转载

外行人都能看懂的WebFlux，错过了血亏！

前言

只有光头才能变强。

文本已收录至我的GitHub仓库，欢迎Star： https://github.com/ZhongFuCheng3y/3y

本文知识点架构：

如果有关注我公众号文章的同学就会发现，最近我不定时转发了一些比较好的WebFlux的文章，因为我最近在学。

我之前也说过，学习一项技术之前，先要了解为什么要学这项技术。其实这次学习 WebFlux 也没有多大的原生动力，主要是在我们组内会轮流做一次技术分享，而我又不知道分享什么比较好...

之前在初学大数据相关的知识，但是这一块的时间线会拉得比较长，感觉赶不及小组内分享（而组内的同学又大部分都懂大数据，就只有我一个菜鸡，泪目)。所以，想的是：“要不我学点新东西搞搞？”。于是就花了点时间学 WebFlux 啦~

这篇文章主要讲解什么是 WebFlux ，带领大家入个门，希望对大家有所帮助（至少看完这篇文章，知道WebFlux是干嘛用的)

一、什么是WebFlux？

我们从 Spring 的官网拉下一点点就可以看到介绍 WebFlux 的地方了

外行人都能看懂的WebFlux，错过了血亏！

从官网的简介中我们能得出什么样的信息？

我们程序员往往 根据不同的应用场景选择不同的技术 ，有的场景适合用于同步阻塞的，有的场景适合用于异步非阻塞的。而 Spring5 提供了一整套 响应式 (非阻塞)的技术栈供我们使用(包括Web控制器、权限控制、数据访问层等等)。
而左侧的图则是技术栈的对比啦；
- 响应式一般用Netty或者Servlet 3.1的容器(因为支持异步非阻塞)，而Servlet技术栈用的是Servlet容器
- 在Web端，响应式用的是WebFlux，Servlet用的是SpringMVC
- .....

总结起来，WebFlux只是响应式编程中的一部分(在Web控制端)，所以一般我们用它与SpringMVC来对比。

二、如何理解响应式编程？

在上面提到了 响应式编程 (Reactive Programming)，而WebFlux只是响应式编程的其中一个技术栈而已，所以我们先来探讨一下什么是响应式编程

从维基百科里边我们得到的定义：

reactive programming is a declarative programming paradigm concerned with data streams and the propagation of change

响应式编程（reactive programming）是一种基于数据流（data stream）和变化传递（propagation of change）的声明式（declarative）的编程范式

在维基百科上也举了个小例子：

外行人都能看懂的WebFlux，错过了血亏！

意思大概如下：

在命令式编程(我们的日常编程模式)下，式子 a=b+c ，这就意味着 a 的值是由 b 和 c 计算出来的。如果 b 或者 c 后续有变化， 不会影响 到 a 的值
在响应式编程下，式子 a:=b+c ，这就意味着 a 的值是由 b 和 c 计算出来的。但如果 b 或者 c 的值后续有变化， 会影响 到 a 的值

我认为上面的例子已经可以帮助我们理解 变化传递（propagation of change）

那数据流（data stream）和声明式（declarative）怎么理解呢？那可以提一提我们的Stream流了。之前写过Lambda表达式和Stream流的文章，大家可以先去看看：

最近学到的Lambda表达式基础知识
手把手带你体验Stream流

Lambda的语法是这样的(Stream流的使用会涉及到很多Lambda表达式的东西，所以一般先学Lambda再学Stream流)：

外行人都能看懂的WebFlux，错过了血亏！

Stream流的使用分为三个步骤(创建Stream流、执行中间操作、执行最终操作)：

外行人都能看懂的WebFlux，错过了血亏！

执行中间操作实际上就是给我们提供了很多的 API 去操作Stream流中的数据( 求和/去重/过滤 )等等

外行人都能看懂的WebFlux，错过了血亏！

说了这么多，怎么理解数据流和声明式呢？其实是这样的：

本来数据是我们自行处理的，后来我们把要 处理的数据抽象出来 （变成了数据流），然后 通过API去处理 数据流中的数据（是声明式的）

比如下面的代码；将数组中的数据变成 数据流 ，通过显式声明调用 .sum() 来处理数据流中的数据，得到最终的结果：

public static void main(String[] args) {
    int[] nums = { 1, 2, 3 };
    int sum2 = IntStream.of(nums).parallel().sum();
    System.out.println("结果为：" + sum2);
}

如图下所示：

外行人都能看懂的WebFlux，错过了血亏！

2.1 响应式编程->异步非阻塞

上面讲了响应式编程是什么：

响应式编程（reactive programming）是一种基于数据流（data stream）和变化传递（propagation of change）的声明式（declarative）的编程范式

也讲解了数据流/变化传递/声明式是什么意思，但说到响应式编程就离不开 异步非阻塞 。

从Spring官网介绍WebFlux的信息我们就可以发现 asynchronous, nonblocking 这样的字样，因为 响应式编程它是异步 的，也可以理解成 变化传递 它是异步执行的。

如下图， 合计的金额会受其他的金额影响 (更新的过程是异步的)：

外行人都能看懂的WebFlux，错过了血亏！

我们的JDK8 Stream流是同步的，它就不适合用于响应式编程（但基础的用法是需要懂的，因为响应式流编程都是操作流嘛）

而在JDK9 已经支持响应式流了，下面我们来看一下

三、JDK9 Reactive

响应式流的规范早已经被提出了：里面提到了：

Reactive Streams is an initiative to provide a standard for asynchronous stream processing with non-blocking back pressure -----> http://www.reactive-streams.org/

翻译再加点信息：

响应式流(Reactive Streams)通过定义一组实体，接口和互操作方法，给出了实现异步非阻塞背压的标准。第三方遵循这个标准来实现具体的解决方案，常见的有Reactor，RxJava，Akka Streams，Ratpack等。

规范里头实际上就是定义了四个接口：

外行人都能看懂的WebFlux，错过了血亏！

Java 平台直到 JDK 9才提供了对于Reactive的完整支持，JDK9也定义了上述提到的四个接口，在 java.util.concurrent 包上

外行人都能看懂的WebFlux，错过了血亏！

一个通用的流处理架构一般会是这样的（生产者产生数据，对数据进行中间处理，消费者拿到数据消费 )：

外行人都能看懂的WebFlux，错过了血亏！

数据来源，一般称为生产者（Producer）
数据的目的地，一般称为消费者(Consumer)
在处理时，对数据执行某些操作一个或多个处理阶段。（Processor)

到这里我们再看回响应式流的接口，我们应该就能懂了：

Publisher（发布者)相当于生产者(Producer)
Subscriber(订阅者)相当于消费者(Consumer)
Processor就是在发布者与订阅者之间处理数据用的

在响应式流上提到了back pressure（背压)这么一个概念，其实非常好理解。在响应式流实现异步非阻塞是基于生产者和消费者模式的，而生产者消费者很容易出现的一个问题就是： 生产者生产数据多了，就把消费者给压垮了 。

而背压说白了就是： 消费者能告诉生产者自己需要多少量的数据 。这里就是 Subscription 接口所做的事。

下面我们来看看JDK9接口的方法，或许就更加能理解上面所说的话了：

// 发布者(生产者)
public interface Publisher<T> {
    public void subscribe(Subscriber<? super T> s);
}
// 订阅者(消费者)
public interface Subscriber<T> {
    public void onSubscribe(Subscription s);
    public void onNext(T t);
    public void onError(Throwable t);
    public void onComplete();
}
// 用于发布者与订阅者之间的通信(实现背压：订阅者能够告诉生产者需要多少数据)
public interface Subscription {
    public void request(long n);
    public void cancel();
}
// 用于处理发布者 发布消息后，对消息进行处理，再交由消费者消费
public interface Processor<T,R> extends Subscriber<T>, Publisher<R> {
}

3.1 看个例子

代码中有大量的注释，我就不多BB了，建议直接复制跑一下看看：

class MyProcessor extends SubmissionPublisher<String>
        implements Processor<Integer, String> {

    private Subscription subscription;

    @Override
    public void onSubscribe(Subscription subscription) {
        // 保存订阅关系, 需要用它来给发布者响应
        this.subscription = subscription;

        // 请求一个数据
        this.subscription.request(1);
    }

    @Override
    public void onNext(Integer item) {
        // 接受到一个数据, 处理
        System.out.println("处理器接受到数据: " + item);

        // 过滤掉小于0的, 然后发布出去
        if (item > 0) {
            this.submit("转换后的数据:" + item);
        }

        // 处理完调用request再请求一个数据
        this.subscription.request(1);

        // 或者 已经达到了目标, 调用cancel告诉发布者不再接受数据了
        // this.subscription.cancel();
    }

    @Override
    public void onError(Throwable throwable) {
        // 出现了异常(例如处理数据的时候产生了异常)
        throwable.printStackTrace();

        // 我们可以告诉发布者, 后面不接受数据了
        this.subscription.cancel();
    }

    @Override
    public void onComplete() {
        // 全部数据处理完了(发布者关闭了)
        System.out.println("处理器处理完了!");
        // 关闭发布者
        this.close();
    }

}

public class FlowDemo2 {

    public static void main(String[] args) throws Exception {
        // 1. 定义发布者, 发布的数据类型是 Integer
        // 直接使用jdk自带的SubmissionPublisher
        SubmissionPublisher<Integer> publiser = new SubmissionPublisher<Integer>();

        // 2. 定义处理器, 对数据进行过滤, 并转换为String类型
        MyProcessor processor = new MyProcessor();

        // 3. 发布者 和 处理器 建立订阅关系
        publiser.subscribe(processor);

        // 4. 定义最终订阅者, 消费 String 类型数据
        Subscriber<String> subscriber = new Subscriber<String>() {

            private Subscription subscription;

            @Override
            public void onSubscribe(Subscription subscription) {
                // 保存订阅关系, 需要用它来给发布者响应
                this.subscription = subscription;

                // 请求一个数据
                this.subscription.request(1);
            }

            @Override
            public void onNext(String item) {
                // 接受到一个数据, 处理
                System.out.println("接受到数据: " + item);

                // 处理完调用request再请求一个数据
                this.subscription.request(1);

                // 或者 已经达到了目标, 调用cancel告诉发布者不再接受数据了
                // this.subscription.cancel();
            }

            @Override
            public void onError(Throwable throwable) {
                // 出现了异常(例如处理数据的时候产生了异常)
                throwable.printStackTrace();

                // 我们可以告诉发布者, 后面不接受数据了
                this.subscription.cancel();
            }

            @Override
            public void onComplete() {
                // 全部数据处理完了(发布者关闭了)
                System.out.println("处理完了!");
            }

        };

        // 5. 处理器 和 最终订阅者 建立订阅关系
        processor.subscribe(subscriber);

        // 6. 生产数据, 并发布
        publiser.submit(-111);
        publiser.submit(111);

        // 7. 结束后 关闭发布者
        // 正式环境 应该放 finally 或者使用 try-resouce 确保关闭
        publiser.close();

        // 主线程延迟停止, 否则数据没有消费就退出
        Thread.currentThread().join(1000);
    }

}

输出的结果如下：

外行人都能看懂的WebFlux，错过了血亏！

流程实际上非常简单的：

外行人都能看懂的WebFlux，错过了血亏！

参考资料：

https://yanbin.blog/java-9-talk-reactive-stream/#more-8877
https://blog.csdn.net/wudaoshihun/article/details/83070086
http://www.spring4all.com/art...
https://www.cnblogs.com/IcanFixIt/p/7245377.html

Java 8 的 Stream 主要关注在流的过滤，映射，合并，而 Reactive Stream 更进一层，侧重的是流的产生与消费，即流在生产与消费者之间的协调

说白了就是： 响应式流是异步非阻塞+流量控制的 (可以告诉生产者自己需要多少的量/取消订阅关系)

展望响应式编程的场景应用：

再比如一个社交平台，朋友的动态、点赞和留言不是手动刷出来的，而是当后台数据变化的时候自动体现到界面上的。

四、入门WebFlux

扯了一大堆，终于回到WebFlux了。经过上面的基础，我们现在已经能够得出一些结论的了：

WebFlux是Spring推出响应式编程的一部分(web端)
响应式编程是异步非阻塞的(是一种基于数据流（data stream）和变化传递（propagation of change）的声明式（declarative）的编程范式)

我们再回来看官网的图：

外行人都能看懂的WebFlux，错过了血亏！

4.1 简单体验WebFlux

Spring官方为了让我们更加 快速/平滑 到WebFlux上，之前SpringMVC那套都是支持的。也就是说： 我们可以像使用SpringMVC一样使用着WebFlux 。

外行人都能看懂的WebFlux，错过了血亏！

WebFlux使用的响应式流并不是用JDK9平台的，而是一个叫做 Reactor 响应式流库。所以，入门 WebFlux其实更多是了解怎么使用Reactor的API，下面我们来看看~

Reactor是一个响应式流，它也有对应的发布者( Publisher )，Reactor的发布者用两个类来表示：

Mono (返回0或1个元素)
Flux (返回0-n个元素)

而订阅者则是 Spring框架 去完成

下面我们来看一个简单的例子(基于WebFlux环境构建)：

// 阻塞5秒钟
private String createStr() {
    try {
        TimeUnit.SECONDS.sleep(5);
    } catch (InterruptedException e) {
    }
    return "some string";
}

// 普通的SpringMVC方法
@GetMapping("/1")
private String get1() {
    log.info("get1 start");
    String result = createStr();
    log.info("get1 end.");
    return result;
}

// WebFlux(返回的是Mono)
@GetMapping("/2")
private Mono<String> get2() {
    log.info("get2 start");
    Mono<String> result = Mono.fromSupplier(() -> createStr());
    log.info("get2 end.");
    return result;
}

首先，值得说明的是，我们构建WebFlux环境启动时，应用服务器默认是Netty的：

外行人都能看懂的WebFlux，错过了血亏！

我们分别来访问一下SpringMVC的接口和WebFlux的接口，看一下有什么区别：

SpringMVC：

外行人都能看懂的WebFlux，错过了血亏！

WebFlux：

外行人都能看懂的WebFlux，错过了血亏！

从调用者(浏览器)的角度而言，是感知不到有什么变化的，因为都是得等待5s才返回数据。但是，从服务端的日志我们可以看出，WebFlux是 直接返回Mono对象的 (而不是像SpringMVC一直同步阻塞5s，线程才返回)。

这正是WebFlux的好处：能够以 固定的线程来处理高并发 （充分发挥机器的性能）。

WebFlux还支持 服务器推送 (SSE - >Server Send Event)，我们来看个例子：

/**
     * Flux : 返回0-n个元素
     * 注：需要指定MediaType
     * @return
     */
@GetMapping(value = "/3", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
private Flux<String> flux() {
    Flux<String> result = Flux
        .fromStream(IntStream.range(1, 5).mapToObj(i -> {
            try {
                TimeUnit.SECONDS.sleep(1);
            } catch (InterruptedException e) {
            }
            return "flux data--" + i;
        }));
    return result;
}

效果就是每秒会给浏览器推送数据：

外行人都能看懂的WebFlux，错过了血亏！