[[339894]]

1. 前言

很多同學反映對響應式編程中的Flux和Mono這兩個Reactor中的概念有點懵逼。但是目前Java響應式編程中我們對這兩個對象的接觸又最多，諸如Spring WebFlux、RSocket、R2DBC。我開始也對這兩個對象頭疼，所以今天我們就簡單來探討一下它們。

2. 響應流的特點

要搞清楚這兩個概念，必須說一下響應流規范。它是響應式編程的基石。他具有以下特點：

• 響應流必須是無阻塞的。
• 響應流必須是一個數據流。
• 它必須可以異步執行。
• 并且它也應該能夠處理背壓。

背壓是反應流中的一個重要概念，可以理解為，生產者可以感受到消費者反饋的消費壓力，并根據壓力進行動態調整生產速率。形象點可以按照下面理解：

[[339895]]

有沒有背壓的兩種情形

3. Publisher

由于響應流的特點，我們不能再返回一個簡單的POJO對象來表示結果了。必須返回一個類似Java中的Future的概念，在有結果可用時通知消費者進行消費響應。

Reactive Stream規范中這種被定義為Publisher ，Publisher是一個可以提供 0-N 個序列元素的提供者，并根據其訂閱者Subscriber的需求推送元素。一個Publisher可以支持多個訂閱者，并可以根據訂閱者的邏輯進行推送序列元素。下面這個Excel計算就能說明一些Publisher的特點。

A1-A9就可以看做Publisher及其提供的元素序列。A10-A13分別是求和函數SUM(A1:A9)、平均函數AVERAGE(A1:A9)、最大值函數MAX(A1:A9)、最小值函數MIN(A1:A9)，可以看作訂閱者Subscriber。假如說我們沒有A10-A13，那么A1-A9就沒有實際意義，它們并不產生計算。這也是響應式的一個重要特點：當沒有訂閱時發布者什么也不做。

而Flux和Mono都是Publisher在Reactor 3實現。Publisher提供了subscribe方法，允許消費者在有結果可用時進行消費。如果沒有消費者Publisher不會做任何事情，他根據消費情況進行響應。Publisher可能返回零或者多個，甚至可能是無限的，為了更加清晰表示期待的結果就引入了兩個實現模型Mono和Flux。

4. Flux

Flux是一個發出(emit)0-N個元素組成的異步序列的Publisher,可以被onComplete信號或者onError信號所終止。在響應流規范中存在三種給下游消費者調用的方法 onNext, onComplete, 和onError。下面這張圖表示了 Flux 的抽象模型：

Flux

以上的的講解對于初次接觸反應式編程的依然是難以理解的，所以這里有一個循序漸進的理解過程。

有些類比并不是很妥當，但是對于你循序漸進的理解這些新概念還是有幫助的。

傳統數據處理

我們在平常是這么寫的：

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

我們通過迭代返回值List來get這些元素進行再處理(消費)，這種方式有點類似廚師做了很多菜，吃不吃在于食客。需要食客主動去來吃就行了(pull的方式)，至于喜歡吃什么不喜歡吃什么自己隨意，怎么吃也自己隨意。

流式數據處理

在Java 8中我們可以改寫為流的表示：

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

依然是廚師做了很多菜，但是這種就更加高級了一些，提供了菜品的搭配方式(不包含具體細節)，食客可以按照說明根據自己的習慣搭配著去吃，一但開始概不退換，吃完為止，過期不候。

反應式數據處理

在Reactor中我們又可以改寫為Flux表示：

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

這時候食客只需要訂餐就行了，做好了自然就呈上來，而且可以隨時根據食客的飯量進行調整。如果沒有食客訂餐那么廚師就什么都不用做。當然不止有這么點特性，不過對于方便我們理解來說這就夠了。

5. Mono

Mono 是一個發出(emit)0-1個元素的Publisher,可以被onComplete信號或者onError信號所終止。

Mono

這里就不翻譯了，整體和Flux差不多，只不過這里只會發出 0-1 個元素。也就是說不是有就是沒有。象Flux一樣，我們來看看Mono的演化過程以幫助理解。

傳統數據處理

public ClientUser currentUser () { 
    return isAuthenticated ? new ClientUser("felord.cn", "reactive") : null; 
} 

直接返回符合條件的對象或者null。

Optional 的處理方式

public Optional<ClientUser> currentUser () { 
    return isAuthenticated ? Optional.of(new ClientUser("felord.cn", "reactive")) 
            : Optional.empty(); 
} 

這個Optional我覺得就有反應式的那種味兒了，當然它并不是反應式。當我們不從返回值Optional取其中具體的對象時，我們不清楚里面到底有沒有，但是Optional是一定客觀存在的,不會出現NPE問題。

反應式數據處理

public Mono<ClientUser> currentUser () { 
    return isAuthenticated ? Mono.just(new ClientUser("felord.cn", "reactive")) 
            : Mono.empty(); 
} 

和Optional有點類似的機制，當然Mono不是為了解決NPE問題的，它是為了處理響應流中單個值(也可能是Void)而存在的。

6. 總結

Flux和Mono是Java反應式中的重要概念，但是很多同學包括我在開始都難以理解它們。這其實是規定了兩種流式范式，這種范式讓數據具有一些新的特性，比如基于發布訂閱的事件驅動，異步流、背壓等等。另外數據是推送(Push)給消費者的以區別于平時我們的拉(Pull)模式。同時我們可以像Stream Api一樣使用類似map、flatmap等操作符(operator)來操作它們。對Flux和Mono這兩個概念需要花一些時間去理解它們，不能操之過急。

本文轉載自微信公眾號「碼農小胖哥」，可以通過以下二維碼關注。轉載本文請聯系碼農小胖哥公眾號。