【WebFlux】第三篇 —— 常用操作符与数据流转换

操作符：响应式流的"加工车间"

在前面的笔记中，我们学会了如何创建 Mono 和 Flux 数据流。但在真实的业务场景中，数据往往需要经过清洗、转换、过滤或聚合。Reactor 提供了数百个操作符（Operators）来完成这些工作。你可以把操作符想象成工厂流水线上的各种加工机器，它们接收上游的数据流，经过处理后，向下游输出新的数据流。

本篇笔记将带你掌握最核心、最常用的几类操作符，让你能够熟练地对数据流进行加工。

转换操作符：map 与 flatMap 的核心对决

这是响应式编程中最重要，也是最容易混淆的一对操作符。

map（同步 1对1 转换） ：map 用于对流中的每个元素执行一个同步的转换函数。它的输入是一个元素，输出也是一个元素，数据流的数量保持不变。
代码示例：将字符串列表转换为它们的长度。
java 复制代码
```
Flux.just("Java", "Spring", "WebFlux")
    .map(String::length) // 同步转换：字符串 -> 长度
    .subscribe(length -> System.out.println("长度: " + length));
// 输出: 4, 6, 7
```
flatMap（异步 1对N 转换） ：flatMap 用于将一个元素转换为一个新的异步数据流（Publisher），然后将这些子流扁平化（Flatten）合并成一个新流。它的输入是一个元素，输出是一个流。
代码示例：将每个单词拆分成单个字符。
java 复制代码
```
Flux.just("Hi", "OK")
    .flatMap(word -> Flux.fromArray(word.split(""))) // 1个单词 -> 包含多个字符的子流
    .subscribe(System.out::println);
// 输出: H, I, O, K (注意：flatMap不保证子流间的绝对顺序，因为它是并发处理的)
```
concatMap（保证顺序的异步转换）：如果你既需要 flatMap 的异步转换能力，又需要保证严格的顺序，可以使用 concatMap。它会等待前一个子流完全处理完毕后，才开始处理下一个子流。

过滤操作符：精准挑选数据

当数据流中混杂了不需要的元素时，过滤操作符就派上用场了。

filter（条件过滤）：只保留满足条件的元素。

java 复制代码

Flux.range(1, 10)
    .filter(num -> num % 2 == 0) // 过滤出偶数
    .subscribe(even -> System.out.println("偶数: " + even));
// 输出: 2, 4, 6, 8, 10

distinct（去重）：自动过滤掉流中重复的元素。

java 复制代码

Flux.just(1, 2, 2, 3, 3, 4)
    .distinct()
    .subscribe(System.out::println); // 输出: 1, 2, 3, 4

take 与 skip（截取与跳过）：take(n) 只获取前 n 个元素（拿完即关水龙头）；skip(n) 则跳过前 n 个元素。

java 复制代码

Flux.just("A", "B", "C", "D", "E")
    .skip(2)      // 跳过前2个
    .take(2)      // 只取接下来的2个
    .subscribe(System.out::println); // 输出: C, D

组合操作符：拼接多根水管

在实际开发中，我们经常需要把多个数据流合并成一个。Reactor 提供了两种截然不同的组合方式：

merge / mergeWith（交错合并） ：将多个流合并为一个，谁先产生数据，谁就先往下游流。

java 复制代码

Flux<String> flux1 = Flux.just("A1", "A2").delayElements(Duration.ofMillis(100));
Flux<String> flux2 = Flux.just("B1", "B2");

Flux.merge(flux1, flux2).subscribe(System.out::println);
// 输出可能是: B1, B2, A1, A2 (因为flux2没有延迟，会先发射)

concat / concatWith（首尾相接） ：严格按照顺序，等第一个流完全结束后，才开始流第二个流的数据。
java 复制代码
```
Flux.concat(flux1, flux2).subscribe(System.out::println);
// 输出严格为: A1, A2, B1, B2
```

zip / zipWith（配对组合） ：像"相亲"一样，把两个流中相同位置的元素配对组合成一个元组（Tuple）。

java 复制代码

Flux.zip(Flux.just("张三", "李四"), Flux.just(18, 25))
    .subscribe(tuple -> System.out.println(tuple.getT1() + " 年龄: " + tuple.getT2()));
// 输出: 张三 年龄: 18, 李四 年龄: 25

聚合操作符：将流收敛为单值

有时候我们需要对整个流进行计算，最终只输出一个结果。

reduce（聚合计算） ：

java 复制代码

Flux.range(1, 5)
    .reduce((a, b) -> a + b) // 计算 1+2+3+4+5
    .subscribe(sum -> System.out.println("总和: " + sum)); // 输出: 15

collectList（收集为集合） ：将流中的所有元素收集到一个 List 中，返回一个 Mono<List>。这在需要将响应式结果传递给不支持响应式的传统代码时非常有用。
java 复制代码
```
Flux.just("Apple", "Banana")
    .collectList()
    .subscribe(list -> System.out.println("收集结果: " + list)); // 输出: [Apple, Banana]
```

本篇小结：掌握 map、flatMap、filter 和 merge/concat 是响应式编程的必修课。记住一个核心原则：如果转换结果是一个普通对象，用 map；如果转换结果是一个新的 Mono/Flux，用 flatMap。

下一步预告：数据流在流转过程中难免会遇到异常（如网络超时、数据库报错）。在响应式编程中，传统的 try-catch 已经失效。下一篇笔记，我们将深入探讨响应式流的异常处理机制，并学习如何编写优雅的响应式单元测试。