一、什么是背压（Backpressure）？
背压是指：数据生产速度 > 数据消费速度，导致的数据堆积问题。
举个简单例子：
假设你在做一个网络数据流展示的功能：
-
数据源：每秒从服务器推送 1000 条日志。
-
你的处理逻辑：只能每秒显示/处理 100 条。
这时，900 条数据每秒堆积下来。如果不处理，几秒后内存就爆炸了。
二、背压问题的根本来源
1. 不对称的速率
-
生产者异步、高速、不断产出数据。
-
消费者是有限资源（UI线程、IO线程、磁盘、数据库等）。
2. 异步流处理天然存在"流速失控"的可能
-
你用的流式框架（RxJava、Flow）默认都很"热情"，默认生产者一口气发完。
-
如果没有对消费者能力加限制，就出现"背压"问题。
三、背压未处理的后果
-
OOM（内存溢出）：缓存数据太多。
-
ANR（卡死）：主线程被大量任务挤压。
-
UI 卡顿/掉帧：不断处理 backlog。
-
数据丢失：部分框架默认丢掉旧数据（比如 ConflatedChannel）。
-
崩溃 ：RxJava 默认会抛出
MissingBackpressureException。
四、背压处理的核心策略（框架无关）
| 策略 | 含义 | 举例 |
|---|---|---|
| 缓存（Buffer） | 用队列先缓存，慢慢消费 | Flow 的 buffer() |
| 丢弃（Drop） | 不处理旧数据，保活系统 | Flow 的 conflate()，Rx 的 onBackpressureDrop() |
| 保留最新（Latest） | 总是处理最新值 | Flow 的 collectLatest()，Rx 的 onBackpressureLatest() |
| 限速（Throttle） | 控制发射频率 | Rx 的 throttleFirst()，Flow 的 debounce() |
| 反压反馈（Request） | 消费者主动拉取 | Rx 的 Flowable.request() |
| 挂起/阻塞 | 不缓存，发射阻塞等待消费 | Flow 默认行为 |
五、完整示例对比：RxJava vs Kotlin Flow 背压处理
✅ Kotlin Flow 背压处理示例
kotlinimport kotlinx.coroutines.*
import kotlinx.coroutines.flow.*
fun main() = runBlocking {
println("Start")
val flow = flow {
for (i in 1..1000) {
println("Emit: $i") emit(i)
}
}
.buffer(capacity = 50) // 缓冲最多50条
//.conflate() // 或者只保留最新
//.debounce(100) // 或控制速率
flow.collect {
value -> delay(100) // 模拟处理耗时 println("Collect: $value")
}
println("End")
}
👉 输出节选：
Emit: 1
Emit: 2 ...
Collect: 1
Collect: 2 ...
你可以通过 .buffer()、.conflate()、.collectLatest() 等方式切换不同策略。
✅ RxJava Flowable 背压处理示例
java复制编辑
Flowable.interval(1, TimeUnit.MILLISECONDS) // 每毫秒发一次 .onBackpressureDrop() // 丢弃处理不了的
.observeOn(Schedulers.io()) // 切换线程处理
.subscribe(item -> {
Thread.sleep(100); // 模拟慢处理
System.out.println("Received: " + item);
}, Throwable::printStackTrace);
👉 输出节选：
Received: 5
Received: 102
Received: 201 ...
你会发现中间的很多值被"跳过"，因为你每100ms才能处理一个，而上游每1ms就发一个，系统只能保最新。
六、总结建议（Android 实战）
| 场景 | 建议方案 |
|---|---|
| UI 层收集数据（如 LiveData -> Compose） | 用 Flow，buffer() + collectLatest() |
| 高频传感器或点击事件 | 使用 debounce() 或 throttleFirst() |
| 网络请求分页/长轮询 | Flow + Retrofit + emitAll() |
| 文件读写、数据库导入 | Flowable/Flow + onBackpressureBuffer() |
| 多生产者合并数据 | 使用 merge() + 合理背压策略 |