标签
| 响应式编程
作者
| 张逸
特别说明：
本文包含大量代码片段，若要获得更好阅读观感，请点击文末“阅读原文”或访问我的博客。
响应式编程（Reactive Programming）的本质是异步非阻塞的高响应式处理，最核心思想则为
Everything is stream
，即针对流进行处理，这是其根本。从这个角度讲，我们可以将响应式编程的设计思想视为Stream-Oriented Design，即面向流的设计。
正如面向对象设计以对象为基本设计要素，函数式编程思想以函数为基本设计要素，响应式编程则应该以流为基本设计要素。这带来设计思想上根本的变化，包括：
-
以流作为建模的元素
-
流存在松耦合的上下游关系
-
以流为重用的单位
-
对流进行转换、运算、合并与拆
分
在Rx框架中，一个流就是一个Observable或者Flowable。例如我们要统计网页的字数，则流的源头就是对网页内容的获取，而流就是
Observable
类型的网页内容。至于统计操作，则需要经历分词、字数统计两个阶段，则可以视为是对流的转换与运算操作：
1
2
3
4
|
Flowable.fromFuture(pageContent)
.flatMap(content -> Flowable.fromArray(s.split(" ")))
.map(w -> new Pair<>(w, 1))
.groupBy(Pair::getKey);
|
由于Rx框架提供了诸如merge、combineLatest、zip等操作符来完成多个流之间的组合，我们就可以分别建立各自的流，然后再利用这些操作符对其进行合并，或者反其道而行之。这样就能尽可能地分解出诸多原子的可重用的流。例如，针对UI的click操作以及response响应，我们就可以分别建立两个流，然后利用combineLatest进行组合。无论哪个流发射了数据，它都会将这两个流最近发射的数据组合起来，并按照指定的函数进行运算。
Akka Stream提出来的Graph更能体现流作为建模元素的思想。只要规划好我们的流程，思考组成这些流程的步骤的输入和输出，就可以分别将这些步骤分别建模为Source、Sink、Flow以及Fan-in、Fan-out和BidiFlow，如下图所示：
例如针对银行交易业务，如果我们需要执行如下流程：
我们对该流程进行领域建模时，实则可以绘制一个可以表达Akka Streams中Graph的可视化图：
通过这样的可视化图，我们就可以针对这些图中的节点建模为Akka Streams中的Graph Shape。至于流的广播与合并，则对应着框架的Broadcast Fan-out与Merge Fan-In。除了入口的accountNos是Source，以及用于最后的审计与净值计算作为Sink外，其余节点都是Flow类型。实现代码如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
val graph = RunnableGraph.fromGraph(GraphDSL.create(netTxnSink) { implicit b => ms =>
import GraphDSL.Implicits._
val
|
