上海紫昌网站建设,58同城找工作招聘信息,做套现网站,建设银行网站的特点优势什么是响应式编程?
在互联网上有着一大堆糟糕的解释与定义。Wikipedia 一如既往的空泛与理论化。Stackoverflow 的权威答案明显不适合初学者。Reactive Manifesto 看起来是你展示给你公司的项目经理或者老板们看的东西。微软的 Rx terminologyRx Observables LINQ S…什么是响应式编程?
在互联网上有着一大堆糟糕的解释与定义。Wikipedia 一如既往的空泛与理论化。Stackoverflow 的权威答案明显不适合初学者。Reactive Manifesto 看起来是你展示给你公司的项目经理或者老板们看的东西。微软的 Rx terminologyRx Observables LINQ Schedulers 过于重量级且微软味十足只会让大部分人困惑。相对于你所使用的 MV* 框架以及钟爱的编程语言“Reactive” 和 “Propagation of change” 这些术语并没有传达任何有意义的概念。框架的 Views 层当然要对 Models 层作出反应改变当然会传播。如果没有这些就没有东西会被渲染了。
所以不要再扯这些废话了。
响应式编程是使用异步数据流进行编程
一方面这并不是什么新东西。Event buses 或者 Click events 本质上就是异步事件流你可以监听并处理这些事件。响应式编程的思路大概如下你可以用包括 Click 和 Hover 事件在内的任何东西创建 Data stream。Stream 廉价且常见任何东西都可以是一个 Stream变量、用户输入、属性、Cache、数据结构等等。举个例子想像一下你的 Twitter feed 就像是 Click events 那样的 Data stream你可以监听它并相应的作出响应。
在这个基础上你还有令人惊艳的函数去组合、创建、过滤这些 Streams这就是函数式魔法的用武之地。Stream 能接受一个甚至多个 Stream 为输入你可以融合两个 Stream也可以从一个 Stream 中过滤出你感兴趣的 Events 以生成一个新的 Stream还可以把一个 Stream 中的数据值 映射到一个新的 Stream 中。
既然 Stream 在响应式编程中如此重要那么我们就应该好好的了解它们就从我们熟悉的Clicks on a button Event stream 开始。 Stream 就是一个按时间排序的 Events 序列,它可以放射三种不同的 Events(某种类型的)Value、Error 或者一个 Completed Signal。考虑一下Completed发生的时机例如当包含这个按钮的窗口或者视图被关闭时。
通过分别为 Value、Error、“Completed定义事件处理函数我们将会异步地捕获这些 Events。有时可以忽略 Error 与Completed”你只需要定义 Value 的事件处理函数就行。监听一个 Stream 也被称作是订阅 而我们所定义的函数就是观察者Stream则是被观察者其实就是 Observer Design Pattern。
上面的示意图也可以使用ASCII重画为下图在下面的部分教程中我们会使用这幅图
--a---b-c---d---X---|-a, b, c, d are emitted values
X is an error
| is the completed signal
--- is the timeline 既然已经开始对响应式编程感到熟悉为了不让你觉得无聊我们可以尝试做一些新东西我们将会把一个 Click event stream 转为新的 Click event stream。
首先让我们做一个能记录一个按钮点击了多少次的计数器 Stream。在常见的响应式编程库中每个Stream都会有多个方法如 map, filter, scan, 等等。当你调用其中一个方法时例如 clickStream.map(f)它就会基于原来的 Click stream 返回一个新的 Stream 。它不会对原来的 Click steam 作任何修改。这个特性称为不可变性,它对于响应式编程 Stream就如果汁对于薄煎饼。我们也可以对方法进行链式调用如 clickStream.map(f).scan(g)
clickStream: ---c----c--c----c------c--vvvvv map(c becomes 1) vvvv---1----1--1----1------1--vvvvvvvvv scan() vvvvvvvvv
counterStream: ---1----2--3----4------5-- map(f) 会根据你提供的 f 函数把原 Stream 中的 Value 分别映射到新的 Stream 中。在我们的例子中我们把每一次 Click 都映射为数字 1。scan(g) 会根据你提供的 g 函数把 Stream 中的所有 Value 聚合成一个 Value x g(accumulated, current) 这个示例中 g 只是一个简单的添加函数。然后每 Click 一次 counterStream 就会把点击的总次数发给它的观察者。
为了展示响应式编程真正的实力让我们假设你想得到一个包含“双击”事件的 Stream。为了让它更加有趣假设我们想要的这个 Stream 要同时考虑三击(Triple clicks)或者更加宽泛连击(两次或更多)。深呼吸一下然后想像一下在传统的命令式且带状态的方式中你会怎么实现。我敢打赌代码会像一堆乱麻并且会使用一些变量保存状态同时也有一些计算时间间隔的代码。
而在响应式编程中这个功能的实现就非常简单。事实上这逻辑只有 4 行代码。但现在我们先不管那些代码。用图表的方式思考是理解怎样构建Stream的最好方法无论你是初学者还是专家。 灰色的方框是用来转换 Stream 函数的。首先简而言之我们把连续 250 ms 内的 Click 都积累到一个列表中就是 buffer(stream.throttle(250ms) 做的事。不要在意这些细节我们只是展示一下响应式编程而已)。结果是一个列表的 Stream 然后我们使用 map() 把每个列表映射为一个整数即它的长度。最终我们使用 filter(x 2) 把整数 1 给过滤掉。就这样3 个操作就生成了我们想要的 Stream。然后我们就可以订阅(“监听”)这个 Stream并以我们所希望的方式作出反应。
我希望你能感受到这个示例的优美之处。这个示例只是冰山一角你可以把同样的操作应用到不同种类的 Stream 上例如一个 API 响应的 Stream另一方面还有很多其它可用的函数。
为什么我要使用响应式编程(RP)
响应式编程提高了代码的抽象层级所以你可以只关注定义了业务逻辑的那些相互依赖的事件而非纠缠于大量的实现细节。RP 的代码往往会更加简明。
特别是在开发现在这些有着大量与数据事件相关的 UI events 的高互动性 Webapps、手机 apps 的时候RP 的优势就更加明显。10年前网页的交互就只是提交一个很长的表单到后端而在前端只产生简单的渲染。Apps 就表现得更加的实时了修改一个表单域就能自动地把修改后的值保存到后端为一些内容点赞时会实时的反应到其它在线用户那里等等。
现在的 Apps 有着大量各种各样的实时 Events以给用户提供一个交互性较高的体验。我们需要工具去应对这个变化而响应式编程就是一个答案。
响应式编程特点
传统的编程方式是顺序执行的上一个任务没有完成需要等待直至完成之后才会执行下一个任务。无论是提升机器的性能还是代码的性能本质上都需要依赖上一个任务的完成。如果需要响应迅速就得把同步执行的方式换成异步方法执行变成消息发送。这变成了异步编程的方式它是响应式编程的重要特性之一。
异步编程提供了合适的异步编程模型能够挖掘多核 CPU 的能力、提高效率、降低延迟和阻塞等。数据流基于数据流模型响应式编程提供一套统一的 Stream 风格的数据处理接口。和 Java 8 中的 Stream 相比响应式编程除了支持静态数据流还支持动态数据流并且允许复用和同时接入多个订阅者。变化传播简单来说就是以一个「数据流」为输入经过一连串操作转化为另一个数据流然后分发给各个订阅者的过程。这就有点像函数式编程中的组合函数compose将多个函数串联起来把一组输入数据转化为格式迥异的输出数据。
响应式编程优点
响应式编程在执行过程中是异「步非阻塞」可以充分利用多核 CPU 的性能并且可以由底层的执行模型负责通过数据流来自动传播变化可以做到更实时的响应使用响应式编程风格开发的程序能支持更大的 吞吐量备注支持更大的吞吐量不代表程序跑的更快因为响应式编程只是让执行的主线程不会因为某些耗时操作而阻塞导致其阻塞后面的请求但实际执行耗时操作的子线程消耗的时间依然是没有变化。
响应式编程缺点
响应式编程风格与传统的命令式编程风格差异大且响应式编程主要是异步的相较于同步的编程方式在思维上有所变化需要一定的学习成本因为其基于「事件」驱动每次触发事件会使用新线程执行如果在一个不会阻塞的程序中使用线程切换可能比程序本身执行耗时要多对于异常的处理因为基于回调或者声明式的原因在使用匿名回调时没有寻址能力意味着在整个数据处理链中每个处理节点的处理成功或错误的状态不会向外界发送相应信号其中某个节点出错异常可能会被吞掉或者进行了相关处理但得到的异常信息少不好定位。
具体实现
ReactiveX 是响应式编程原则的一种实现通过使用可观察序列组成异步和基于事件的程序。使用 RX您的代码创建并订阅名为 Observables 的数据流。虽然反应式编程是关于概念的但 RX 为您提供了一个惊人的工具箱。通过结观察者和迭代器模式以及函数式习语RX 为您提供了超能力。您拥有一系列功能来组合、合并、过滤、转换和创建数据流。
值得一提的是ReactiveX 可以说无处不在对前端、跨平台、后端都进行了适配并提供相对应用的工具。在 Web 上可以使用 RxJS A reactive programming library for JavaScript. 已有 27.5K Star在移动设备上使用 Rx.NET 和 RxJava 操作 UI 事件和 API 响应。在 Java 平台支持响应式编程的流行库有 Reactor , RxJava Reactive Extensions for the JVM, Vert.x 等而在Java9中实现了响应式流规范Reactive Streams所定义的相关接口让Java本身支持了响应式编程不需要通过其他三方库实现。
此外前端领域还有很多其他更进一步的实现诸如 Cycle.js 用于可预测代码的功能性和反应式 JavaScript 框架。
RxJSJS 的反应式编程库 RxJS JavaScript 的反应式响应式编程库它通过使用可观察Observable序列来编写异步和基于事件的程序。它提供了一个核心类型 Observable附属类型 (Observer、 Schedulers、 Subjects) 和受 Array 启发的操作符 (map、filter、reduce、every 等等)这些数组操作符可以把异步事件作为集合来处理。️将 RxJS 视为事件的 Lodash。 基础知识
响应式代码的基本组成部分是Observables和Subscribers事实上Observer才是最小的构建块但实践中使用最多的是Subscriber因为Subscriber才是和Observables的对应的。。Observable发送消息而Subscriber则用于消费消息。
消息的发送是有固定模式的。Observable可以发送任意数量的消息包括空消息当消息被成功处理或者出错时流程结束。Observable会调用它的每个Subscriber的Subscriber.onNext()函数并最终以Subscriber.onComplete()或者Subscriber.onError()结束。
这看起来像标准的观察者模式 但不同的一个关键点是Observables一般只有等到有Subscriber订阅它才会开始发送消息术语上讲就是热启动Observable和冷启动Observable。热启动Observable任何时候都会发送消息即使没有任何观察者监听它。冷启动Observable只有在至少有一个订阅者的时候才会发送消息我的例子中都是只有一个订阅者。这个区别对于开始学习RxJava来说并不重要。。换句话说如果没有订阅者观察它那么将不会起什么作用。
Hello, World!
让我们以一个具体例子来实际看看这个框架。首先我们创建一个基本的Observable
ObservableString myObservable Observable.create(new Observable.OnSubscribeString() {Overridepublic void call(Subscriber? super String sub) {sub.onNext(Hello, world!);sub.onCompleted();}}
);我们的Observable发送“Hello,world!”消息然后完成。现在让我们创建Subscriber来消费这个数据
SubscriberString mySubscriber new SubscriberString() {Overridepublic void onNext(String s) { System.out.println(s); }Overridepublic void onCompleted() { }Overridepublic void onError(Throwable e) { }
};上面代码所做的工作就是打印由Observable发送的字符串。现在我们有了myObservable和mySubscriber就可以通过subscribe()函数把两者关联起来
myObservable.subscribe(mySubscriber);
// Outputs Hello, world!当订阅完成myObservable将调用subscriber的onNext()和onComplete()函数最终mySubscriber打印“Hello, world!”然后终止。
RxJava2 的核心原理
1、简单的链式调用无线程切换
先来看一段示例代码
Observable.create(object : ObservableOnSubscribeString {override fun subscribe(emitter: ObservableEmitterString) {Log.d(solart, subscribe ${Thread.currentThread().name})emitter.onNext(test)emitter.onComplete()}}).flatMap(object : FunctionString, ObservableString {override fun apply(t: String): ObservableString {return Observable.just(t)}}).map(object : FunctionString, Int {override fun apply(t: String): Int {return 0}}).subscribe(object : ObserverInt {override fun onSubscribe(d: Disposable) {Log.d(solart, onSubscribe ${Thread.currentThread().name})}override fun onNext(t: Int) {Log.d(solart, onNext ${Thread.currentThread().name})}override fun onComplete() {Log.d(solart, onComplete ${Thread.currentThread().name})}override fun onError(e: Throwable) {Log.d(solart, onError ${Thread.currentThread().name})}})这段代码中我们简单用了 create、flatMap、map等操作符进行了流式的数据转换最后我们通过 subscribe 订阅了数据流其实通过查看源码我们不难发现 RxJava 本身是个逆向订阅的过程话不多说先看图 2、异步事件流编程线程切换
相信有了上面的分析大家对 RxJava 的逆向订阅以及数据流转有了一定的认识但是 RxJava 的强大之处在于它的异步事件流编程方式随心所欲的切换工作线程下面我们来分析它是如何做到的。
同样的我们还是先给出一个简单的示例
Observable.create(object : ObservableOnSubscribeString {override fun subscribe(emitter: ObservableEmitterString) {Log.d(solart, subscribe ${Thread.currentThread().name})emitter.onNext(test)emitter.onComplete()}}).subscribeOn(Schedulers.io()).map(object : FunctionString, Int {override fun apply(t: String): Int {return 0}}).observeOn(AndroidSchedulers.mainThread()).subscribe(object : ObserverInt {override fun onSubscribe(d: Disposable) {Log.d(solart, onSubscribe ${Thread.currentThread().name})}override fun onNext(t: Int) {Log.d(solart, onNext ${Thread.currentThread().name})}override fun onComplete() {Log.d(solart, onComplete ${Thread.currentThread().name})}override fun onError(e: Throwable) {Log.d(solart, onError ${Thread.currentThread().name})}})这里简化了操作符的调用以切换线程为示例根据这段代码我画出了这个过程的流程图灵魂画手有没有如下 图中不同颜色红、绿、紫的实线表示流程所属不同线程体现在不同线程中的过程且标上了对应的序号方便大家观看这个图已经能够揭示 RxJava 运转的核心原理。
