex) { fail(ex); return; } //将转换后的结果v继续交由下游的观察者执行 actual.onNext(v); }
doOnNext的操作符会返回一个ObservableDoOnEach的被观察者。
private Observable<T> doOnEach(Consumer<? super T> onNext, Consumer<? super Throwable> onError, Action onComplete, Action onAfterTerminate) { ObjectHelper.requireNonNull(onNext, "onNext is null"); ObjectHelper.requireNonNull(onError, "onError is null"); ObjectHelper.requireNonNull(onComplete, "onComplete is null"); ObjectHelper.requireNonNull(onAfterTerminate, "onAfterTerminate is null"); return RxJavaPlugins.onAssembly(new ObservableDoOnEach<T>(this, onNext, onError, onComplete, onAfterTerminate)); }
接下来看看ObservableDoOnEach对象的关键实现代码,如下:
@Override public void subscribeActual(Observer<? super T> t) { //实例化一个DoOnEachObserver的观察者对象 source.subscribe(new DoOnEachObserver<T>(t, onNext, onError, onComplete, onAfterTerminate)); }
这里核心我们还是要看DoOnEachObserver的onNext对于数据的处理,如下:
@Override public void onNext(T t) { if (done) { return; } try { //回调accept方法 onNext.accept(t); } catch (Throwable e) { Exceptions.throwIfFatal(e); s.dispose(); onError(e); return; } //继续往下游调用观察者的onNext actual.onNext(t); }
subscribeOn的操作符会返回一个ObservableSubscribeOn的被观察者,并传入scheduler线程调度参数。
@CheckReturnValue @SchedulerSupport(SchedulerSupport.CUSTOM) public final Observable<T> subscribeOn(Scheduler scheduler) { ObjectHelper.requireNonNull(scheduler, "scheduler is null"); return RxJavaPlugins.onAssembly(new ObservableSubscribeOn<T>(this, scheduler)); }
接下来看看ObservableSubscribeOn对象的关键实现代码,如下:
public ObservableSubscribeOn(ObservableSource<T> source, Scheduler scheduler) { super(source); this.scheduler = scheduler; } @Override public void subscribeActual(final Observer<? super T> s) { //创建了SubscribeOnObserver的观察者 final SubscribeOnObserver<T> parent = new SubscribeOnObserver<T>(s); s.onSubscribe(parent); //这个是核心方法,调用了线程调度去的scheduleDirect方法,并传入SubscribeTask任务 parent.setDisposable(scheduler.scheduleDirect(new SubscribeTask(parent))); }
接下来我们看看SubscribeTask的实现,如下:
final class SubscribeTask implements Runnable { private final SubscribeOnObserver<T> parent; SubscribeTask(SubscribeOnObserver<T> parent) { this.parent = parent; } @Override public void run() { //执行上游被观察的订阅方法,这里就是subscribeOn将上游的订阅方法控制在scheduler指定线程执行的核心 source.subscribe(parent); } }
最后看下SubscribeOnObserver的onNext方法,比较简单,直接执行下游观察者的onNext方法,如下:
@Override public void onNext(T t) { actual.onNext(t); }
关于scheduler的具体实现,在后续的线程原理进行分析。这里我们只需要知道上游的被观察者的订阅在指定的scheduler线程策略中执行就可以了。
observerOn 的操作符会返回一个ObservableObserveOn的被观察者,并传入scheduler线程调度参数。
@CheckReturnValue @SchedulerSupport(SchedulerSupport.CUSTOM) public final Observable<T> observeOn(Scheduler scheduler, boolean delayError, int bufferSize) { ObjectHelper.requireNonNull(scheduler, "scheduler is null"); ObjectHelper.verifyPositive(bufferSize, "bufferSize"); return RxJavaPlugins.onAssembly(new ObservableObserveOn<T>(this, scheduler, delayError, bufferSize)); }
接下来看看ObservableObserveOn对象的关键实现代码,如下:
@Override protected void subscribeActual(Observer<? super T> observer) { //TrampolineScheduler 如果是当前的线程 则直接将下游的观察者与上游的被观察订阅 if (scheduler instanceof TrampolineScheduler) { source.subscribe(observer); } else { //其他线程策略 Scheduler.Worker w = scheduler.createWorker(); //将线程策略的worker传入ObserveOnObserver观察者 source.subscribe(new ObserveOnObserver<T>(observer, w, delayError, bufferSize)); } }
接下来关键还是看ObserveOnObserver的实现,如下:
@Override public void onNext(T t) { // 上一级的模式如果不是异步的,加入队列 if (sourceMode != QueueDisposable.ASYNC) { queue.offer(t); } //进行线程调度 schedule(); } void schedule() { // 判断当前正在执行的任务数目 if (getAndIncrement() == 0) { worker.schedule(this); } }
ObserveOnObserver本身继承了Runnable接口,run方法实现如下:
@Override public void run() { //输出结果是否融合 if (outputFused) { drainFused(); } else { drainNormal(); } }
我们先进入drainNormal方法:
void drainNormal() { int missed = 1; final SimpleQueue<T> q = queue; final Observer<? super T> a = actual; //第一层循环 for (;;) { // 检查异常处理 if (checkTerminated(done, q.isEmpty(), a)) { return; } //第二层循环 for (;;) { boolean d = done; T v; //从队列中获取数据 v = q.poll(); boolean empty = v == null; // 检查异常 if (checkTerminated(d, empty, a)) { return; } //如果没有数据了,跳出 if (empty) { break; } //执行下一次操作。 a.onNext(v); } //减掉执行的次数,并获取剩于任务数量,然后再次循环 //直到获取剩余任务量为0,跳出循环 missed = addAndGet(-missed); if (missed == 0) { break; } } }
关于scheduler的具体实现,在后续的线程原理进行分析。这里我们只需要知道下游的观察者的onNext在指定的scheduler线程策略中执行就可以了。
@SchedulerSupport(SchedulerSupport.NONE) @Override public final void subscribe(Observer<? super T> observer) { ObjectHelper.requireNonNull(observer, "observer is null"); try { observer = RxJavaPlugins.onSubscribe(this, observer); ObjectHelper.requireNonNull(observer, "Plugin returned null Observer"); subscribeActual(observer); } catch (NullPointerException e) { // NOPMD throw e; } catch (Throwable e) { Exceptions.throwIfFatal(e); // can't call onError because no way to know if a Disposable has been set or not // can't call onSubscribe because the call might have set a Subscription already RxJavaPlugins.onError(e); NullPointerException npe = new NullPointerException("Actually not, but can't throw other exceptions due to RS"); npe.initCause(e); throw npe; } }
最后的订阅方法在做了非空检查后,会调用subscribeActual方法,开始往上游逐层执行订阅。
通过上面的流程分析,我们可以知道。如果使用create创建了Observable,在ObservableOnSubscribe的subscribe方法中会通过ObservableEmitter的onNext去发送数据,onNext会触发开始往下游观察者传递数据。当然rxjava的创建型操作符还有很多,如just、from等,本质最后都是触发下游观察者的onNext进行数据的发送。
通过源码分析,每一个链层的Observer都会持有相邻下游的Observer对象,当开始发送数据时,会依次链式执行Observer的onNext方法,最后执行到subscribe方法中创建的Observer对象。
每一个链层的Observable 都会持有相邻上游的Observable对象,在subscribe方法开始调用后,最后会执行到subscribeActual方法,在subscribeActual方法中会将观察者与上游的被观察执行订阅。
rxjava的Scheduler有很多种实现,下面我们介绍Scheduler的相关说明,然后通过最常用的.subscribeOn(Schedulers.io()).observeOn(AndroidSchedulers.mainThread())来分析具体的线程调度流程。
我们在调用subscribeOn与observeOn时,都会传入Scheduler对象,首先我们先看一下Scheduler的种类及其功能
Scheduler种类 | 说明 |
---|---|
Schedulers.io( ) | 用于IO密集型的操作,例如读写SD卡文件,查询数据库,访问网络等,具有线程缓存机制,在此调度器接收到任务后,先检查线程缓存池中,是否有空闲的线程,如果有,则复用,如果没有则创建新的线程,并加入到线程池中,如果每次都没有空闲线程使用,可以无上限的创建新线程 |
Schedulers.newThread( ) | 在每执行一个任务时创建一个新的线程,不具有线程缓存机制,因为创建一个新的线程比复用一个线程更耗时耗力,虽然使用Schedulers.io( )的地方,都可以使用Schedulers.newThread( ),但是,Schedulers.newThread( )的效率没有Schedulers.io( )高 |
Schedulers.computation() | 用于CPU 密集型计算任务,即不会被 I/O 等操作限制性能的耗时操作,例如xml,json文件的解析,Bitmap图片的压缩取样等,具有固定的线程池,大小为CPU的核数。不可以用于I/O操作,因为I/O操作的等待时间会浪费CPU |
Schedulers.trampoline() | 在当前线程立即执行任务,如果当前线程有任务在执行,则会将其暂停,等插入进来的任务执行完之后,再将未完成的任务接着执行 |
Schedulers.single() | 拥有一个线程单例,所有的任务都在这一个线程中执行,当此线程中有任务执行时,其他任务将会按照先进先出的顺序依次执行 |
Scheduler.from(Executor executor) | 指定一个线程调度器,由此调度器来控制任务的执行策略 |
AndroidSchedulers.mainThread() | 在Android UI线程中执行任务,为Android开发定制 |
根据上面的分析,subscribeOn()方法最后会执行到subscribeActual方法,SubscribeTask上面分析了,继承了Runnable接口, run方法最后会执行source.subscribe(parent)方法。
@Override public void subscribeActual(final Observer<? super T> s) { final SubscribeOnObserver<T> parent = new SubscribeOnObserver<T>(s); s.onSubscribe(parent); parent.setDisposable(scheduler.scheduleDirect(new SubscribeTask(parent))); }
这里我们主要要分析scheduler.scheduleDirect()方法。
@NonNull public Disposable scheduleDirect(@NonNull Runnable run) { return scheduleDirect(run, 0L, TimeUnit.NANOSECONDS); } @NonNull public Disposable scheduleDirect(@NonNull Runnable run, long delay, @NonNull TimeUnit unit) { //创建一个Worker对象 final Worker w = createWorker(); final Runnable decoratedRun = RxJavaPlugins.onSchedule(run); //DisposeTasky也是一个包装类 继承了Runnable接口 DisposeTask task = new DisposeTask(decoratedRun, w); //这里是关键的实现,执行了worker的schedule方法 w.schedule(task, delay, unit); return task; }
Worker的schedule是一个抽象的方法,Schedulers.io()对应的Worker实现为EventLoopWorker。我们看看EventLoopWorker的schedule实现如下:
static final class EventLoopWorker extends Scheduler.Worker { private final CompositeDisposable tasks; private final CachedWorkerPool pool; private final ThreadWorker threadWorker; final AtomicBoolean once = new AtomicBoolean(); EventLoopWorker(CachedWorkerPool pool) { this.pool = pool; this.tasks = new CompositeDisposable(); this.threadWorker = pool.get(); } @Override public void dispose() { if (once.compareAndSet(false, true)) { tasks.dispose(); // releasing the pool should be the last action pool.release(threadWorker); } } @Override public boolean isDisposed() { return once.get(); } @NonNull @Override public Disposable schedule(@NonNull Runnable action, long delayTime, @NonNull TimeUnit unit) { if (tasks.isDisposed()) { // don't schedule, we are unsubscribed return EmptyDisposable.INSTANCE; } return threadWorker.scheduleActual(action, delayTime, unit, tasks); } }
这里会执行到 threadWorker的scheduleActual方法,继续往下看
public ScheduledRunnable scheduleActual(final Runnable run, long delayTime, @NonNull TimeUnit unit, @Nullable DisposableContainer parent) { Runnable decoratedRun = RxJavaPlugins.onSchedule(run); ScheduledRunnable sr = new ScheduledRunnable(decoratedRun, parent); if (parent != null) { if (!parent.add(sr)) { return sr; } } Future<?> f; try { if (delayTime <= 0) { f = executor.submit((Callable<Object>)sr); } else { f = executor.schedule((Callable<Object>)sr, delayTime, unit); } sr.setFuture(f); } catch (RejectedExecutionException ex) { if (parent != null) { parent.remove(sr); } RxJavaPlugins.onError(ex); } return sr; }
在这里会使用executor最终去执行run方法。当然看到这里有一个疑问IoScheduler在这里是怎么实现线程的复用呢?我们看看threadWorker在IoScheduler中的线程的创建,如下:
EventLoopWorker(CachedWorkerPool pool) { this.pool = pool; this.tasks = new CompositeDisposable(); this.threadWorker = pool.get(); }
这里会通过维护一个Worker的线程池来达到线程复用的效果,具体我们看看CachedWorkerPool的get方法,如下:
ThreadWorker get() { if (allWorkers.isDisposed()) { return SHUTDOWN_THREAD_WORKER; } //从已经release的work线程队列中获取缓存 while (!expiringWorkerQueue.isEmpty()) { ThreadWorker threadWorker = expiringWorkerQueue.poll(); //如果找到,返回复用的线程 if (threadWorker != null) { return threadWorker; } } // 如果没有,则会创建一个新的ThreadWorker ThreadWorker w = new ThreadWorker(threadFactory); allWorkers.add(w); return w; }
@Override protected void subscribeActual(Observer<? super T> observer) { //如果指定当前线程 则不进行调度 if (scheduler instanceof TrampolineScheduler) { source.subscribe(observer); } else { //创建Worker Scheduler.Worker w = scheduler.createWorker(); //实例化ObserveOnObserver观察者并传入Worker source.subscribe(new ObserveOnObserver<T>(observer, w, delayError, bufferSize)); } }
这里我们主要需要分析ObserveOnObserver对象,onNext实现如下:
@Override public void onNext(T t) { if (done) { return; } if (sourceMode != QueueDisposable.ASYNC) { queue.offer(t); } schedule(); } void schedule() { if (getAndIncrement() == 0) { worker.schedule(this); } }
关键还是执行了worker的schedule,AndroidSchedulers的实现主要为HandlerScheduler,HandlerScheduler中关于Worker的实现为HandlerWorker,我们看下schedule的实现如下:
public Disposable schedule(Runnable run, long delay, TimeUnit unit) { if (run == null) throw new NullPointerException("run == null"); if (unit == null) throw new NullPointerException("unit == null"); if (disposed) { return Disposables.disposed(); } run = RxJavaPlugins.onSchedule(run); ScheduledRunnable scheduled = new ScheduledRunnable(handler, run); Message message = Message.obtain(handler, scheduled); message.obj = this; // Used as token for batch disposal of this worker's runnables. if (async) { message.setAsynchronous(true); } //通过handler发送消息执行run接口 handler.sendMessageDelayed(message, unit.toMillis(delay)); // Re-check disposed state for removing in case we were racing a call to dispose(). if (disposed) { handler.removeCallbacks(scheduled); return Disposables.disposed(); } return scheduled; }
关于handler的实例,我们看AndroidSchedulers中的创建如下:
private static final class MainHolder { static final Scheduler DEFAULT = new HandlerScheduler(new Handler(Looper.getMainLooper()), false); }
综上可知AndroidSchedulers.mainThread()是通过消息将run方法的实现交由主线程Looper进行处理,达到将观察者的数据处理在主线程中执行的效果
当上下游在不同的线程中,通过Observable发射,处理,响应数据流时,如果上游发射数据的速度快于下游接收处理数据的速度,这样对于那些没来及处理的数据就会造成积压,这些数据既不会丢失,也不会被垃圾回收机制回收,而是存放在一个异步缓存池中,如果缓存池中的数据一直得不到处理,越积越多,最后就会造成内存溢出,这便是响应式编程中的背压(backpressure)问题。
rxjava2.x使用Flowable来支持背压的机制,调用create方法时需要传入BackpressureStrategy策略。
Strategy | 作用 |
---|---|
MISSING | 此策略表示,通过Create方法创建的Flowable没有指定背压策略,不会对通过OnNext发射的数据做缓存或丢弃处理,需要下游通过背压操作符(onBackpressureBuffer()/onBackpressureDrop()/onBackpressureLatest())指定背压策略 |
ERROR | 在此策略下,如果放入Flowable的异步缓存池中的数据超限了,则会抛出MissingBackpressureException异常 |
BUFFER | 此策略下,Flowable的异步缓存池同Observable的一样,没有固定大小,可以无限制向里添加数据,不会抛出MissingBackpressureException异常,但会导致OOM |
DROP | 在此策略下,如果Flowable的异步缓存池满了,会丢掉上游发送的数据 |
LATEST | 与Drop策略一样,如果缓存池满了,会丢掉将要放入缓存池中的数据,不同的是,不管缓存池的状态如何,LATEST都会将最后一条数据强行放入缓存池中 |
首先看看Flowable的create实现
public static <T> Flowable<T> create(FlowableOnSubscribe<T> source, BackpressureStrategy mode) { ObjectHelper.requireNonNull(source, "source is null"); ObjectHelper.requireNonNull(mode, "mode is null"); return RxJavaPlugins.onAssembly(new FlowableCreate<T>(source, mode)); }
这里会创建一个FlowableCreate对象,并传入指定的BackpressureStrategy策略。接着看看FlowableCreate的订阅方法
@Override public void subscribeActual(Subscriber<? super T> t) { BaseEmitter<T> emitter; //根据不同的策略初始化不同的数据发射器 switch (backpressure) { case MISSING: { emitter = new MissingEmitter<T>(t); break; } case ERROR: { emitter = new ErrorAsyncEmitter<T>(t); break; } case DROP: { emitter = new DropAsyncEmitter<T>(t); break; } case LATEST: { emitter = new LatestAsyncEmitter<T>(t); break; } default: { emitter = new BufferAsyncEmitter<T>(t, bufferSize()); break; } } t.onSubscribe(emitter); try { source.subscribe(emitter); } catch (Throwable ex) { Exceptions.throwIfFatal(ex); emitter.onError(ex); } }
abstract static class BaseEmitter<T> extends AtomicLong implements FlowableEmitter<T>, Subscription { private static final long serialVersionUID = 7326289992464377023L; final Subscriber<? super T> actual; final SequentialDisposable serial; BaseEmitter(Subscriber<? super T> actual) { this.actual = actual; this.serial = new SequentialDisposable(); } } //这里需要注意的是,Request最终会把n负责给AtomicLong @Override public final void request(long n) { if (SubscriptionHelper.validate(n)) { BackpressureHelper.add(this, n); onRequested(); } } //省略其他若干方法
通过上面的结束我们知道Flowable有一个缓冲池,那个这个大小是多少,在哪里进行复制给发射器呢?
//长度是128 static final int BUFFER_SIZE; static { BUFFER_SIZE = Math.max(1, Integer.getInteger("rx2.buffer-size", 128)); } public static int bufferSize() { return BUFFER_SIZE; } //在调用observeOn时,会将长度最后传给emitter发射器,具体可以打断的追踪查看调用链 public final Flowable<T> observeOn(Scheduler scheduler) { return observeOn(scheduler, false, bufferSize()); }
不会对通过OnNext发射的数据做缓存或丢弃处理
@Override public void onNext(T t) { if (isCancelled()) { return; } if (t != null) { actual.onNext(t); } else { onError(new NullPointerException("onNext called with null. Null values are generally not allowed in 2.x operators and sources.")); return; } for (;;) { long r = get(); if (r == 0L || compareAndSet(r, r - 1)) { return; } } }
DropAsyncEmitter和ErrorAsyncEmitter继承了NoOverflowBaseAsyncEmitter
@Override public final void onNext(T t) { if (isCancelled()) { return; } if (t == null) { onError(new NullPointerException("onNext called with null. Null values are generally not allowed in 2.x operators and sources.")); return; } //如果数量不为0则减1,通过上面的Request,可以知道get()为Flowable的BUFFER_SIZE 128 if (get() != 0) { actual.onNext(t); BackpressureHelper.produced(this, 1); } else { //超出阈值 执行onOverflow onOverflow(); } }
如果Flowable的异步缓存池满了,会丢掉上游发送的数据
static final class DropAsyncEmitter<T> extends NoOverflowBaseAsyncEmitter<T> { private static final long serialVersionUID = 8360058422307496563L; DropAsyncEmitter(Subscriber<? super T> actual) { super(actual); } @Override void onOverflow() { // nothing to do } }
如果Flowable的异步缓存池满了,会抛出异常
static final class ErrorAsyncEmitter<T> extends NoOverflowBaseAsyncEmitter<T> { private static final long serialVersionUID = 338953216916120960L; ErrorAsyncEmitter(Subscriber<? super T> actual) { super(actual); } @Override void onOverflow() { onError(new MissingBackpressureException("create: could not emit value due to lack of requests")); } }
Flowable的异步缓存池同Observable的一样,没有固定大小,可以无限制向里添加数据
@Override public void onNext(T t) { if (done || isCancelled()) { return; } if (t == null) { onError(new NullPointerException("onNext called with null. Null values are generally not allowed in 2.x operators and sources.")); return; } //加入队列 queue为SpscLinkedArrayQueue队列 queue.offer(t); //通知消费 drain(); }
Flowable的异步缓存池同Observable的一样,没有固定大小,可以无限制向里添加数据
@Override public void onNext(T t) { if (done || isCancelled()) { return; } if (t == null) { onError(new NullPointerException("onNext called with null. Null values are generally not allowed in 2.x operators and sources.")); return; } //进行覆盖 queue为AtomicReference queue.set(t); //通知消费 drain(); }