WebFlux onErrorContinue 和 onErrorResume使用详解

独立使用

在 Project Reactor 中，onErrorResume 和 onErrorContinue 都是处理流中异常的常用方法，但它们在流的生命周期控制 和应用场景上有本质区别：

onErrorResume (降级/备选方案)

当流中发生错误时，onErrorResume 会捕获异常并切换到一个新的 Publisher（备选流），原有的流会在此处终止。

行为：类似于 Java 中的 try-catch 块中 catch 后的 return fallbackValue。
流的状态：上游流发生错误后不再发送后续元素，转而由你提供的备选流发送数据并正常结束。

示例代码 ：

复制代码

Flux.just(1, 2, 0, 4)
    .map(i -> 10 / i) // 当 i 为 0 时触发异常
    .onErrorResume(e -> Flux.just(-1, -2)) // 发生错误后，原有流结束，开始发送 -1, -2
    .subscribe(System.out::println); 
// 输出：10, 5, -1, -2

onErrorContinue (跳过/继续执行)

onErrorContinue 允许你在发生错误时丢弃导致错误的元素，并继续处理流中的后续元素。

行为：类似于在 for 循环中使用 try-catch 并执行 continue。
流的状态 ：流不会终止。它会针对当前错误元素执行回调逻辑（如打日志），然后请求上游发送下一个元素。

示例代码 ：

复制代码

Flux.just(1, 2, 0, 4)
    .map(i -> 10 / i)
    .onErrorContinue((e, val) -> System.err.println("Error on " + val)) // 仅跳过错误元素
    .subscribe(System.out::println);
// 输出：10, 5, (打印错误日志), 2.5

核心对比总结

特性	onErrorResume	onErrorContinue
主要目的	错误恢复/降级（Fallback）	容错处理/跳过（Skip）
流的命运	终止原有的流，切换到新流	维持原有的流，处理后续元素
适用场景	数据库查询失败返回缓存数据	批量处理中某一条记录损坏，不影响其他记录
层级影响	仅影响当前位置之后的链式调用	具有"上溯"特性，会影响上游的操作算子

⚠️ 使用建议

谨慎使用 onErrorContinue：它会改变上游算子的默认行为（让本该终止的流强行继续），有时会导致难以排查的副作用或资源泄漏。
局部处理优先 ：如果你只想在 flatMap 内部某次调用出错时不影响整个流，建议在 flatMap 内部使用 onErrorResume 返回 Mono.empty()，这比全局使用 onErrorContinue 更安全、更符合响应式语义。

nurkiewicz.com +1

onErrorResume() 然后 onErrorContinue()

复制代码

public static void main(String... args) {
    Flux.range(1,5)
            .doOnNext(i -> System.out.println("input=" + i))
            .map(i -> i == 2 ? i / 0 : i)
            .map(i -> i * 2)
            .onErrorResume(err -> {
                log.info("onErrorResume");
                return Flux.empty();
            })
            .onErrorContinue((err, i) -> {log.info("onErrorContinue={}", i);})
            .reduce((i,j) -> i+j)
            .doOnNext(i -> System.out.println("sum=" + i))
            .block();
}

输出如下：

复制代码

input=1
input=2
17:47:05.789 [main] INFO com.example.demo.config.TestRunner - onErrorContinue=2
input=3
input=4
input=5
sum=26

这样的结果，你想到了吗？onErrorContinue() 会在 onErrorResume() 得到错误之前处理这个错误。当两个错误处理函数在同一个函数中的时候很明显，但是当你的函数中只有 onErrorResume()，而一些调用者实际上有 onErrorContinue() 时，你的 onErrorResume() 没有被调用的原因可能就不那么明显了。

使用 onErrorResume() 模拟 onErrorContinue()

有些博客建议我们完全不用 onErrorContinue()，且在所有场景中仅用 onErrorResume()。但是上述示例已经展示了它们会产生不同的结果。那我们怎么实现呢？

复制代码

public static void main(String... args) {
    Flux.range(1,5)
            .doOnNext(i -> System.out.println("input=" + i))
            .flatMap(i -> Mono.just(i)
                    .map(j -> j == 2 ? j / 0 : j)
                    .map(j -> j * 2)
                    .onErrorResume(err -> {
                        System.out.println("onErrorResume");
                        return Mono.empty();
                    })
            )
            .reduce((i,j) -> i+j)
            .doOnNext(i -> System.out.println("sum=" + i))
            .block();
}

因此，本质上是将可能在 flatMap 或 concatMap 中抛出错误的操作包装起来，并在其上使用 onErrorResume()。这样，它会产生相同的结果:

复制代码

input=1
input=2
onErrorResume
input=3
input=4
input=5
sum=26

使用 onErrorResume() 和下游的 onErrorContinue() 模拟 onErrorContinue()

有时候，onErrorContinue() 放在调用程序中，您无法控制它。但你仍然需要 onErrorResume()。你该怎么办?

复制代码

public static void main(String... args) {
    Flux.range(1,5)
            .doOnNext(i -> System.out.println("input=" + i))
            .flatMap(i -> Mono.just(i)
                    .map(j -> j == 2 ? j / 0 : j)
                    .map(j -> j * 2)
                    .onErrorResume(err -> {
                        System.out.println("onErrorResume");
                        return Mono.empty();
                    })
                    .onErrorStop()
            )
            .onErrorContinue((err, i) -> {log.info("onErrorContinue={}", i);})
            .reduce((i,j) -> i+j)
            .doOnNext(i -> System.out.println("sum=" + i))
            .block();
}

秘诀是在 onErrorResume() 代码块的末尾添加 onErrorStop() ------这会阻塞 onErrorContinue()，这样它就不会在 onErrorResume() 之前占用错误。尝试删除 onErrorStop()，你会看到 onErrorContinue() 在 onErrorResume 之前弹出。

输出为：

复制代码

input=1
input=2
onErrorResume
input=3
input=4
input=5
sum=26