rxjava背压，flutterplugin迁移升级

2022-01-26 00:32:15

或者这样理解：

水坝在储水的过程中同样也向下游放水来保持坝内的水位，但是如果发大洪水，上游水量很大，而大坝处理能力有限，坝内的水位必定会上升甚至最终漫过大坝。

在RxJava中，阻塞不一定会出现异常，但是肯定会多少对系统的性能和功能造成一定的影响。

阻塞是怎么形成的？

正如上面所说的当下游不能快速处理上游发来的事件事件时，而造成的事件阻塞现象。

RxJava1.0

在RxJava1.0中，Observable是支持背压的，翻下源码，可以看到在Rxjava1.0中的Buffer的大小为16

Observable.java 3551行

public final Observable<List> buffer(Observable boundary) {
return buffer(boundary, 16);
}

Observable.create(new Observable.OnSubscribe() {
@Override
public void call(Subscriber<? super Integer> subscriber) {
for (int i = 0;; i++) { //无限循环发事件
subscriber.onNext(i);
}
}
}).subscribe(new Action1() {
@Override
public void call(Integer integer) {
Log.d(TAG, “” + integer);
}
});

效果如下：

由于缓存池buffer的大小为16，照理说程序运行肯定会抛出个我们熟悉的异常
MissingBackpressureException啊，但是结果却是令我们万分诧异，我的内存啊……。

其实，原因很简单，由于RxJava观察者线程和被观察者处于同一线程，在同一个线程中，被观察需要等待观察者将事件处理完毕后才会继续发送下面的事件，所以上面才会出现这样的情况。

那么，我们让他们处于不同的线程再试下

Observable.create(new ObservableOnSubscribe() {
@Override
public void subscribe(ObservableEmitter emitter) throws Exception {
for (int i = 0; ; i++) { //无限循环发事件
emitter.onNext(i);
}
}
}).subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(new Consumer() {
@Override
public void accept(Integer integer) throws Exception {

Log.d(TAG, “” + integer);
}
});

你要的MissingBackpressureException拿去不谢。

什么？你不信Rxjava1.0中的Buffer大小是16？你不信算了……
开玩笑，我是一个不以理服人的人吗？很显然，是的！

继续吃上面的大栗子：

Observable.create(new Observable.OnSubscribe() {
@Override
public v
oid call(Subscriber<? super Integer> subscriber) {
for (int i = 0;i<16; i++) { //短时间，发送16个事件
subscriber.onNext(i);
}
}
}).subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(new Action1() {
@Override
public void call(Integer integer) {
Log.d(TAG, “” + integer);
}
});

看看这是啥？这不就是下游对上游事件的相应吗?请注意，这次我们仅仅发送了16个事件，下游就能正常处理事件了，但是如果我们把循环值改成17，我们再来看看。

Observable.create(new Observable.OnSubscribe() {
@Override
public void call(Subscriber<? super Integer> subscriber) {
for (int i = 0;i<17; i++) {//短时间，发送17个事件
subscriber.onNext(i);
}
}
}).subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(new Action1() {
@Override
public void call(Integer integer) {
Log.d(TAG, “” + integer);
}
});

没错，没给你闹着玩，他真的又抛出大家喜欢的异常了，没毛病。

不知道，大家看完了RxJava1.0的背压，对它有什么看法？下面是我对RxJava1.0背压的一些理解

首先，RxJava1.0的背压事件缓存池很小，只有16，不能够处理较大量的并发事件。
Rxjava1.0 中上游（被观察者）无法得知下游（观察者）对事件的处理能力和事件处理进度，只能把事件一股脑的抛给下游。
Rxjava1.0有很多事件不被能正确的背压，从而抛出MissingBackpressureException

RxJava2.0

RXJava2.0中Observable不再支持背压，多出了Flowable来支持背压操作

既然说Observable不再支持背压，那么我们随便搞应该就不会报哪个MissingBackpressureException了吧？

Log.d(TAG, “” + integer);
}
});

上面的例子中我们创建了一个Observable（被观察者/上游）来发送无限循环的事件，观察者（下游）让下游来处理事件。

虽然说，不报异常了但是这内存也是看的我眼疼，崩溃也是正常现象啊，这么看来背压操作还是很有必要的啊，不然程序分分钟崩溃一次，怪我咯^&

如何解决阻塞

当然，提到如何解决阻塞问题吗，大家肯定会首先想到“背压”啊，好吧背压策略确实很神奇，但是它也不是万能的啊，你不了解也不能乱用啊，它也是哥，不要太迷信它

在上面的例子里，就上一个，不是其他的！在上面的例子里我们再RxJava2.0中是使用Observable一直发送死循环事件，由于下游没有任何背压策略，所以上游的每个事件，下游都要一一进行处理，所以程序的内存就一直开车，最后翻车也再说难免。

确实，是因为上游在短时间发送太多的事件，让下游来不及处理就造成了事件的阻塞，那么我们是否可以用一些自己的方法来解决这种阻塞呢？

使用背压啊！

“你妹的，说好的用自己的办法呢？”

首先，我们分析阻塞形成的原因，无非是因为下面的原因啊：

上游的水流过快（上游发送事件过快）
上游水流量过大（上游发送事件过多）

总结来说就是短时间发送的事件过多，下游忙不过来！

好吧，首先我们用第一种办法试下，让上游发送事件的速度慢点

//控制发送速度，减少内存消耗

Observable.create(new ObservableOnSubscribe() {
@Override
public void subscribe(ObservableEmitter emitter) throws Exception {
for (int i = 0; ; i++) { //无限循环发事件
emitter.onNext(i);
Thread.sleep(1000);
}
}
}).subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(new Consumer() {
@Override
public void accept(Integer integer) throws Exception {

Log.d(TAG, “” + integer);
}
});

这样来看，我的内存就稳定，老铁稳。

那么，试试第二种方法，下游少接收点事件

//定时取样
Observable.create(new ObservableOnSubscribe() {
@Override
public void subscribe(ObservableEmitter emitter) throws Exception {
for (int i = 0; ; i++) { //无限循环发事件
emitter.onNext(i);

}
}
}).sample(1, TimeUnit.SECONDS)
.subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(new Consumer() {
@Override
public void accept(Integer integer) throws Exception {

Log.d(TAG, “” + integer);
}
});

或者是用过滤操作符，过滤掉一些上游事件

//过滤器过滤操作
Observable.create(new ObservableOnSubscribe() {
@Override
public void subscribe(ObservableEmitter emitter) throws Exception {
for (int i = 0; ; i++) { //无限循环发事件
emitter.onNext(i);

}
}
}).filter(new Predicate() {
@Override
public boolean test(Integer integer) throws Exception {
return integer % 100 == 0;

}
})
.subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(new Consumer() {
@Override
public void accept(Integer integer) throws Exception {

Log.d(TAG, “” + integer);
}
});

背压策略

上面唠唠叨叨说了那么多，基本上也给大家阐明了阻塞形成的原因和解决阻塞的方法，基本策略就是减少发送事件的频率和减少发送事件的数量。

But……

我们手动让上游发送事件的速度满下来貌似是不可取的，你想让上游的速度十多快呢？上游需要等多久呢？

还有……

我们依旧无法知道下游处理事件的能力，无法很好地处理阻塞的事件。

当然，你们肯定会说RxJava2.0不是很好地支了背压了吗？是的，确实比较好地对阻塞做了处理，咱们来看下吧。

在RxJava2.0中官方，推出了Flowable 和Subscriber用来支持背压，同样的去除了Observable对背压的支持，对的就像你上面看到的，Observable不再支持背压了，即使阻塞崩溃也不会抛出MissingBackpressureException

还是上代码看看，Flowable的用法吧。

Flowable.create(FlowableOnSubscribe source, BackpressureStrategy mode)

创建Flowable会默认让传入一个FlowableOnSubscribe和一个BackpressureStrategy，FlowableOnSubscribe很好理解就是一个就是Flowable的一个被观察者源，而BackpressureStrategy就是Flowable提供的背压策略

有哪些策略还是上源码看下吧：

public enum BackpressureStrategy {
/**

OnNext events are written without any buffering or dropping.
Downstream has to deal with any overflow.
Useful when one applies one of the custom-parameter onBackpressureXXX operators.

/
MISSING,
/*

Signals a MissingBackpressureException in case the downstream can’t keep up.
/
ERROR,
/*
Buffers all onNext values until the downstream consumes it.
/
BUFFER,
/*
Drops the most recent onNext value if the downstream can’t keep up.
/
DROP,
/*
Keeps only the latest onNext value, overwriting any previous value if the
downstream can’t keep up.
*/
LATEST
}

MISSING：
如果流的速度无法保持同步，可能会抛出MissingBackpressureException或IllegalStateException。

BUFFER
上游不断的发出onNext请求，直到下游处理完，也就是和Observable一样了，缓存池无限大，最后直到程序崩溃

ERROR
会在下游跟不上速度时抛出MissingBackpressureException。

DROP
会在下游跟不上速度时把onNext的值丢弃。

LATEST
会一直保留最新的onNext的值，直到被下游消费掉。

先不看上面的策略，我们最起码先看看Flowable怎么用吧

Flowable.create(new FlowableOnSubscribe() {
@Override
public void subscribe(FlowableEmitter e) throws Exception {
Log.d(TAG, “emit 1”);
emitter.onNext(1);
Log.d(TAG, “emit 2”);
emitter.onNext(2);
Log.d(TAG, “emit 3”);
emitter.onNext(3);
Log.d(TAG, “emit complete”);
emitter.onComplete();

}
}, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(new Subscriber() {
@Override
public void onSubscribe(Subscription s) {

}

@Override
public void onNext(Integer s) {
Log.d(TAG, "onNext: " + integer);
}

@Override
public void one rror(Throwable t) {
Log.d(TAG, “onError”+t);

}

@Override
public void onComplete() {
Log.d(TAG, “onComplete”);

}
});

上游 Flowable 构建FlowableEmitter用来发送上游事件，这里的背压策略我们采用ERROR，下游方法中出现了一个和原来

@Override
public void onSubscribe(Subscription s) {

}

Subscription.java

public interface Subscription {

public void request(long n);

public void cancel();

}

这里需要重点说明一下，在Flowable中背压采取拉取响应的方式来进行水流控制，也就是说Subscription是控制上下游水流的主要方式，一般的，我们需要调用Subscription.request（）来传入一个下游目前能处理的事件的数量

那么，我们不传会怎么样？

备注：这里上下游是在不同的线程里进行的，如果在同一个线程里，它也会抛出一个MissingBackpressureException，让你去设置调用request（）方法

咦，我上游发送的事件，下游一个没收到啊

那么也就是说上游不能发射事件，是因为你没有调用request方法，因为你不调用request（）上游不知道下游能处理事件的能力啊。

那么，也就是说我必须要调用request方法咯，那么我们就调用一下喽，官方说默认推荐使用Long.MAX_VALUE。

好吧，那么我们来试下吧，加上如下代码。

@Override
public void onSubscribe(Subscription s) {
s.request(Long.MAX_VALUE); //下游处理事件能力值
}

咦，还真正常了啊。

那么，我们设置个2试试？

s.request(2);

也就是说我们下游告诉上游我们能处理2个事件，这样上游就缓存池中取出了2个事件给发送给了下游。这点相比Rxjava1.0可以说是智能了很多，并不会一股脑的抛给下游而是又下游来主动拉取事件。

ERROR

Flowable既然可以跑了，那么咱们就来试试背压吧，我们还是采用BackpressureStrategy.ERROR这个策略，如果下游处理不过来就抛出异常。

Flowable.create(new FlowableOnSubscribe() {
@Override
public void subscribe(FlowableEmitter emitter) throws Exception {
for (int i = 0;i< 128; i++) {
Log.d(TAG, "emit " + i);
emitter.onNext(i);
}
}
}, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(new Subscriber() {
可以跑了，那么咱们就来试试背压吧，我们还是采用BackpressureStrategy.ERROR这个策略，如果下游处理不过来就抛出异常。

码农公寓

阻塞是怎么形成的？

RxJava1.0

RxJava2.0

如何解决阻塞

背压策略

ERROR

相关文章