今天小编给大家分享一下Spring响应式编程实例分析的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。
了解响应式编程，首先我们需要了解函数式操作和Stream的操作，下面我们简单的复习一下喽。
函数式接口中
我们先来回顾一下Java中的函数式接口。常见的有以下几种
Consumer 一个输入，无输出
Supplier 无输入，有输出
Function<T,R> 输入T，输出R
BiFunction<T,U,R> 输入T,U 输出R
Predicate 有输入，输出boolean类型
上面的简单函数式接口示例如下：
Consumer consumer = (i)-> System.out.println("this is " + i);
consumer.accept("consumer");
Supplier supplier = () -> "this is supplier";
System.out.println(supplier.get());
Function<Integer,Integer> function = (i) -> i*i;
System.out.println(function.apply(8));
BiFunction<Integer,Integer,String> biFunction = (i,j)-> i+"*"+j+"="+i*j;
System.out.println(biFunction.apply(8,8));
Predicate<Integer> predicate = (i) -> i.intValue()>3;
System.out.println(predicate.test(5));其执行结果如下：
this is consumer
this is supplier
64
8*8=64
true
对Stream进行操作，主要有几个关键点：
生成流
流的中间操作其中中间操作可以有多个，中间操作会返回一个新的流（如 map ,filter,sorted等），然后交给下一个流方法使用。
流的终结操作终结操作只有一个。终结操作执行后，流就到了终止状态，无法被操作 （如forEach，toArray , findFirst 等）。
创建流的示例：
String[] strArray = {"ss","ss","","sdffg"};
Arrays.stream(strArray).forEach(System.out::println);
Arrays.asList(strArray).stream().forEach(System.out::println);
Stream.of(strArray).forEach(System.out::println);
Stream.iterate(1,(i) -> i+1).limit(10).forEach(System.out::println);
Stream.generate(() -> new Random().nextInt(10)).limit(10).forEach(System.out::println);简单的流处理示例：
String[] strArray1 = {"ss","ss","","sdffg","bca-de","fff"};
String collect = Stream.of(strArray1)
.filter(i -> !i.isEmpty())//过滤空字符串
.sorted() //排序
.limit(1) //只取第一个元素
.map(i -> i.replace("-", ""))//替换 "-"
.flatMap(i -> Stream.of(i.split("")))//将字符拆成字符数组
.sorted() //排序
.collect(Collectors.joining());//将字符拼接组合到一起
System.out.println(collect);//最后输出abcde响应式编程会用到一个发布者和一个订阅者，然后通过订阅关系完成数据流的传输。订阅关系中可以处理一些背压问题，即调节消费者与生产者之间的供需平衡，让整个程序达到最大效率。
Java9中java.util.concurrent.Flow接口提供响应式流编程类似的功能。
下面我们实现一个基于Java 响应式编程的示例：
其中有三个简单步骤：
建立生产者
构建消费者
消费者订阅生产者
生产者生产内容
SubmissionPublisher publisher = new SubmissionPublisher<>();//建立生产者
Flow.Subscriber subscriber = new Flow.Subscriber() {...};//建立消费者 (其中的实现放到下面)
publisher.subscribe(subscriber);//订阅关系
for (int i = 0; i < 10; i++) {
publisher.submit("test reactive java : " +i); //生产者生产内容
}消费者全部代码如下：
Flow.Subscriber subscriber = new Flow.Subscriber() {
Flow.Subscription subscription;
@Override
public void onSubscribe(Flow.Subscription subscription) {
System.out.println("Subscription establish first ");
this.subscription = subscription;
this.subscription.request(1);
}
@Override
public void onNext(Object item) {
subscription.request(10);
System.out.println("receive : "+ item);
}
@Override
public void onError(Throwable throwable) {
System.out.println(" onError ");
}
@Override
public void onComplete() {
System.out.println(" onComplete ");
}
};其中onSubscribe方法表示建立订阅关系
onNext接受数据，并请求生产者的数据。
onError，onComplete则是error或者完成之后的处理方法。
Reactive Stream 通常会基于如下的模型：
下面我们实现一个带有中间处理功能的响应式模型：
下面的Processor 既有发布者，又有订阅者：
public class ReactiveProcessor extends SubmissionPublisher implements Flow.Subscriber {
private Flow.Subscription subscription;
@Override
public void onSubscribe(Flow.Subscription subscription) {
System.out.println( Thread.currentThread().getName() + " Reactive processor establish connection ");
this.subscription = subscription;
this.subscription.request(1);
}
@Override
public void onNext(Object item) {
System.out.println(Thread.currentThread().getName() + " Reactive processor receive data: "+ item);
this.submit(item.toString().toUpperCase());
this.subscription.request(1);
}
@Override
public void onError(Throwable throwable) {
System.out.println("Reactive processor error ");
throwable.printStackTrace();
this.subscription.cancel();
}
@Override
public void onComplete() {
System.out.println(Thread.currentThread().getName() + " Reactive processor receive data complete ");
}
}如上中间处理器订阅发布者， 同时消费者再订阅中间处理器。中间处理器也可以调节发布订阅的生产消费速率。
SubmissionPublisher publisher = new SubmissionPublisher<>(); //创建生产者
ReactiveProcessor reactiveProcessor = new ReactiveProcessor(); // 创建中间处理器
publisher.subscribe(reactiveProcessor); //中间处理器订阅生产者
Flow.Subscriber subscriber = new Flow.Subscriber() {...}; //创建消费者
reactiveProcessor.subscribe(subscriber); //消费者订阅中间处理器
for (int i = 0; i < 10; i++) {
publisher.submit("test reactive java : " +i); //生产者生产数据
}通过上述生产者-> 中间处理器->消费者， 可以将生产者生产的数据全部变成大写，然后再发送给最终的消费者。
以上式Java中的reactive 编程示例。Java会不同线程来分别处理消费者与生产者的消息处理
Reactor中两个比较关键的对象式Flux和Mono， 整个Spring的响应式编程均式基于projectreactor项目。Reactor是响应式编程的依赖，主要是基于JVM构建非阻塞程序。
根据Reactor的介绍，此类响应式编程的的三方库（Reactor）主要是解决一些JVM经典异步编程中的一些缺点，并且还可以专注于一些新的特性，如下：
可组合性与可读性 （Composability and readability）
可以使用丰富的运算操作符将数据作为流进行操作
订阅之前，不会有任何事
背压特性（Backpressure ），可以理解为消费者可以向生产者发送产出率过高的信号，从而调整生产速率。或者消费者可以选择一次性拉去一捆数据进行消费。
于并发无关的高度抽象的高级功能
其中有这么一段解释，可以形象的说明响应式编程。
Reactive的程序可以想象成车间的流水线，reactor既是流水线上的传送带，又是处理工作站。原料从一个原始的生产者出发，最终成为产品被推总给消费者。
下面我们介绍一下Flux和Mono。
在Reactor中Flux和Mono均是Publisher，即生产者。两者也有不同。Flux对象表示0到N个异步的响应序列，而Mono只代表0个（empty）或者1个结果。
Reactor官网上介绍的Flux示意如下：
Mono示意如下：
我们也可以单独引用其依赖。
使用maven依赖
<dependencies> <dependency> <groupId>io.projectreactor</groupId> <artifactId>reactor-core</artifactId> </dependency> <dependency> <groupId>io.projectreactor</groupId> <artifactId>reactor-test</artifactId> <scope>test</scope> </dependency> </dependencies>
Mono创建
分别创建空Mono和一个包含一个String的Mono，并由消费者消费打印。
Mono.empty().subscribe(System.out::println);
Mono.just("Hello Mono Java North").subscribe(System.out::print);Flux创建
Flux创建有如下的一些方法，
just（通过不定参数创建）
range（从某个整数开始，往后的整数数量）
fromArray，fromIterable，fromStream，从名称上就可以看出来，通过数组，迭代器，Stream流创建Flux
下面式一些Java代码示例
Flux.just(1,2,3,4,5).subscribe(System.out::print);
Flux.range(1,20).subscribe(System.out::print);
Flux.fromArray(new String[]{"a1","a2","a3","a4","a5","a6"}).skip(2).subscribe(System.out::print);
Flux.fromIterable(Arrays.asList(1,2,3,4,5,6,7)).subscribe(System.out::println);
Flux.fromStream(Stream.of(Arrays.asList(1,2,3,4,5,6,7))).subscribe(System.out::print);我们再举一个generate的例子
public static <T, S> Flux<T> generate(Callable<S> stateSupplier, BiFunction<S, SynchronousSink<T>, S> generator)
如上代码所示，generate需要一个Callable参数，而且是supplier （即没有输入值，只有一个输出）
另一个参数是BiFunction （前面我们也介绍过，需要两个输入值，一个输出值）。BiFunction中的其中一个输入值是SynchronousSink，下面我们给出一个generate创建Flux的示例。
Flux.generate(
() -> 0, //提供一个初始状态值0
(i, sink) -> {
sink.next("3*" + i + "=" + 3 * i);//使用初始值去生产一个3的乘法
if (i > 9) sink.complete();//设置停止条件
return i + 1;//返回一个新的状态值，以便在下一次的生产中使用，除非响应序列终止
}).subscribe(System.out::println);下面我们在看一个Flux嵌套处理示例：
需求：将字符串去空格，并去重，然后排序输出。
String str = "qa ws ed rf tg yh uj i k ol p za sx dc vf bg hn jm k loi yt ";
Flux.fromArray(str.split(" "))//通过数组创建Flux
.flatMap(i -> Flux.fromArray(i.split("")))
.distinct() // 去重
.sort() //排序
.subscribe(System.out::print);
//flatMap与Stream中的flatMap类似，接受Function作为参数，输入一个值，输出一个值，此处输出均为Publisher，以上就是Flux和Mono的一些简单介绍，同时Ractor也支持JDK中的FlowPubliser 和FlowSubscriber与 Reactor中的publisher, subscriber的适配等.
SpringBoot 2之后支持的Reactive响应式编程。
关于Reactive技术栈和经典的Servlet技术栈对比，Spring官网的这张图比较清晰。
Spring响应式编程主要依赖于Reactor第三方库，即上面讲的Flux和Mono的库。
WebFlux主要有以下几个要点：
反应式栈web框架
完全异步非阻塞
运行在netty，undertow，Servlet3.1 + 容器
核心反应式库 Reactor
返回 Flux 或Mono
支持注解和函数编程两种编程模式
下面我们给出几个SpringBoot 的响应式web示例。
可以去https://start.spring.io/ 新建webflux的项目也可以。
项目中的主要依赖就是spring-boot-starter-webflux
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-webflux</artifactId> </dependency>
以下是一个最简单的基于注解的WebFlux
@GetMapping("/hello/mono1")
public Mono<String> mono(){
return Mono.just("Hello Mono - Java North");
}
@GetMapping("/hello/flux1")
public Flux<String> flux(){
return Flux.just("Hello Flux","Hello Java North");
}创建RouterFunction，将其注入到Spring中即可。
@Bean
public RouterFunction<ServerResponse> testRoutes1() {
return RouterFunctions.route().GET("/flux/function", new HandlerFunction<ServerResponse>() {
@Override
public Mono<ServerResponse> handle(ServerRequest request) {
return ServerResponse.ok().bodyValue("hello web flux , Hello Java North");
}
}).build();
}
//上面的方法使用函数式编程替换之后如下
@Bean
public RouterFunction<ServerResponse> testRoutes() {
return RouterFunctions.route().GET("/flux/function",
request -> ServerResponse.ok()
.bodyValue("Hello web flux , Hello Java North")).build();
}下面我们编写一段返回Mono的响应式Web服务。
@GetMapping("/hello/mono")
public Mono<String> stringMono(){
Mono<String> from = Mono.fromSupplier(() -> {
try {
TimeUnit.SECONDS.sleep(5);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
return "Hello, Spring Reactive date time:"+ LocalDateTime.now();
});
System.out.println( "thread : " + Thread.currentThread().getName()+ " === " + LocalDateTime.now() +" ==========Mono function complete==========");
return from;
}使用postman请求如下， 5秒钟后返回数据。后台却在5秒中之前已经处理完整个方法。
后台打印日志：
再看一组Flux
@GetMapping(value = "/hello/flux", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux<String> flux1(){
Flux<String> stringFlux = Flux.fromStream(IntStream.range(1,6).mapToObj(i ->{
mySleep(1);//表示睡1秒
return "java north flux" + i + "date time: " +LocalDateTime.now();
}));
System.out.println("thread : " + Thread.currentThread().getName()+ " === " + LocalDateTime.now() + " ==========Flux function complete=========");
return stringFlux;
}此次使用谷歌浏览器请求此服务：
可以发现每隔一秒就会有一条消息被生产出来。
后台完成时间同样是在一开始就完成整个方法：
通过上述对Flux 与 Mono的例子，可以好好体会一下响应式编程。
以上就是“Spring响应式编程实例分析”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
