Spring Cloud Stream使用Spring Cloud Function提供的功能，分别将Supplier，Function，Consumer作为stream的发布者、处理器和消费者的处理函数。
发布数据
在Spring Cloud Stream中，发布数据的方式主要有两种，一种是通过Supplier自动触发，一种是通过StreamBridge通过外部数据源触发。
通过Supplier<T>自动触发
使用Supplier<T>作为stream的发布者，需要一种触发机制，来发起发布操作。Spring Cloud Stream提供了如下几种自动触发机制。
命令式（Imperative）编程模式的触发
如果使用的是命令式编程模式（Imperative），则直接在Supplier<T>上标注@Bean将之注册到Spring容器即可。默认Spring Framework会每隔1秒触发一次。
java
@Bean
Supplier<String> stringSupplier() {
return () -> {
String value = "Hello World!";
System.out.println("sent: " + value);
return value;
};
}我们可以通过两种方式来调整触发频率：
-
全局属性：
spring.integration.poller.xxx- 设置所有函数的拉取频率
-
每个绑定特定的属性：
spring.cloud.stream.bindings.<binding-name>.producer.poller.xxx- 为某个特定的绑定设置拉取频率
反应式（Reactive）编程模式的触发
使用反应式编程模式时，Supplier<T>默认只会触发一次，这对于无限流是合适的。对于有限流，如果想多次触发，可以借助于@PollableBean注解。
-
无限流
java@Bean Supplier<Flux<String>> stringSupplier() { return () -> Flux.fromStream( Stream.generate(() -> { try { TimeUnit.SECONDS.sleep(1); String value = "Hello World!!"; log.info(">>> {}", value); return value; } catch (InterruptedException e) { throw new RuntimeException(e); } })) .subscribeOn(Schedulers.boundedElastic()) .share(); } -
有限流，使用
PollableBean注解java@PollableBean Supplier<Flux<String>> stringSupplier() { return () -> { System.out.println("sending..."); return Flux.just("Hello", "World", "!"); }; }
通过StreamBridge触发外部源
如果要发布的数据来自于REST请求，或者其他的外部源系统，则可以使用StreamBridge这个bean来将外部源的数据发布到Spring Cloud Stream中。
基本使用
比如，下面是通过GET请求发布数据：
java
@GetMapping("/send")
public String send() {
if (streamBridge.send("my-binding", "Hello World!")) {
return "sent";
} else {
return "NOT sent";
}
}上述send方法的第一个参数，就是bindingName，这里是my-binding，可以是提前通过属性指定的，如果没有指定，那么会自动创建一个binding。
yaml
spring:
cloud:
stream:
output-bindings: my-binding建议提前配置好bindingName，否则可能会造成内存溢出。为了防止内存溢出，可以通过以下属性来限制动态创建binding的数量。
spring.cloud.stream.dynamic-destination-cache-size=5
使用Interceptor
因为StreamBridge使用MessageChannel来建立发布的binding，所以可以利用ChannelInterceptor来拦截发布过程。比如：
java
@Component
@GlobalChannelInterceptor(patterns = "*")
public class MyInterceptor implements ChannelInterceptor {
@Override
public Message<?> preSend(Message<?> message, MessageChannel channel) {
System.out.println(message.getHeaders());
Object payload = message.getPayload();
if (payload instanceof byte[] data) {
System.out.println(new String(data));
} else {
System.out.println(message.getPayload());
}
return message;
}
}注：
-
ChannleInterceptor的实现类需要注册到Spring容器中 -
使用
GlobalChannelIntercptor来标注这个拦截器-
参数
patterns的值可以控制该拦截器的硬性范围*表示拦截所有bindingfoo-*表示只拦截那些以foo-开头的binding
-
消费数据
可以使用多种方式来消费stream中的数据，最常见的方式是通过Consumer<T>函数来消费数据。除此之外，也可以通过所谓的"拉取式消费者"来消费数据。
反应式的Consumer
对于命令式编程模式，使用Consumer<T>很直观，不赘述。
对于反应式的Consumer，由于它没有返回值，导致Spring Framework无法自动subscribe它，所以需要一些特殊处理。有两种方式：
使用Function<Flux<T>,Mono<Void>
建议的方式，是不用Consumer<Flux<T>>，而是使用Function<Flux<T>,Mono<Void>>来保证有一个返回值，让Spring Framework可以订阅。
java
@Bean
Function<Flux<String>, Mono<Void>> printText() {
return flux -> flux.map(value -> {
log.info("received: " + value);
return value;
}).then();
}具体的操作，可以放在map等等的算子中。
使用Consumer<Flux<T>>，主动订阅
如果必须使用Consumer<Flux<T>>，则需要自己编写订阅代码，如下：
java
@Bean
Consumer<Flux<String>> printText() {
return flux -> {
flux.subscribe(System.out::println);
};
}函数组合（Function Composition）
利用Spring Cloud Function的函数组合功能，可以将多个Function<T,R>或者Consumer<T>组合在一起（当然Consumer<T>只能在最后），形成一个运行时的整体函数。比如：
yaml
spring:
cloud:
function:
definition: uppercase|quote|printText
stream:
function:
bindings:
uppercase|quote|printText-in-0: convert
bindings:
convert:
destination: my-binding上述配置，表示：
- 应用中有两个
Function（uppercase和quote）和一个Consumer（printText），他们共同组成一个运行时函数； - 为了方便引用，这个运行时函数的绑定器被命名为
convert，即：uppercase|quote|printText-in-0的别名 - 将这个绑定器绑定到叫做
my-binding的目标上
使用函数组合，可以很方便地执行切面操作，比如上述案例中的quote其实可以看作一个切面，它对输入做了quote的增强。
多输入/输出参数
在需要合并/分流stream的场景下，会涉及到多个输入/输出参数。可以利用Project Reactor提供的Tuple来处理。
java
@Bean
public Function<Tuple2<Flux<String>, Flux<Integer>>, Flux<String>> gather() {
return tuple -> {
Flux<String> stringStream = tuple.getT1();
Flux<String> intStream = tuple.getT2().map(i -> String.valueOf(i));
return Flux.merge(stringStream, intStream);
};
}对应的绑定器命名如下：
gather-in-0：第一个输入流的绑定器gather-in-1：第二个输入流的绑定器gather-out-0：第一个输出流的绑定器
使用PollableMessageSource
如果不想使用函数式编程，那么Spring Framework提供了PollableMessageSource来"拉取"stream中的数据。
java
@Bean
ApplicationRunner applicationRunner(PollableMessageSource source) {
return args -> {
while (true) {
if (!source.poll(m -> {
if (m.getPayload() instanceof byte[] data) {
System.out.println(new String(data));
} else {
System.out.println(m.getPayload());
}
})) {
TimeUnit.SECONDS.sleep(1);
}
}
};
}结论
使用Spring Cloud Stream的函数式编程模式，可以使用很少的代码实现数据流的发布、流转和消费。另外，Spring Cloud Stream默认支持Kafka和RabbitMQ，内置了它们的binder。如果需要支持其他的消息软件，则可以根据规范自己开发。