转载

深入RxJava2 源码解析(二)

本文作者JasonChen，原文地址： http://chblog.me/2018/12/19/rxjava2%20%E6%BA%90%E7%A0%81%E8%A7%A3%E6%9E%90(%E4%B8%80)/

前一篇文章我们讲述到RxJava2 的内部设计模式与原理机制，包括观察者模式和装饰者模式，其本质上都是RxJava2的事件驱动，那么本篇文章将会讲到RxJava2 的另外一个重要功能：异步。

RxJava2 深入解析

依旧是从源码实现开始，带着疑惑去读，前一篇文章我们讲到subcribeOn方法内部的实现涉及线程池： Scheduler.Worker w = scheduler.createWorker() 这边涉及两个重要组件：

scheduler调度器
自定义线程池

scheduler调度器源码解析

public final class Schedulers {
    @NonNull
    static final Scheduler SINGLE;

    @NonNull
    static final Scheduler COMPUTATION;

    @NonNull
    static final Scheduler IO;

    @NonNull
    static final Scheduler TRAMPOLINE;

    @NonNull
    static final Scheduler NEW_THREAD;

一共有如下的五种调度器，分别对应不同的场景，当然企业可以针对自身的场景设置自己的调度器。

SINGLE，针对单一任务设置的单个定时线程池
COMPUTATION，针对计算任务设置的定时线程池的资源池（数组）
IO，针对IO任务设置的单个可复用的定时线程池
TRAMPOLINE，trampoline翻译是蹦床（佩服作者的脑洞）。这个调度器的源码注释是：任务在当前线程工作（不是线程池）但是不会立即执行，任务会被放入队列并在当前的任务完成之后执行。简单点说其实就是入队然后慢慢线性执行（这里巧妙的方法其实和前面我们所讲的回压实现机制基本是一致的，值得借鉴）
NEW_THREAD，单个的周期线程池和single基本一致唯一不同的是single对thread进行了一个简单的NonBlocking封装，这个封装从源码来看基本没有作用，只是一个marker interface标志接口

computation调度器源码分析

computation调度器针对大量计算场景，在后端并发场景会更多的用到，那么其是如何实现的呢？接下来带着疑惑进行源码分析。

public final class ComputationScheduler extends Scheduler implements SchedulerMultiWorkerSupport {
  // 资源池
  final AtomicReference<FixedSchedulerPool> pool;

  // 这是computationScheduler类中实现的createWork()方法
  public Worker createWorker() {
    // 创建EventLoop工作者，入参是一个PoolWorker
      return new EventLoopWorker(pool.get().getEventLoop());
  }

static final class FixedSchedulerPool implements SchedulerMultiWorkerSupport {
        final int cores;
        // 资源池工作者，每个工作者其实都是一个定时线程池
        final PoolWorker[] eventLoops;
        long n;
        // 对应前面的函数调用
        public PoolWorker getEventLoop() {
          int c = cores;
          if (c == 0) {
              return SHUTDOWN_WORKER;
          }
          // simple round robin, improvements to come
          // 这里其实就是从工作者数组中轮询选出一个工作者
          这里其实拥有提升和优化的空间，这里笔者可能会向开源社区提交一个pr
          以此进行比较好的调度器调度
          return eventLoops[(int)(n++ % c)];
        }
// 此处是一个简单的封装        
static final class PoolWorker extends NewThreadWorker {
        PoolWorker(ThreadFactory threadFactory) {
            super(threadFactory);
        }
    }

public class NewThreadWorker extends Scheduler.Worker implements Disposable {
  private final ScheduledExecutorService executor;

  volatile boolean disposed;

  public NewThreadWorker(ThreadFactory threadFactory) {
      // 进行定时线程池的初始化
      executor = SchedulerPoolFactory.create(threadFactory);
  }

  public static ScheduledExecutorService create(ThreadFactory factory) {
    final ScheduledExecutorService exec =
    // 初始化一个定时线程池
    Executors.newScheduledThreadPool(1, factory);
    tryPutIntoPool(PURGE_ENABLED, exec);
    return exec;
  }

上述代码清晰的展示了computation调度器的实现细节，这里需要说明的是定时线程池的core设置为1，线程池的个数最多为cpu数量，这里涉及到ScheduledThreadPoolExecutor定时线程池的原理，简单的说起内部是一个可自动增长的数组（队列）类似于ArrayList，也就是说队列永远不会满，线程池中的线程数不会增加。

接下来结合订阅线程和发布线程分析其之间如何进行沟通的本质。

发布线程在上一篇的文章已经提到，内部是一个worker，那么订阅线程也是么，很显然必须是的，接下来我们来看下源代码：

// 还是从subscribeActul开始（原因见上一篇文章）
public void subscribeActual(Subscriber<? super T> s) {
    Worker worker = scheduler.createWorker();

    if (s instanceof ConditionalSubscriber) {
        source.subscribe(new ObserveOnConditionalSubscriber<T>(
                (ConditionalSubscriber<? super T>) s, worker, delayError, prefetch));
    } else {
        // 
        source.subscribe(new ObserveOnSubscriber<T>(s, worker, delayError, prefetch));
    }
}

其内部封装了一个 ObserveOnsubcriber ，这是个对下流订阅者的封装，主要什么作用呢，为什么要这个呢？其实这个涉及订阅线程内部的机制，接着看源代码了解其内部机制。

// 基类
abstract static class BaseObserveOnSubscriber<T> extends BasicIntQueueSubscription<T>
implements FlowableSubscriber<T>, Runnable {
    private static final long serialVersionUID = -8241002408341274697L;

    final Worker worker;

    final boolean delayError;

    final int prefetch;

    //...

    @Override
    public final void onNext(T t) {
        if (done) {
            return;
        }
        if (sourceMode == ASYNC) {
            trySchedule();
            return;
        }

        if (!queue.offer(t)) {
            upstream.cancel();

            error = new MissingBackpressureException("Queue is full?!");
            done = true;
        }
        // 开启订阅者线程池模式的调度，具体实现在子类中实现
        trySchedule();
    }

    @Override
    public final void onError(Throwable t) {
        if (done) {
            RxJavaPlugins.onError(t);
            return;
        }
        error = t;
        done = true;
        trySchedule();
    }

    @Override
    public final void onComplete() {
        if (!done) {
            done = true;
            trySchedule();
        }
    }

    // 这里并没有向上传递request请求，而是把自己当做数据发射者进行request计数
    @Override
    public final void request(long n) {
        if (SubscriptionHelper.validate(n)) {
            BackpressureHelper.add(requested, n);
            // 开启调度
            trySchedule();
        }
    }

    // 调度代码
    final void trySchedule() {
        // 上一篇文章讲过这个的用法
        if (getAndIncrement() != 0) {
            return;
        }
        // 启用一个work来进行任务的执行 this对象说明实现了runable接口
        worker.schedule(this);
    }

    // 调度实现的代码
    @Override
    public final void run() {
        if (outputFused) {
            runBackfused();
        } else if (sourceMode == SYNC) {
            runSync();
        } else {
            // 一般会调用runAsync方法
            runAsync();
        }
    }

    abstract void runBackfused();

    abstract void runSync();

    abstract void runAsync();
 //...
}

当上游的装饰者（上一篇提到的装饰者模式）调用onNext方法时，这时并没有类似的去调用下游的onNext方法，那这个时候其实就是订阅者线程模式的核心原理：采用queue队列进行数据的store，这里尝试将数据放进队列。

ObserveOnSubscriber的具体实现类部分实现如下。

static final class ObserveOnSubscriber<T> extends BaseObserveOnSubscriber<T>
implements FlowableSubscriber<T> {

    private static final long serialVersionUID = -4547113800637756442L;

    final Subscriber<? super T> downstream;

    ObserveOnSubscriber(
            Subscriber<? super T> actual,
            Worker worker,
            boolean delayError,
            int prefetch) {
        super(worker, delayError, prefetch);
        this.downstream = actual;
    }

    //这是上游回调这个subscriber时调用的方法，详情见上一篇文章
    @Override
    public void onSubscribe(Subscription s) {
        if (SubscriptionHelper.validate(this.upstream, s)) {
            this.upstream = s;

            if (s instanceof QueueSubscription) {
                @SuppressWarnings("unchecked")
                QueueSubscription<T> f = (QueueSubscription<T>) s;

                int m = f.requestFusion(ANY | BOUNDARY);

                if (m == SYNC) {
                    sourceMode = SYNC;
                    queue = f;
                    done = true;

                    downstream.onSubscribe(this);
                    return;
                } else
                if (m == ASYNC) {
                    sourceMode = ASYNC;
                    queue = f;

                    downstream.onSubscribe(this);

                    s.request(prefetch);

                    return;
                }
            }
            // 设置缓存队列
            // 这里涉及一个特别之处就是预获取（提前获取数据）
            queue = new SpscArrayQueue<T>(prefetch);
            // 触发下游subscriber 如果有request则会触发下游对上游数据的request
            downstream.onSubscribe(this);
            // 请求上游数据 上面的代码和这行代码就是起到承上启下的一个作用，也就是预获取，放在队列中
            s.request(prefetch);
        }
    }

    //...

下面看一下抽象方法 runAsync() 的实现。

     @Override
     void runAsync() {
         int missed = 1;

         final Subscriber<? super T> a = downstream;
         final SimpleQueue<T> q = queue;

         long e = produced;

         for (;;) {

             long r = requested.get();

             while (e != r) {
                 boolean d = done;
                 T v;

                 try {
                     // 获取数据
                     v = q.poll();
                 } catch (Throwable ex) {
                     Exceptions.throwIfFatal(ex);

                     cancelled = true;
                     upstream.cancel();
                     q.clear();

                     a.onError(ex);
                     worker.dispose();
                     return;
                 }

                 boolean empty = v == null;

                 if (checkTerminated(d, empty, a)) {
                     return;
                 }

                 if (empty) {
                     break;
                 }

                 a.onNext(v);

                 e++;
                 // limit = prefetch - (prefetch >> 2)
                 // prefetch  = BUFFER_SIZE（上一篇文章提到的默认128）
                 if (e == limit) {
                     if (r != Long.MAX_VALUE) {
                         r = requested.addAndGet(-e);
                     }
                     upstream.request(e);
                     e = 0L;
                 }
             }

             if (e == r && checkTerminated(done, q.isEmpty(), a)) {
                 return;
             }

             // 下面的代码机制在上一篇讲过主要涉及异步编程技巧
             int w = get();
             if (missed == w) {
                 produced = e;
                 missed = addAndGet(-missed);
                 if (missed == 0) {
                     break;
                 }
             } else {
                 missed = w;
             }
         }
     }
//...
 }

前面说过，订阅者把自己当成一个发射者，那数/据从哪里来呢，而且还要持续有数据，那么后面的代码说明了数据来源，当数据达到limit，开始新的数据的prefetch，每次preftch的数量是limit。

为何要将订阅者这样区别设置呢，其实原因很简单，订阅者和发布者需要不同的线程机制异步地执行，比如订阅者需要computation的线程机制来进行大量的耗时数据计算，但又要保持一致的装修者模式，所以源码的做法是订阅者这边打破回调的调用流，采用数据队列进行两个线程池之间的数据传送。