浅尝 Reactor 框架：响应式编程

·(edited)· / ·

reads

This article was last modified on . Some content may be outdated. Feel free to ask the author if you have questions.

Key Insights

AI · GEN

Reactor 框架 是 Java 生态系统中用于构建高性能、事件驱动、非阻塞应用程序的强大工具。它特别适用于需要处理高并发和异步 I/O 操作的场景，如网络服务器、消息队列、实时数据处理系统等。Reactor 基于 Reactive Streams 规范，提供了一种优雅的方式来管理异步数据流，并通过背压机制确保系统的稳定性和高效性。

本文将从响应式编程的背景开始，详细讲解 Reactor 框架的核心思想、Reactive Streams 的四个核心接口、一个完整的发布者-订阅者示例，以及对 Reactor 中 Mono 类的源码深入分析。我们还将探讨中间操作（如 filter 和 map）的实现机制，并介绍 Reactor 在实际开发中的应用场景。通过这篇博客，你将全面了解 Reactor 框架的工作原理及其在现代开发中的价值。

1. 响应式编程与 Reactor 框架

1.1 什么是响应式编程？

响应式编程（Reactive Programming）是一种基于异步数据流和事件驱动的编程范式。它强调以下几个核心特性：

异步非阻塞：通过异步处理，避免线程阻塞，提高资源利用率。
数据流驱动：将数据视为连续的流，处理从生产到消费的整个生命周期。
背压（Backpressure）：消费者可以控制数据流的速度，防止被生产者压垮。
事件驱动：系统对事件（如用户请求、数据到达）作出响应，而非轮询或阻塞等待。

响应式编程特别适合现代应用程序的需求，例如高并发的 Web 服务、实时数据处理（如股票交易系统）、以及微服务架构中的消息传递。

1.2 Reactor 框架简介

Reactor 是由 Pivotal 开发的一个开源响应式编程库，广泛应用于 Spring WebFlux 等框架。它提供了两种核心数据类型：

Mono：表示 0 或 1 个元素的异步序列，常用于单一结果的操作（如 HTTP 请求的响应）。
Flux：表示 0 到 N 个元素的异步序列，适用于流式数据处理（如日志流、WebSocket 数据）。

Reactor 实现了 Reactive Streams 规范，提供了丰富的操作符（如 map、filter、flatMap 等）来处理数据流，并通过背压机制确保系统在高负载下的稳定性。

1.3 Reactor 的核心思想

Reactor 框架的核心是将事件处理逻辑与事件源分离。它的设计基于 Reactor 模式（也称为反应器模式），主要包含以下组件：

Reactor：事件循环，负责监听事件源（如 socket 连接、文件 I/O）。
Handler：处理具体事件的逻辑单元。
事件分发：当事件发生时，Reactor 将事件分发给对应的 Handler。

这种模式允许系统高效处理大量并发连接，而无需为每个连接分配一个线程，从而显著提升性能。

2. Reactive Streams 核心接口

Reactive Streams 是一个定义异步数据流处理的规范，Reactor 严格遵循其标准。规范定义了以下四个核心接口：

CodeBlock Loading...

2.1 接口详解

Publisher（发布者）：
- 负责生产数据并将其推送给订阅者。
- subscribe 方法允许订阅者注册以接收数据流。
- 示例：一个数据库查询结果的发布者，发出查询到的记录。
Subscriber（订阅者）：
- 数据消费者，处理从发布者接收到的数据。
- 提供以下方法：
  - onSubscribe(Subscription s)：订阅建立时调用，接收订阅关系。
  - onNext(T t)：接收到新数据时调用。
  - onError(Throwable t)：发生错误时调用。
  - onComplete()：数据流完成时调用。
Subscription（订阅关系）：
- 管理发布者与订阅者之间的数据流。
- request(long n)：订阅者请求 n 条数据，用于实现背压。
- cancel()：订阅者取消订阅，停止接收数据。
Processor（处理器）：
- 同时作为订阅者和发布者，用于在数据流中执行中间处理（如过滤、转换）。
- 示例：将输入数据转换为另一种格式后继续发布。

2.2 背压机制

背压是 Reactive Streams 的核心特性之一，允许订阅者动态控制数据流速。例如，如果订阅者处理数据较慢，它可以请求少量数据（request(1)），避免被过多的数据压垮。发布者根据订阅者的请求调整发送速度，从而保证系统稳定性。

3. Reactor 基本使用示例

让我们从一个简单的 Mono 示例开始，展示 Reactor 的基本用法：

CodeBlock Loading...

3.1 代码解析

Mono.just("hello world")：创建一个发出单个字符串的 Mono 实例。
subscribe(System.out::println)：订阅 Mono，将发出的元素打印到控制台。
输出：hello world

这个例子展示了 Reactor 的简单用法，但实际应用中通常会涉及更复杂的操作链，比如过滤、转换、错误处理等。

3.2 更复杂的示例

以下是一个包含中间操作的示例：

CodeBlock Loading...

输出：HELLO WORLD
解析：
- filter(s -> !s.isEmpty())：过滤掉空字符串（本例中无空字符串）。
- map(String::toUpperCase)：将字符串转换为大写。

这个示例展示了 Reactor 操作符的链式调用，体现了响应式编程的流式处理特性。

4. 发布者与订阅者：一个完整的 Demo

为了更深入理解 Reactive Streams 的机制，我们实现一个自定义的发布者-订阅者系统，模拟数据的生产与消费过程。

CodeBlock Loading...

4.1 代码解析

SimplePublisher：
- 持有数据列表，创建 SimpleSubscription 并传递给订阅者。
- 实现 Publisher 接口的 subscribe 方法。
SimpleSubscriber：
- 实现 Subscriber 接口，处理订阅、数据、错误和完成事件。
- 在 onSubscribe 中请求 1 条数据，在 onNext 中持续请求下一条数据以接收整个列表。
SimpleSubscription：
- 管理数据流，使用 ExecutorService 实现异步处理。
- 通过 AtomicInteger 确保线程安全的索引访问。
- 支持背压（request 方法）和取消订阅（cancel 方法）。
背压机制：
- 订阅者通过 request(1) 控制数据流速，避免一次性处理所有数据。
- 发布者根据请求逐条发送数据。
异步处理：
- 使用 ExecutorService 确保数据发送不阻塞主线程。
- 异步处理模拟了真实场景中的非阻塞 I/O 操作。

4.2 运行结果

CodeBlock Loading...

5. Reactor Mono 源码深入分析

为了理解 Reactor 的内部机制，我们深入分析 Mono 类的实现，重点探讨 Mono.just 和中间操作（如 filter 和 map）的源码。

5.1 Mono.just 的实现

CodeBlock Loading...

MonoJust：一个简单的 Mono 实现，发出单个预定义值。
onAssembly：用于调试和优化，确保操作链的正确性。

MonoJust 的类层次结构如下：

CodeBlock Loading...

Mono：抽象类，实现 CorePublisher 接口。
Fuseable：优化接口，支持高效的数据流处理。
SourceProducer：标记 MonoJust 作为数据源。

5.2 订阅过程

当调用 mono.subscribe(consumer) 时，最终触发 MonoJust.subscribe：

CodeBlock Loading...

Operators.scalarSubscription：创建订阅关系，包装数据和订阅者。
actual.onSubscribe：通知订阅者订阅关系已建立。

数据流转

以以下代码为例：

CodeBlock Loading...

订阅者（LambdaMonoSubscriber）：
- subscribe(System.out::println) 调用以下方法：
  CodeBlock Loading...
- System.out::println 被封装为 LambdaMonoSubscriber，实现 CoreSubscriber 接口。
订阅关系（scalarSubscription）：
- Operators.scalarSubscription 创建订阅关系：
  CodeBlock Loading...
数据流转过程：
- LambdaMonoSubscriber.onSubscribe 调用 s.request(Long.MAX_VALUE)。
- scalarSubscription.request 触发 onNext(value)，将数据传递给订阅者。
- LambdaMonoSubscriber.onNext 调用 consumer.accept(value)，即 System.out::println。

5.3 中间操作：filter 和 map

考虑以下复杂示例：

CodeBlock Loading...

filter 实现

CodeBlock Loading...

MonoFilter：包装原始 Mono，应用过滤逻辑。
Fuseable：优化模式，减少运行时开销。

map 实现

CodeBlock Loading...

MonoMap：包装原始 Mono，应用转换逻辑。

5.4 装饰器模式与责任链

Reactor 使用装饰器模式（或责任链模式）组织操作链。以示例代码为例，操作链为：

CodeBlock Loading...

每个操作类（如 MonoFilter、MonoMap）继承自 InternalMonoOperator：

CodeBlock Loading...

InternalMonoOperator 重写了 subscribe 方法：

CodeBlock Loading...

subscribeOrReturn：包装订阅者。例如，MonoFilter 创建 FilterSubscriber：
CodeBlock Loading...
nextOptimizableSource：返回上一个操作（如 MonoMap 返回 MonoFilter）。
source：最终返回数据源（如 MonoJust）。

5.5 数据流转与背压

订阅过程：
- 订阅者（LambdaMonoSubscriber）被 MonoMap 包装为 MapSubscriber。
- MapSubscriber 被 MonoFilter 包装为 FilterSubscriber。
- 最终订阅到 MonoJust。
数据流转：
- MonoJust 发出数据到 FilterSubscriber。
- FilterSubscriber 应用过滤逻辑：
  CodeBlock Loading...
- MapSubscriber 应用转换逻辑（mapper.apply），将数据传递给 LambdaMonoSubscriber。
背压：
- 订阅者通过 request 方法控制数据流速，层层传递到 MonoJust。
- 每个中间操作（如 FilterSubscriber）在处理数据后决定是否继续请求。

6. Reactor 的实际应用场景

Reactor 广泛应用于需要高并发和低延迟的场景，以下是一些典型用例：

Web 应用程序：
- 使用 Spring WebFlux 构建响应式 Web 服务，处理大量 HTTP 请求。
- 示例：处理 REST API 请求，将数据库查询结果封装为 Mono 或 Flux。
实时数据处理：
- 处理流式数据，如股票价格、传感器数据或日志流。
- 示例：使用 Flux 订阅 WebSocket 数据流，实时更新前端界面。
消息队列：
- 与 Kafka、RabbitMQ 等消息队列集成，异步处理消息。
- 示例：从 Kafka 主题订阅消息，使用 Flux 进行过滤和转换。
微服务架构：
- 在微服务中处理异步通信，提高系统吞吐量。
- 示例：服务间通过 Mono 传递单个响应，或通过 Flux 传递事件流。

7. 总结

Reactor 框架通过实现 Reactive Streams 规范，为 Java 开发者提供了一种强大的工具来构建高性能、非阻塞的应用程序。其核心特性包括：

Mono 和 Flux：支持 0-1 或 0-N 个元素的异步数据流。
背压机制：确保订阅者控制数据流速，维护系统稳定性。
装饰器模式：通过操作链实现灵活的数据处理。

通过分析 Mono.just 和中间操作的源码，我们深入了解了 Reactor 如何通过责任链和订阅者包装实现高效的数据流处理。本文还通过一个自定义的发布者-订阅者示例展示了 Reactive Streams 的核心机制。

8. 扩展学习资源

官方文档：Reactor 官方文档（https://projectreactor.io/docs）
Spring WebFlux：学习如何将 Reactor 应用于 Web 开发（https://spring.io/guides/gs/reactive-rest-service/）
Reactive Streams 规范：深入了解规范细节（http://www.reactive-streams.org/）

1. 响应式编程与 Reactor 框架

1.1 什么是响应式编程？

响应式编程（Reactive Programming）是一种基于异步数据流和事件驱动的编程范式。它强调以下几个核心特性：

异步非阻塞：通过异步处理，避免线程阻塞，提高资源利用率。
数据流驱动：将数据视为连续的流，处理从生产到消费的整个生命周期。
背压（Backpressure）：消费者可以控制数据流的速度，防止被生产者压垮。
事件驱动：系统对事件（如用户请求、数据到达）作出响应，而非轮询或阻塞等待。

响应式编程特别适合现代应用程序的需求，例如高并发的 Web 服务、实时数据处理（如股票交易系统）、以及微服务架构中的消息传递。

1.2 Reactor 框架简介

Reactor 是由 Pivotal 开发的一个开源响应式编程库，广泛应用于 Spring WebFlux 等框架。它提供了两种核心数据类型：

Mono：表示 0 或 1 个元素的异步序列，常用于单一结果的操作（如 HTTP 请求的响应）。
Flux：表示 0 到 N 个元素的异步序列，适用于流式数据处理（如日志流、WebSocket 数据）。

1.3 Reactor 的核心思想

Reactor 框架的核心是将事件处理逻辑与事件源分离。它的设计基于 Reactor 模式（也称为反应器模式），主要包含以下组件：

Reactor：事件循环，负责监听事件源（如 socket 连接、文件 I/O）。
Handler：处理具体事件的逻辑单元。
事件分发：当事件发生时，Reactor 将事件分发给对应的 Handler。

这种模式允许系统高效处理大量并发连接，而无需为每个连接分配一个线程，从而显著提升性能。

2. Reactive Streams 核心接口

Reactive Streams 是一个定义异步数据流处理的规范，Reactor 严格遵循其标准。规范定义了以下四个核心接口：

JAVA

package org.reactivestreams;

public interface Publisher<T> {  
    public void subscribe(Subscriber<? super T> s);  
}

public interface Subscriber<T> {  
    public void onSubscribe(Subscription s);  
    public void onNext(T t);  
    public void onError(Throwable t);  
    public void onComplete();  
}

public interface Subscription {  
    public void request(long n);  
    public void cancel();  
}

public interface Processor<T, R> extends Subscriber<T>, Publisher<R> {  
}

CodeBlock Loading...

2.1 接口详解

Publisher（发布者）：
- 负责生产数据并将其推送给订阅者。
- subscribe 方法允许订阅者注册以接收数据流。
- 示例：一个数据库查询结果的发布者，发出查询到的记录。
Subscriber（订阅者）：
- 数据消费者，处理从发布者接收到的数据。
- 提供以下方法：
  - onSubscribe(Subscription s)：订阅建立时调用，接收订阅关系。
  - onNext(T t)：接收到新数据时调用。
  - onError(Throwable t)：发生错误时调用。
  - onComplete()：数据流完成时调用。
Subscription（订阅关系）：
- 管理发布者与订阅者之间的数据流。
- request(long n)：订阅者请求 n 条数据，用于实现背压。
- cancel()：订阅者取消订阅，停止接收数据。
Processor（处理器）：
- 同时作为订阅者和发布者，用于在数据流中执行中间处理（如过滤、转换）。
- 示例：将输入数据转换为另一种格式后继续发布。

2.2 背压机制

3. Reactor 基本使用示例

让我们从一个简单的 Mono 示例开始，展示 Reactor 的基本用法：

JAVA

import reactor.core.publisher.Mono;

public class SimpleMonoDemo {  
    public static void main(String[] args) {  
        Mono<String> helloWorld = Mono.just("hello world");  
        helloWorld.subscribe(System.out::println);  
    }  
}

CodeBlock Loading...

3.1 代码解析

Mono.just("hello world")：创建一个发出单个字符串的 Mono 实例。
subscribe(System.out::println)：订阅 Mono，将发出的元素打印到控制台。
输出：hello world

这个例子展示了 Reactor 的简单用法，但实际应用中通常会涉及更复杂的操作链，比如过滤、转换、错误处理等。

3.2 更复杂的示例

以下是一个包含中间操作的示例：

JAVA

import reactor.core.publisher.Mono;

public class ComplexMonoDemo {  
    public static void main(String[] args) {  
        Mono<String> helloWorld = Mono.just("hello world")  
                .filter(s -> !s.isEmpty()) // 过滤空字符串  
                .map(String::toUpperCase); // 转换为大写  
        helloWorld.subscribe(System.out::println);  
    }  
}

CodeBlock Loading...

输出：HELLO WORLD
解析：
- filter(s -> !s.isEmpty())：过滤掉空字符串（本例中无空字符串）。
- map(String::toUpperCase)：将字符串转换为大写。

这个示例展示了 Reactor 操作符的链式调用，体现了响应式编程的流式处理特性。

4. 发布者与订阅者：一个完整的 Demo

为了更深入理解 Reactive Streams 的机制，我们实现一个自定义的发布者-订阅者系统，模拟数据的生产与消费过程。

JAVA

import org.reactivestreams.*;
import java.util.List;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.atomic.AtomicInteger;

public class MinimalReactiveDemo {

    // 发布者实现
    static class SimplePublisher<T> implements Publisher<T> {
        private final List<T> data;

        public SimplePublisher(List<T> data) {
            this.data = data;
        }

        @Override
        public void subscribe(Subscriber<? super T> s) {
            SimpleSubscription<T> subscription = new SimpleSubscription<>(s, data);
            s.onSubscribe(subscription);
        }
    }

    // 订阅者实现
    static class SimpleSubscriber<T> implements Subscriber<T> {
        private Subscription subscription;

        @Override
        public void onSubscribe(Subscription s) {
            System.out.println("[Subscriber] Subscribed. Requesting data...");
            this.subscription = s;
            s.request(1); // 初始请求 1 条数据
        }

        @Override
        public void onNext(T item) {
            System.out.println("[Subscriber] Received: " + item);
            subscription.request(1); // 持续请求下一条数据
        }

        @Override
        public void onError(Throwable t) {
            System.err.println("[Subscriber] Error: " + t.getMessage());
        }

        @Override
        public void onComplete() {
            System.out.println("[Subscriber] Completed.");
        }
    }

    // 订阅关系实现
    static class SimpleSubscription<T> implements Subscription {
        private final Subscriber<? super T> subscriber;
        private final List<T> data;
        private final AtomicInteger index = new AtomicInteger(0);
        private final ExecutorService executor = Executors.newSingleThreadExecutor();
        private volatile boolean cancelled = false;

        public SimpleSubscription(Subscriber<? super T> subscriber, List<T> data) {
            this.subscriber = subscriber;
            this.data = data;
        }

        @Override
        public void request(long n) {
            if (cancelled) return;

            executor.submit(() -> {
                for (int i = 0; i < n && !cancelled; i++) {
                    int currentIndex = index.getAndIncrement();
                    if (currentIndex < data.size()) {
                        subscriber.onNext(data.get(currentIndex));
                    } else {
                        subscriber.onComplete();
                        executor.shutdown();
                        return;
                    }
                }
            });
        }

        @Override
        public void cancel() {
            cancelled = true;
            executor.shutdownNow();
            System.out.println("[Subscription] Cancelled.");
        }
    }

    public static void main(String[] args) throws InterruptedException {
        List<String> items = List.of("Item 1", "Item 2", "Item 3", "Item 4", "Item 5");
        SimplePublisher<String> publisher = new SimplePublisher<>(items);
        SimpleSubscriber<String> subscriber = new SimpleSubscriber<>();

        publisher.subscribe(subscriber);
        Thread.sleep(2000); // 等待异步处理完成
    }
}

CodeBlock Loading...

4.1 代码解析

SimplePublisher：
- 持有数据列表，创建 SimpleSubscription 并传递给订阅者。
- 实现 Publisher 接口的 subscribe 方法。
SimpleSubscriber：
- 实现 Subscriber 接口，处理订阅、数据、错误和完成事件。
- 在 onSubscribe 中请求 1 条数据，在 onNext 中持续请求下一条数据以接收整个列表。
SimpleSubscription：
- 管理数据流，使用 ExecutorService 实现异步处理。
- 通过 AtomicInteger 确保线程安全的索引访问。
- 支持背压（request 方法）和取消订阅（cancel 方法）。
背压机制：
- 订阅者通过 request(1) 控制数据流速，避免一次性处理所有数据。
- 发布者根据请求逐条发送数据。
异步处理：
- 使用 ExecutorService 确保数据发送不阻塞主线程。
- 异步处理模拟了真实场景中的非阻塞 I/O 操作。

4.2 运行结果

[Subscriber] Subscribed. Requesting data...
[Subscriber] Received: Item 1
[Subscriber] Received: Item 2
[Subscriber] Received: Item 3
[Subscriber] Received: Item 4
[Subscriber] Received: Item 5
[Subscriber] Completed.

CodeBlock Loading...

5. Reactor Mono 源码深入分析

为了理解 Reactor 的内部机制，我们深入分析 Mono 类的实现，重点探讨 Mono.just 和中间操作（如 filter 和 map）的源码。

5.1 Mono.just 的实现

JAVA

public static <T> Mono<T> just(T data) {  
    return onAssembly(new MonoJust<>(data));  
}

CodeBlock Loading...

MonoJust：一个简单的 Mono 实现，发出单个预定义值。
onAssembly：用于调试和优化，确保操作链的正确性。

MonoJust 的类层次结构如下：

JAVA

final class MonoJust<T> extends Mono<T> implements Fuseable.ScalarCallable<T>, Fuseable, SourceProducer<T> 
public abstract class Mono<T> implements CorePublisher<T> 
public interface CorePublisher<T> extends Publisher<T>
interface SourceProducer<O> extends Scannable, Publisher<O>

CodeBlock Loading...

Mono：抽象类，实现 CorePublisher 接口。
Fuseable：优化接口，支持高效的数据流处理。
SourceProducer：标记 MonoJust 作为数据源。

5.2 订阅过程

当调用 mono.subscribe(consumer) 时，最终触发 MonoJust.subscribe：

JAVA

public void subscribe(CoreSubscriber<? super T> actual) {  
    actual.onSubscribe(Operators.scalarSubscription(actual, value));  
}

CodeBlock Loading...

Operators.scalarSubscription：创建订阅关系，包装数据和订阅者。
actual.onSubscribe：通知订阅者订阅关系已建立。

数据流转

以以下代码为例：

JAVA

Mono.just("hello world").subscribe(System.out::println);

CodeBlock Loading...

订阅者（LambdaMonoSubscriber）：

subscribe(System.out::println) 调用以下方法：

JAVA

public final Disposable subscribe(Consumer<? super T> consumer) {  
    Objects.requireNonNull(consumer, "consumer");  
    return subscribe(consumer, null, null);  
}

public final Disposable subscribe(@Nullable Consumer<? super T> consumer,  
                                 @Nullable Consumer<? super Throwable> errorConsumer,  
                                 @Nullable Runnable completeConsumer,  
                                 @Nullable Context initialContext) {  
    return subscribeWith(new LambdaMonoSubscriber<>(consumer, errorConsumer, completeConsumer, null, initialContext));  
}

CodeBlock Loading...

System.out::println 被封装为 LambdaMonoSubscriber，实现 CoreSubscriber 接口。

订阅关系（scalarSubscription）：

Operators.scalarSubscription 创建订阅关系：

JAVA

public void request(long n) {  
    if (validate(n)) {  
        if (ONCE.compareAndSet(this, 0, 1)) {  
            Subscriber<? super T> a = actual;  
            a.onNext(value);  
            if (once != 2) {  
                a.onComplete();  
            }  
        }  
    }  
}

CodeBlock Loading...

数据流转过程：
- LambdaMonoSubscriber.onSubscribe 调用 s.request(Long.MAX_VALUE)。
- scalarSubscription.request 触发 onNext(value)，将数据传递给订阅者。
- LambdaMonoSubscriber.onNext 调用 consumer.accept(value)，即 System.out::println。

5.3 中间操作：filter 和 map

考虑以下复杂示例：

JAVA

Mono<String> helloWorld = Mono.just("hello world")  
        .filter(s -> !s.isEmpty())  
        .map(String::toUpperCase);  
helloWorld.subscribe(System.out::println);

CodeBlock Loading...

filter 实现

JAVA

public final Mono<T> filter(final Predicate<? super T> tester) {  
    if (this instanceof Fuseable) {  
        return onAssembly(new MonoFilterFuseable<>(this, tester));  
    }  
    return onAssembly(new MonoFilter<>(this, tester));  
}

CodeBlock Loading...

MonoFilter：包装原始 Mono，应用过滤逻辑。
Fuseable：优化模式，减少运行时开销。

map 实现

JAVA

public final <R> Mono<R> map(Function<? super T, ? extends R> mapper) {  
    if (this instanceof Fuseable) {  
        return onAssembly(new MonoMapFuseable<>(this, mapper));  
    }  
    return onAssembly(new MonoMap<>(this, mapper));  
}

CodeBlock Loading...

MonoMap：包装原始 Mono，应用转换逻辑。

5.4 装饰器模式与责任链

Reactor 使用装饰器模式（或责任链模式）组织操作链。以示例代码为例，操作链为：

MonoJust -> MonoFilter -> MonoMap

CodeBlock Loading...

每个操作类（如 MonoFilter、MonoMap）继承自 InternalMonoOperator：

JAVA

final class MonoFilter<T> extends InternalMonoOperator<T, T>
abstract class InternalMonoOperator<I, O> extends MonoOperator<I, O> implements Scannable, OptimizableOperator<O, I>
public abstract class MonoOperator<I, O> extends Mono<O> implements Scannable

CodeBlock Loading...

InternalMonoOperator 重写了 subscribe 方法：

JAVA

public final void subscribe(CoreSubscriber<? super O> subscriber) {  
    OptimizableOperator operator = this;  
    try {  
        while (true) {  
            subscriber = operator.subscribeOrReturn(subscriber);  
            if (subscriber == null) {  
                return;  
            }  
            OptimizableOperator newSource = operator.nextOptimizableSource();  
            if (newSource == null) {  
                CorePublisher operatorSource = operator.source();  
                subscriber = Operators.restoreContextOnSubscriberIfPublisherNonInternal(operatorSource, subscriber);  
                operatorSource.subscribe(subscriber);  
                return;  
            }  
            operator = newSource;  
        }  
    } catch (Throwable e) {  
        Operators.reportThrowInSubscribe(subscriber, e);  
    }  
}

CodeBlock Loading...

subscribeOrReturn：包装订阅者。例如，MonoFilter 创建 FilterSubscriber：

JAVA

public CoreSubscriber<? super T> subscribeOrReturn(CoreSubscriber<? super T> actual) {  
    if (actual instanceof ConditionalSubscriber) {  
        return new FluxFilter.FilterConditionalSubscriber<>((ConditionalSubscriber<? super T>) actual, predicate);  
    }  
    return new FluxFilter.FilterSubscriber<>(actual, predicate);  
}

CodeBlock Loading...

nextOptimizableSource：返回上一个操作（如 MonoMap 返回 MonoFilter）。
source：最终返回数据源（如 MonoJust）。

5.5 数据流转与背压

订阅过程：
- 订阅者（LambdaMonoSubscriber）被 MonoMap 包装为 MapSubscriber。
- MapSubscriber 被 MonoFilter 包装为 FilterSubscriber。
- 最终订阅到 MonoJust。

数据流转：

MonoJust 发出数据到 FilterSubscriber。

FilterSubscriber 应用过滤逻辑：

JAVA

public void onNext(T t) {  
    if (done) {  
        Operators.onNextDropped(t, this.ctx);  
        return;  
    }  
    boolean b;  
    try {  
        b = predicate.test(t);  
    } catch (Throwable e) {  
        onError(Operators.onNextError(t, e, this.ctx, s));  
        return;  
    }  
    if (b) {  
        actual.onNext(t); // 传递给 MapSubscriber
    } else {  
        s.request(1); // 请求下一条数据
    }  
}

CodeBlock Loading...

MapSubscriber 应用转换逻辑（mapper.apply），将数据传递给 LambdaMonoSubscriber。

背压：
- 订阅者通过 request 方法控制数据流速，层层传递到 MonoJust。
- 每个中间操作（如 FilterSubscriber）在处理数据后决定是否继续请求。

6. Reactor 的实际应用场景

Reactor 广泛应用于需要高并发和低延迟的场景，以下是一些典型用例：

Web 应用程序：
- 使用 Spring WebFlux 构建响应式 Web 服务，处理大量 HTTP 请求。
- 示例：处理 REST API 请求，将数据库查询结果封装为 Mono 或 Flux。
实时数据处理：
- 处理流式数据，如股票价格、传感器数据或日志流。
- 示例：使用 Flux 订阅 WebSocket 数据流，实时更新前端界面。
消息队列：
- 与 Kafka、RabbitMQ 等消息队列集成，异步处理消息。
- 示例：从 Kafka 主题订阅消息，使用 Flux 进行过滤和转换。
微服务架构：
- 在微服务中处理异步通信，提高系统吞吐量。
- 示例：服务间通过 Mono 传递单个响应，或通过 Flux 传递事件流。

7. 总结

Reactor 框架通过实现 Reactive Streams 规范，为 Java 开发者提供了一种强大的工具来构建高性能、非阻塞的应用程序。其核心特性包括：

Mono 和 Flux：支持 0-1 或 0-N 个元素的异步数据流。
背压机制：确保订阅者控制数据流速，维护系统稳定性。
装饰器模式：通过操作链实现灵活的数据处理。

8. 扩展学习资源

官方文档：Reactor 官方文档（https://projectreactor.io/docs）
Spring WebFlux：学习如何将 Reactor 应用于 Web 开发（https://spring.io/guides/gs/reactive-rest-service/）
Reactive Streams 规范：深入了解规范细节（http://www.reactive-streams.org/）