Java反应式框架Reactor中的Mono和Flux

1. 前言

最近写关于响应式编程的东西有点多，不少同窗反映对Flux和Mono这两个Reactor中的概念有点懵逼。可是目前Java响应式编程中咱们对这两个对象的接触又最多，诸如Spring WebFlux、RSocket、R2DBC。我开始也对这两个对象头疼，因此今天咱们就简单来探讨一下它们。

2. 响应流的特色

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。他具备如下特色：

• 响应流必须是无阻塞的。
• 响应流必须是一个数据流。
• 它必须能够异步执行。
• 而且它也应该可以处理背压。

背压是反应流中的一个重要概念，能够理解为，生产者能够感觉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。形象点能够按照下面理解：

3. Publisher

因为响应流的特色，咱们不能再返回一个简单的POJO对象来表示结果了。必须返回一个相似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<T> ，Publisher<T>是一个能够提供0-N个序列元素的提供者，并根据其订阅者Subscriber<? super T>的需求推送元素。一个Publisher<T>能够支持多个订阅者，并能够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<T>的特色。

A1-A9就能够看作Publisher<T>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)，能够看做订阅者Subscriber。假如说咱们没有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色：当没有订阅时发布者什么也不作。

而Flux和Mono都是Publisher<T>在Reactor 3实现。Publisher<T>提供了subscribe方法，容许消费者在有结果可用时进行消费。若是没有消费者Publisher<T>不会作任何事情，他根据消费状况进行响应。 Publisher<T>可能返回零或者多个，甚至多是无限的，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<T>,能够被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：

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，因此这里有一个按部就班的理解过程。

有些类比并非很稳当，可是对于你按部就班的理解这些新概念仍是有帮助的。

传统数据处理

咱们在日常是这么写的：

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

咱们经过迭代返回值List来get这些元素进行再处理（消费），这种方式有点相似厨师作了不少菜，吃不吃在于食客。须要食客主动去来吃就好了（pull的方式），至于喜欢吃什么不喜欢吃什么本身随意，怎么吃也本身随意。

流式数据处理

在Java 8中咱们能够改写为流的表示：

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

依然是厨师作了不少菜，可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），食客能够按照说明根据本身的习惯搭配着去吃，一但开始概不退换，吃完为止，过时不候。

反应式数据处理

在Reactor中咱们又能够改写为Flux表示：

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

这时候食客只须要订餐就好了，作好了天然就呈上来，并且能够随时根据食客的饭量进行调整。若是没有食客订餐那么厨师就什么都不用作。固然不止有这么点特性，不过对于方便咱们理解来讲这就够了。

5. Mono

Mono 是一个发出(emit)0-1个元素的Publisher<T>,能够被onComplete信号或者onError信号所终止。

这里就不翻译了，总体和Flux差很少，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同样，咱们来看看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我以为就有反应式的那种味儿了，固然它并非反应式。当咱们不从返回值Optional取其中具体的对象时，咱们不清楚里面到底有没有，可是Optional是必定客观存在的,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有点相似的机制，固然Mono不是为了解决NPE问题的，它是为了处理响应流中单个值（也多是Void）而存在的。

6. 总结

Flux和Mono是Java反应式中的重要概念，可是不少同窗包括我在开始都难以理解它们。这实际上是规定了两种流式范式，这种范式让数据具备一些新的特性，好比基于发布订阅的事件驱动，异步流、背压等等。另外数据是推送（Push）给消费者的以区别于平时咱们的拉（Pull）模式。同时咱们能够像Stream Api同样使用相似map、flatmap等操做符（operator）来操做它们。对Flux和Mono这两个概念须要花一些时间去理解它们，不能操之过急。若是你对个人这种见解有不一样的观点能够留言讨论，多多关注：码农小胖哥 获取更多干货知识。

关注公众号：Felordcn 获取更多资讯

我的博客：https://felord.cn