（六）Reactive-Stream 响应式流

一、Reactive Streams

基于异步、消息驱动的全事件回调系统：响应式系统

Reactive Streams（ 响应式流**）**是一种处理异步数据流的规范和模式。它具有以下特点和优势：

响应式流在现代的分布式系统、异步编程以及处理大量实时数据的场景中得到了广泛应用，例如在 Web 开发、物联网、大数据处理等领域，可以帮助开发者更高效地处理异步数据流，提升系统的性能和可靠性。

推荐阅读：

响应式宣言：https://www.reactivemanifesto.org/zh-CN

1. Publisher：发布者；产生数据流；

2. Subscriber：订阅者；消费数据流；

3. Subscription：订阅关系；

订阅关系是发布者和订阅者之间的关键接口。订阅者通过订阅来表示对发布者产生的数据的兴趣。订阅者可以请求一定数量的元素，也可以取消订阅。

4. Processor：处理器；

处理器是同时实现了发布者和订阅者接口的组件。它可以接收来自一个发布者的数据，进行处理，并将结果发布给下一个订阅者。处理器在Reactor中充当中间环节，代表一个处理阶段，允许你在数据流中进行转换、过滤和其他操作。

注意：这种模型遵循Reactive Streams规范，确保了异步流的一致性和可靠性。

1.创建发布者 SubmissionPublisher(Publisher的一个测试发布者类BaseSubscriber)

2.创建订阅者 Flow.Processor(创建处理器)

3.绑定关系发布者.subscirber(订阅者)

4.发布者发布数据 (发布者.submit(数据))

java 复制代码

public static class myProcessor extends SubmissionPublisher<String> implements Flow.Processor<String,String>{

}

以前的编程模型在干什么？怎么编码？编码的时候注意什么问题？

java 复制代码

function a(String arg[]){
   //业务处理. 抛出异常
  //数据返回
}

方法调用：

1、给他什么样的数据；传参

2、怎么处理数据：业务

3、处理后返回结果：结果

哲学角度：

万物皆是数据，数据处理； 数据结构 + 算法 = 程序

一个数据/一堆数据（流） === 流操作 === 新数据/新流

向上游传递信号这一点也被用于实现背压，就像在装配线上，某个工位的处理速度如果慢于流水线速度，会对上游发送反馈信号一样。

在响应式流规范中实际定义的机制同刚才的类比非常接近：订阅者可以无限接受数据并让它的源头 "满负荷"推送所有的数据，也可以通过使用 request 机制来告知源头它一次最多能够处理 n 个元素。

中间环节的操作也可以影响 request。想象一个能够将每10个元素分批打包的缓存（buffer）操作。如果订阅者请求一个元素，那么对于源头来说可以生成10个元素。此外预取策略也可以使用了，比如在订阅前预先生成元素。

这样能够将"推送"模式转换为"推送+拉取"混合的模式，如果下游准备好了，可以从上游拉取 n 个元素；但是如果上游元素还没有准备好，下游还是要等待上游的推送。

**背压模式：**引入一个缓冲区（消息队列），就能实现全系统、全异步、不阻塞、不等待、实时响应。数据是自流动的，不靠迭代被动流动；

推拉模型：

**推：**流模式；上游有数据，自动推给下游

**拉：**迭代器；自己遍历，自己拉取数据；for循环

什么问题都可以评论区留言，看见都会回复的

如果你觉得本篇文章对你有所帮助的，把"文章有帮助的"打在评论区

多多支持吧！！！

点赞加藏评论，是对小编莫大的肯定。抱拳了！