如何理解响应式编程中Mono和Flux

本篇内容介绍了“如何理解响应式编程中Mono和Flux”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

1.  前言

很多同学反映对响应式编程中的Flux和Mono这两个Reactor中的概念有点懵逼。但是目前Java响应式编程中我们对这两个对象的接触又最多，诸如Spring  WebFlux、RSocket、R2DBC。

2. 响应流的特点

要搞清楚这两个概念，必须说一下响应流规范。它是响应式编程的基石。他具有以下特点：

• 响应流必须是无阻塞的。

• 响应流必须是一个数据流。

• 它必须可以异步执行。

• 并且它也应该能够处理背压。

背压是反应流中的一个重要概念，可以理解为，生产者可以感受到消费者反馈的消费压力，并根据压力进行动态调整生产速率。形象点可以按照下面理解：

有没有背压的两种情形

3.  Publisher

由于响应流的特点，我们不能再返回一个简单的POJO对象来表示结果了。必须返回一个类似Java中的Future的概念，在有结果可用时通知消费者进行消费响应。

Reactive Stream规范中这种被定义为Publisher，Publisher是一个可以提供 0-N  个序列元素的提供者，并根据其订阅者Subscriber的需求推送元素。一个Publisher可以支持多个订阅者，并可以根据订阅者的逻辑进行推送序列元素。下面这个Excel计算就能说明一些Publisher的特点。

A1-A9就可以看做Publisher及其提供的元素序列。A10-A13分别是求和函数SUM(A1:A9)、平均函数AVERAGE(A1:A9)、最大值函数MAX(A1:A9)、最小值函数MIN(A1:A9)，可以看作订阅者Subscriber。假如说我们没有A10-A13，那么A1-A9就没有实际意义，它们并不产生计算。这也是响应式的一个重要特点：当没有订阅时发布者什么也不做。

而Flux和Mono都是Publisher在Reactor  3实现。Publisher提供了subscribe方法，允许消费者在有结果可用时进行消费。如果没有消费者Publisher不会做任何事情，他根据消费情况进行响应。Publisher可能返回零或者多个，甚至可能是无限的，为了更加清晰表示期待的结果就引入了两个实现模型Mono和Flux。

4. Flux

Flux是一个发出(emit)0-N个元素组成的异步序列的Publisher,可以被onComplete信号或者onError信号所终止。在响应流规范中存在三种给下游消费者调用的方法  onNext, onComplete, 和onError。下面这张图表示了 Flux 的抽象模型：

Flux

以上的的讲解对于初次接触反应式编程的依然是难以理解的，所以这里有一个循序渐进的理解过程。

有些类比并不是很妥当，但是对于你循序渐进的理解这些新概念还是有帮助的。

传统数据处理

我们在平常是这么写的：

public List<ClientUser> allUsers() {     return Arrays.asList(new ClientUser("felord.cn", "reactive"),             new ClientUser("Felordcn", "Reactor")); }

我们通过迭代返回值List来get这些元素进行再处理(消费)，这种方式有点类似厨师做了很多菜，吃不吃在于食客。需要食客主动去来吃就行了(pull的方式)，至于喜欢吃什么不喜欢吃什么自己随意，怎么吃也自己随意。

流式数据处理

在Java 8中我们可以改写为流的表示：

public Stream<ClientUser> allUsers() {     return  Stream.of(new ClientUser("felord.cn", "reactive"),             new ClientUser("Felordcn", "Reactor")); }

依然是厨师做了很多菜，但是这种就更加高级了一些，提供了菜品的搭配方式(不包含具体细节)，食客可以按照说明根据自己的习惯搭配着去吃，一但开始概不退换，吃完为止，过期不候。

反应式数据处理

在Reactor中我们又可以改写为Flux表示：

public Flux<ClientUser> allUsers(){     return Flux.just(new ClientUser("felord.cn", "reactive"),             new ClientUser("Felordcn", "Reactor")); }

这时候食客只需要订餐就行了，做好了自然就呈上来，而且可以随时根据食客的饭量进行调整。如果没有食客订餐那么厨师就什么都不用做。当然不止有这么点特性，不过对于方便我们理解来说这就够了。

5. Mono

Mono 是一个发出(emit)0-1个元素的Publisher,可以被onComplete信号或者onError信号所终止。

Mono

这里就不翻译了，整体和Flux差不多，只不过这里只会发出 0-1  个元素。也就是说不是有就是没有。象Flux一样，我们来看看Mono的演化过程以帮助理解。

传统数据处理

public ClientUser currentUser () {     return isAuthenticated ? new ClientUser("felord.cn", "reactive") : null; }

直接返回符合条件的对象或者null。

Optional 的处理方式

public Optional<ClientUser> currentUser () {     return isAuthenticated ? Optional.of(new ClientUser("felord.cn", "reactive"))             : Optional.empty(); }

这个Optional我觉得就有反应式的那种味儿了，当然它并不是反应式。当我们不从返回值Optional取其中具体的对象时，我们不清楚里面到底有没有，但是Optional是一定客观存在的,不会出现NPE问题。

反应式数据处理

public Mono<ClientUser> currentUser () {     return isAuthenticated ? Mono.just(new ClientUser("felord.cn", "reactive"))             : Mono.empty(); }

和Optional有点类似的机制，当然Mono不是为了解决NPE问题的，它是为了处理响应流中单个值(也可能是Void)而存在的。

“如何理解响应式编程中Mono和Flux”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！