内容简介:Android RxJava 背压策略:图文 + 实例 全面解析
前言
-
Rxjava
,由于其 基于事件流的链式调用、逻辑简洁 & 使用简单 的特点,深受各大Android
开发者的欢迎。
如果还不了解RxJava,请看文章: Android:这是一篇 清晰 & 易懂的Rxjava 入门教程
- 本文主要讲解的是
RxJava
中的 背压控制策略 ,希望你们会喜欢。
- 本系列文章主要基于
Rxjava 2.0
- 接下来的时间, 我将持续推出
Android
中Rxjava 2.0
的一系列文章,包括原理、操作符、应用场景、背压等等 ,有兴趣可以继续关注 Carson_Ho的安卓开发笔记 !!
本文所有代码 Demo
均存放在 Carson_Ho的Github地址
目录
1. 引言
1.1 背景
- 观察者 & 被观察者 之间存在2种订阅关系:同步 & 异步。具体如下:
- 对于异步订阅关系,存在 被观察者发送事件速度 与观察者接收事件速度 不匹配的情况
- 发送 & 接收事件速度 = 单位时间内 发送&接收事件的数量
- 大多数情况,主要是 被观察者发送事件速度 > 观察者接收事件速度
1.2 问题
- 被观察者 发送事件速度太快,而观察者 来不及接收所有事件,从而导致 观察者无法及时响应 / 处理所有发送过来事件的问题,最终导致缓存区溢出、事件丢失 & OOM
- 如,点击按钮事件:连续过快的点击按钮10次,则只会造成点击2次的效果;
- 解释:因为点击速度太快了,所以按钮来不及响应
下面再举个例子:
- 被观察者的发送事件速度 = 10ms / 个
- 观察者的接收事件速度 = 5s / 个
即出现发送 & 接收事件严重不匹配的问题
Observable.create(new ObservableOnSubscribe<Integer>() { // 1. 创建被观察者 & 生产事件 @Override public void subscribe(ObservableEmitter<Integer> emitter) throws Exception { for (int i = 0; ; i++) { Log.d(TAG, "发送了事件"+ i ); Thread.sleep(10); // 发送事件速度:10ms / 个 emitter.onNext(i); } } }).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Observer<Integer>() { // 2. 通过通过订阅(subscribe)连接观察者和被观察者 @Override public void onSubscribe(Disposable d) { Log.d(TAG, "开始采用subscribe连接"); } @Override public void onNext(Integer value) { try { // 接收事件速度:5s / 个 Thread.sleep(5000); Log.d(TAG, "接收到了事件"+ value ); } catch (InterruptedException e) { e.printStackTrace(); } } @Override public void onError(Throwable e) { Log.d(TAG, "对Error事件作出响应"); } @Override public void onComplete() { Log.d(TAG, "对Complete事件作出响应"); } });
- 结果 由于被观察者发送事件速度 > 观察者接收事件速度,所以出现流速不匹配问题,从而导致
OOM
1.3 解决方案
采用 背压策略。
下面,我将开始介绍背压策略。
2. 背压策略简介
2.1 定义
一种 控制事件流速 的策略
2.2 作用
在 异步订阅关系 中, 控制事件发送 & 接收的速度
注:背压的作用域 = 异步订阅关系 ,即 被观察者 & 观察者处在不同线程中
2.3 解决的问题
解决了 因被观察者发送事件速度 与 观察者接收事件速度 不匹配 (一般是前者 快于 后者),从而导致观察者无法及时响应 / 处理所有 被观察者发送事件 的问题
2.4 应用场景
- 被观察者发送事件速度 与 观察者接收事件速度 不匹配 的场景
- 具体场景就取决于 该事件的类型,如:网络请求,那么具体场景:有很多网络请求需要执行,但执行者的执行速度没那么快,此时就需要使用背压策略来进行控制。
3. 背压策略的原理
- 那么,RxJava实现背压策略(
Backpressure
)的原理是什么呢? - 解决方案 & 思想主要如下:
- 示意图如下
- 与
RxJava1.0
中被观察者的旧实现Observable
对比
- 好了,那么上图中在
RxJava 2.0
观察者模型中,Flowable
到底是什么呢?它其实是RxJava 2.0
中被观察者的一种新实现,同时也是背压策略实现的承载者 - 请继续看下一节的介绍:背压策略的具体实现 -
Flowable
4. 背压策略的具体实现:Flowable
在 RxJava2.0
中,采用 Flowable
实现 背压策略
正确来说,应该是 “ 非阻塞式背压 ” 策略
4.1 Flowable 介绍
- 定义:在
RxJava2.0
中,被观察者(Observable
)的一种新实现
同时, RxJava1.0
中被观察者( Observable
)的旧实现: Observable
依然保留
- 作用:实现 非阻塞式背压 策略
4.2 Flowable 特点
-
Flowable
的特点 具体如下
- 下面再贴出一张
RxJava2.0
与RxJava1.0
的观察者模型的对比图
实际上, RxJava2.0
也有保留(被观察者)Observerble - Observer(观察者)的观察者模型,此处只是为了做出对比让读者了解
4.3 与 RxJava1.0 中被观察者的旧实现 Observable 的关系
- 具体如下图
- 那么,为什么要采用新实现
Flowable
实现背压,而不采用旧的Observable
呢? - 主要原因:旧实现
Observable
无法很好解决背压问题。
4.4 Flowable的基础使用
-
Flowable
的基础使用非常类似于Observable
- 具体如下
/** * 步骤1:创建被观察者 = Flowable */ Flowable<Integer> upstream = Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { emitter.onNext(1); emitter.onNext(2); emitter.onNext(3); emitter.onComplete(); } }, BackpressureStrategy.ERROR); // 需要传入背压参数BackpressureStrategy,下面会详细讲解 /** * 步骤2:创建观察者 = Subscriber */ Subscriber<Integer> downstream = new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { // 对比Observer传入的Disposable参数,Subscriber此处传入的参数 = Subscription // 相同点:Subscription具备Disposable参数的作用,即Disposable.dispose()切断连接, 同样的调用Subscription.cancel()切断连接 // 不同点:Subscription增加了void request(long n) Log.d(TAG, "onSubscribe"); s.request(Long.MAX_VALUE); // 关于request()下面会继续详细说明 } @Override public void onNext(Integer integer) { Log.d(TAG, "onNext: " + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }; /** * 步骤3:建立订阅关系 */ upstream.subscribe(downstream);
- 更加优雅的链式调用
// 步骤1:创建被观察者 = Flowable Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { Log.d(TAG, "发送事件 1"); emitter.onNext(1); Log.d(TAG, "发送事件 2"); emitter.onNext(2); Log.d(TAG, "发送事件 3"); emitter.onNext(3); Log.d(TAG, "发送完成"); emitter.onComplete(); } }, BackpressureStrategy.ERROR) .subscribe(new Subscriber<Integer>() { // 步骤2:创建观察者 = Subscriber & 建立订阅关系 @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(3); } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
- 至此,
Flowable
的基础使用讲解完 - 关于更深层次的使用会结合 背压策略的实现 来讲解
5. 背压策略的使用
- 在本节中,我将结合 背压策略的原理 & Flowable的使用 ,为大家介绍在RxJava 2.0 中该如何使用Flowable来实现背压策略功能,即背压策略的使用
-
Flowable
与Observable
在功能上的区别主要是 多了背压的功能 - 下面,我将顺着第3节中讲解背压策略实现原理 & 解决方案(如下图),来讲解
Flowable
在背压策略功能上的使用
注:
- 由于第2节中提到, 使用背压的场景 = 异步订阅关系 ,所以下文中讲解的主要是异步订阅关系场景,即 被观察者 & 观察者 工作在不同线程中
- 但由于 在同步订阅关系的场景也可能出现流速不匹配的问题 ,所以在讲解异步情况后,会稍微讲解一下同步情况,以方便对比
5.1 控制 观察者接收事件 的速度
5.1.1 异步订阅情况
- 简介
- 具体原理图
- 具体使用
// 1. 创建被观察者Flowable Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 一共发送4个事件 Log.d(TAG, "发送事件 1"); emitter.onNext(1); Log.d(TAG, "发送事件 2"); emitter.onNext(2); Log.d(TAG, "发送事件 3"); emitter.onNext(3); Log.d(TAG, "发送事件 4"); emitter.onNext(4); Log.d(TAG, "发送完成"); emitter.onComplete(); } }, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { // 对比Observer传入的Disposable参数,Subscriber此处传入的参数 = Subscription // 相同点:Subscription参数具备Disposable参数的作用,即Disposable.dispose()切断连接, 同样的调用Subscription.cancel()切断连接 // 不同点:Subscription增加了void request(long n) s.request(3); // 作用:决定观察者能够接收多少个事件 // 如设置了s.request(3),这就说明观察者能够接收3个事件(多出的事件存放在缓存区) // 官方默认推荐使用Long.MAX_VALUE,即s.request(Long.MAX_VALUE); } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
- 效果图
- 有2个结论是需要大家注意的
下图 = 当缓存区存满时(128个事件)溢出报错的原理图
- 代码演示1:观察者不接收事件的情况下,被观察者继续发送事件 & 存放到缓存区;再按需取出
/** * 步骤1:设置变量 */ private static final String TAG = "Rxjava"; private Button btn; // 该按钮用于调用Subscription.request(long n ) private Subscription mSubscription; // 用于保存Subscription对象 /** * 步骤2:设置点击事件 = 调用Subscription.request(long n ) */ btn = (Button) findViewById(R.id.btn); btn.setOnClickListener(new View.OnClickListener() { @Override public void onClick(View view) { mSubscription.request(2); } }); /** * 步骤3:异步调用 */ Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { Log.d(TAG, "发送事件 1"); emitter.onNext(1); Log.d(TAG, "发送事件 2"); emitter.onNext(2); Log.d(TAG, "发送事件 3"); emitter.onNext(3); Log.d(TAG, "发送事件 4"); emitter.onNext(4); Log.d(TAG, "发送完成"); emitter.onComplete(); } }, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; // 保存Subscription对象,等待点击按钮时(调用request(2))观察者再接收事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
- 代码演示2:观察者不接收事件的情况下,被观察者继续发送事件至超出缓存区大小(128)
Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 一共发送129个事件,即超出了缓存区的大小 for (int i = 0;i< 129; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); // 默认不设置可接收事件大小 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
5.1.2 同步订阅情况
同步订阅 & 异步订阅 的区别在于:
- 同步订阅中,被观察者 & 观察者工作于同1线程
- 同步订阅关系中没有缓存区
- 被观察者在发送1个事件后,必须等待观察者接收后,才能继续发下1个事件
/** * 步骤1:创建被观察者 = Flowable */ Flowable<Integer> upstream = Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 发送3个事件 Log.d(TAG, "发送了事件1"); emitter.onNext(1); Log.d(TAG, "发送了事件2"); emitter.onNext(2); Log.d(TAG, "发送了事件3"); emitter.onNext(3); emitter.onComplete(); } }, BackpressureStrategy.ERROR); /** * 步骤2:创建观察者 = Subscriber */ Subscriber<Integer> downstream = new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(3); // 每次可接收事件 = 3 二次匹配 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件 " + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }; /** * 步骤3:建立订阅关系 */ upstream.subscribe(downstream);
所以,实际上并不会出现被观察者发送事件速度 > 观察者接收事件速度的情况。 可是,却会出现被观察者发送事件数量 > 观察者接收事件数量的问题。
- 如:观察者只能接受3个事件,但被观察者却发送了4个事件,所以出现了不匹配情况
/** * 步骤1:创建被观察者 = Flowable */ Flowable<Integer> upstream = Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 被观察者发送事件数量 = 4个 Log.d(TAG, "发送了事件1"); emitter.onNext(1); Log.d(TAG, "发送了事件2"); emitter.onNext(2); Log.d(TAG, "发送了事件3"); emitter.onNext(3); Log.d(TAG, "发送了事件4"); emitter.onNext(4); emitter.onComplete(); } }, BackpressureStrategy.ERROR); /** * 步骤2:创建观察者 = Subscriber */ Subscriber<Integer> downstream = new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(3); // 观察者接收事件 = 3个 ,即不匹配 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件 " + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }; /** * 步骤3:建立订阅关系 */ upstream.subscribe(downstream);
所以,对于 没有缓存区概念 的同步订阅关系来说,单纯采用控制观察者的接收事件数量(响应式拉取)实际上就等于 “单相思”,虽然观察者控制了要接收3个事件,但假设被观察者需要发送4个事件,还是会出现问题。
在下面讲解 5.2 控制被观察者发送事件速度 时会解决这个问题。
- 有1个特殊情况需要注意
- 代码演示
/** * 同步情况 */ /** * 步骤1:创建被观察者 = Flowable */ Flowable<Integer> upstream = Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { Log.d(TAG, "发送了事件1"); emitter.onNext(1); Log.d(TAG, "发送了事件2"); emitter.onNext(2); Log.d(TAG, "发送了事件3"); emitter.onNext(3); emitter.onComplete(); } }, BackpressureStrategy.ERROR); /** * 步骤2:创建观察者 = Subscriber */ Subscriber<Integer> downstream = new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); // 不设置request(long n) // s.request(Long.MAX_VALUE); } @Override public void onNext(Integer integer) { Log.d(TAG, "onNext: " + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }; /** * 步骤3:建立订阅关系 */ upstream.subscribe(downstream);
在被观察者发送第1个事件后, 就抛出 MissingBackpressureException
异常 & 观察者没有收到任何事件
5.2 控制 被观察者发送事件 的速度
- 简介
-
FlowableEmitter
类的requested()
介绍
public interface FlowableEmitter<T> extends Emitter<T> { // FlowableEmitter = 1个接口,继承自Emitter // Emitter接口方法包括:onNext(),onComplete() & onError long requested(); // 作用:返回当前线程中request(a)中的a值 // 该request(a)则是措施1中讲解的方法,作用 = 设置 ....// 仅贴出关键代码 }
-
每个线程中的
requested()
的返回值 = 该线程中的request(a)
的a值 -
对应于同步 & 异步订阅情况 的原理图
为了方便大家理解该策略中的 requested()
使用,该节会先讲解 同步订阅情况 ,再讲 解异步订阅情况
5.2.1 同步订阅情况
- 原理说明
即在同步订阅情况中,被观察者 通过 FlowableEmitter.requested()
获得了观察者自身接收事件能力, 从而根据该信息控制事件发送速度,从而达到了观察者反向控制被观察者的效果
- 具体使用 下面的例子 = 被观察者根据观察者自身接收事件能力(10个事件),从而仅发送10个事件
Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 调用emitter.requested()获取当前观察者需要接收的事件数量 long n = emitter.requested(); Log.d(TAG, "观察者可接收事件" + n); // 根据emitter.requested()的值,即当前观察者需要接收的事件数量来发送事件 for (int i = 0; i < n; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } } }, BackpressureStrategy.ERROR) .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); // 设置观察者每次能接受10个事件 s.request(10); } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
- 特别注意 在同步订阅情况中使用
FlowableEmitter.requested()
时,有以下几种使用特性需要注意的:
情况1:可叠加性
- 即:观察者可连续要求接收事件,被观察者会进行叠加并一起发送
Subscription.request(a1); Subscription.request(a2); FlowableEmitter.requested()的返回值 = a1 + a2
- 代码演示
Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 调用emitter.requested()获取当前观察者需要接收的事件数量 Log.d(TAG, "观察者可接收事件" + emitter.requested()); } }, BackpressureStrategy.ERROR) .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(10); // 第1次设置观察者每次能接受10个事件 s.request(20); // 第2次设置观察者每次能接受20个事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
情况2:实时更新性
- 即,每次发送事件后,emitter.requested()会实时更新观察者能接受的事件
- 即一开始观察者要接收10个事件,发送了1个后,会实时更新为9个
- 仅计算
Next
事件,complete & error
事件不算。
Subscription.request(10); // FlowableEmitter.requested()的返回值 = 10 FlowableEmitter.onNext(1); // 发送了1个事件 // FlowableEmitter.requested()的返回值 = 9
- 代码演示
Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 1. 调用emitter.requested()获取当前观察者需要接收的事件数量 Log.d(TAG, "观察者可接收事件数量 = " + emitter.requested()); // 2. 每次发送事件后,emitter.requested()会实时更新观察者能接受的事件 // 即一开始观察者要接收10个事件,发送了1个后,会实时更新为9个 Log.d(TAG, "发送了事件 1"); emitter.onNext(1); Log.d(TAG, "发送了事件1后, 还需要发送事件数量 = " + emitter.requested()); Log.d(TAG, "发送了事件 2"); emitter.onNext(2); Log.d(TAG, "发送事件2后, 还需要发送事件数量 = " + emitter.requested()); Log.d(TAG, "发送了事件 3"); emitter.onNext(3); Log.d(TAG, "发送事件3后, 还需要发送事件数量 = " + emitter.requested()); emitter.onComplete(); } }, BackpressureStrategy.ERROR) .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(10); // 设置观察者每次能接受10个事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
情况3:异常
- 当
FlowableEmitter.requested()
减到0时,则代表观察者已经不可接收事件 - 此时被观察者若继续发送事件,则会抛出
MissingBackpressureException
异常
如观察者可接收事件数量 = 1,当被观察者发送第2个事件时,就会抛出异常
Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 1. 调用emitter.requested()获取当前观察者需要接收的事件数量 Log.d(TAG, "观察者可接收事件数量 = " + emitter.requested()); // 2. 每次发送事件后,emitter.requested()会实时更新观察者能接受的事件 // 即一开始观察者要接收10个事件,发送了1个后,会实时更新为9个 Log.d(TAG, "发送了事件 1"); emitter.onNext(1); Log.d(TAG, "发送了事件1后, 还需要发送事件数量 = " + emitter.requested()); Log.d(TAG, "发送了事件 2"); emitter.onNext(2); Log.d(TAG, "发送事件2后, 还需要发送事件数量 = " + emitter.requested()); emitter.onComplete(); } }, BackpressureStrategy.ERROR) .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(1); // 设置观察者每次能接受1个事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
额外
- 若观察者没有设置可接收事件数量,即无调用
Subscription.request()
- 那么被观察者默认观察者可接收事件数量 = 0,即
FlowableEmitter.requested()
的返回值 = 0
5.2.2 异步订阅情况
- 原理说明
从上面可以看出,由于二者处于不同线程,所以被观察者 无法通过 FlowableEmitter.requested()
知道观察者自身接收事件能力,即 被观察者不能根据 观察者自身接收事件的能力 控制发送事件的速度 。具体请看下面例子
Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 调用emitter.requested()获取当前观察者需要接收的事件数量 Log.d(TAG, "观察者可接收事件数量 = " + emitter.requested()); } }, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(150); // 该设置仅影响观察者线程中的requested,却不会影响的被观察者中的FlowableEmitter.requested()的返回值 // 因为FlowableEmitter.requested()的返回值 取决于RxJava内部调用request(n),而该内部调用会在一开始就调用request(128) // 为什么是调用request(128)下面再讲解 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
而在异步订阅关系中,反向控制的原理是:通过 RxJava
内部固定调用被观察者线程中的 request(n)
从而 反向控制被观察者的发送事件速度
那么该什么时候调用被观察者线程中的 request(n)
& n
的值该是多少呢?请继续往下看。
- 具体使用
关于 RxJava
内部调用 request(n)(n = 128、96、0)
的逻辑如下:
至于为什么是调用 request(128)
& request(96)
& request(0)
,感兴趣的读者可自己阅读 Flowable
的源码
- 代码演示
下面我将用一个例子来演示该原理的逻辑
// 被观察者:一共需要发送500个事件,但真正开始发送事件的前提 = FlowableEmitter.requested()返回值 ≠ 0 // 观察者:每次接收事件数量 = 48(点击按钮) Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { Log.d(TAG, "观察者可接收事件数量 = " + emitter.requested()); boolean flag; //设置标记位控制 // 被观察者一共需要发送500个事件 for (int i = 0; i < 500; i++) { flag = false; // 若requested() == 0则不发送 while (emitter.requested() == 0) { if (!flag) { Log.d(TAG, "不再发送"); flag = true; } } // requested() ≠ 0 才发送 Log.d(TAG, "发送了事件" + i + ",观察者可接收事件数量 = " + emitter.requested()); emitter.onNext(i); } } }, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; // 初始状态 = 不接收事件;通过点击按钮接收事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }); // 点击按钮才会接收事件 = 48 / 次 btn = (Button) findViewById(R.id.btn); btn.setOnClickListener(new View.OnClickListener() { @Override public void onClick(View view) { mSubscription.request(48); // 点击按钮 则 接收48个事件 } });
整个流程 & 测试结果 请看下图
5.3 采用背压策略模式:BackpressureStrategy
5.3.1 背压模式介绍
在Flowable的使用中,会被要求传入背压模式参数
- 面向对象:针对缓存区
- 作用:当缓存区大小存满、被观察者仍然继续发送下1个事件时,该如何处理的策略方式
缓存区大小存满、溢出 = 发送事件速度 > 接收事件速度 的结果 = 发送 & 接收事件不匹配的结果
5.3.2 背压模式类型
下面我将对每种模式逐一说明。
模式1:BackpressureStrategy.ERROR
- 问题:发送事件速度 > 接收事件 速度,即流速不匹配
具体表现:出现当缓存区大小存满(默认缓存区大小 = 128)、被观察者仍然继续发送下1个事件时
- 处理方式:直接抛出异常
MissingBackpressureException
// 创建被观察者Flowable Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 发送 129个事件 for (int i = 0;i< 129; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.ERROR) // 设置背压模式 = BackpressureStrategy.ERROR .subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
模式2:BackpressureStrategy.MISSING
- 问题:发送事件速度 > 接收事件 速度,即流速不匹配
具体表现是:出现当缓存区大小存满(默认缓存区大小 = 128)、被观察者仍然继续发送下1个事件时
- 处理方式:友好提示:缓存区满了
// 创建被观察者Flowable Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 发送 129个事件 for (int i = 0;i< 129; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.MISSING) // 设置背压模式 = BackpressureStrategy.MISSING .subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
模式3:BackpressureStrategy.BUFFER
- 问题:发送事件速度 > 接收事件 速度,即流速不匹配
具体表现是:出现当缓存区大小存满(默认缓存区大小 = 128)、被观察者仍然继续发送下1个事件时
- 处理方式:将缓存区大小设置成无限大
- 即 被观察者可无限发送事件 观察者,但实际上是存放在缓存区
- 但要注意内存情况,防止出现OOM
// 创建被观察者Flowable Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 发送 129个事件 for (int i = 1;i< 130; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.BUFFER) // 设置背压模式 = BackpressureStrategy.BUFFER .subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
可以接收超过原先缓存区大小(128)的事件数量了
模式4: BackpressureStrategy.DROP
- 问题:发送事件速度 > 接收事件 速度,即流速不匹配
具体表现是:出现当缓存区大小存满(默认缓存区大小 = 128)、被观察者仍然继续发送下1个事件时
- 处理方式:超过缓存区大小(128)的事件丢弃
如发送了150个事件,仅保存第1 - 第128个事件,第129 -第150事件将被丢弃
Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 发送150个事件 for (int i = 0;i< 150; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.DROP) // 设置背压模式 = BackpressureStrategy.DROP .subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; // 通过按钮进行接收事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }); btn = (Button) findViewById(R.id.btn); btn.setOnClickListener(new View.OnClickListener() { @Override public void onClick(View view) { mSubscription.request(128); // 每次接收128个事件 } });
被观察者一下子发送了150个事件,点击按钮接收时观察者接收了128个事件;再次点击接收时却无法接受事件,这说明超过缓存区大小的事件被丢弃了。
模式5:BackpressureStrategy.LATEST
- 问题:发送事件速度 > 接收事件 速度,即流速不匹配
具体表现是:出现当缓存区大小存满(默认缓存区大小 = 128)、被观察者仍然继续发送下1个事件时
- 处理方式:只保存最新(最后)事件,超过缓存区大小(128)的事件丢弃
即如果发送了150个事件,缓存区里会保存129个事件(第1-第128 + 第150事件)
Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { for (int i = 0;i< 150; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.LATEST) // // 设置背压模式 = BackpressureStrategy.LATEST .subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; // 通过按钮进行接收事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }); btn = (Button) findViewById(R.id.btn); btn.setOnClickListener(new View.OnClickListener() { @Override public void onClick(View view) { mSubscription.request(128); // 每次接收128个事件 } });
- 被观察者一下子发送了150个事件,点击按钮接收时观察者接收了128个事件;
- 再次点击接收时却接收到1个事件(第150个事件),这说明超过缓存区大小的事件仅保留最后的事件(第150个事件)
5.3.3 特别注意
在使用背压策略模式的时候,有1种情况是需要注意的:
a. 背景 FLowable
可通过自己创建(如上面例子),或通过其他方式自动创建,如interval操作符
interval操作符简介
- 作用:每隔1段时间就产生1个数字(Long型),从0开始、1次递增1,直至无穷大
- 默认运行在1个新线程上
- 与timer操作符区别:timer操作符可结束发送
b. 冲突
-
对于自身手动创建
FLowable
的情况,可通过传入背压模式参数选择背压策略 (即上面描述的) -
可是对于自动创建
FLowable
,却无法手动传入传入背压模式参数,那么出现流速不匹配的情况下,该如何选择 背压模式呢?
// 通过interval自动创建被观察者Flowable // 每隔1ms将当前数字(从0开始)加1,并发送出去 // interval操作符会默认新开1个新的工作线程 Flowable.interval(1, TimeUnit.MILLISECONDS) .observeOn(Schedulers.newThread()) // 观察者同样工作在一个新开线程中 .subscribe(new Subscriber<Long>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; s.request(Long.MAX_VALUE); //默认可以接收Long.MAX_VALUE个事件 } @Override public void onNext(Long aLong) { Log.d(TAG, "onNext: " + aLong); try { Thread.sleep(1000); // 每次延时1秒再接收事件 // 因为发送事件 = 延时1ms,接收事件 = 延时1s,出现了发送速度 & 接收速度不匹配的问题 // 缓存区很快就存满了128个事件,从而抛出MissingBackpressureException异常,请看下图结果 } catch (InterruptedException e) { e.printStackTrace(); } } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
c. 解决方案 RxJava 2.0
内部提供 封装了背压策略模式的方法
-
onBackpressureBuffer()
-
onBackpressureDrop()
-
onBackpressureLatest()
默认采用 BackpressureStrategy.ERROR
模式
具体使用如下:
Flowable.interval(1, TimeUnit.MILLISECONDS) .onBackpressureBuffer() // 添加背压策略封装好的方法,此处选择Buffer模式,即缓存区大小无限制 .observeOn(Schedulers.newThread()) .subscribe(new Subscriber<Long>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; s.request(Long.MAX_VALUE); } @Override public void onNext(Long aLong) { Log.d(TAG, "onNext: " + aLong); try { Thread.sleep(1000); } catch (InterruptedException e) { e.printStackTrace(); } } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });
从而很好地解决了发送事件 & 接收事件 速度不匹配的问题。
其余方法的作用类似于上面的说背压模式参数,此处不作过多描述。
背压策略模式小结
- 至此,对
RxJava 2.0
的背压模式终于讲解完毕 - 所有代码Demo均存放在 Carson_Ho的Github地址
6. 总结
-
本文主要对
Rxjava
的背压模式知识进行讲解 -
接下来的时间, 我将持续推出
Android
中Rxjava 2.0
的一系列文章,包括原理、操作符、应用场景、背压等等 ,有兴趣可以继续关注 Carson_Ho的安卓开发笔记 !!
以上所述就是小编给大家介绍的《Android RxJava 背压策略:图文 + 实例 全面解析》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- Oracle的实例恢复解析
- Tomcat 日志分割实例解析
- SQL Server的实例恢复解析
- python使用锁访问共享变量实例解析
- Python生成器以及应用实例解析
- SQL 联合查询与XML解析实例详解
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Web Analytics
Avinash Kaushik / Sybex / 2007-6-5 / USD 29.99
在线阅读本书 Written by an in-the-trenches practitioner, this step-by-step guide shows you how to implement a successful Web analytics strategy. Web analytics expert Avinash Kaushik, in his thought-p......一起来看看 《Web Analytics》 这本书的介绍吧!