RxJava2.0----Flowable(被观察者)/Subscriber(观察者)

一引言

这个模式与模式一最大区别在于可以支持背压（Backpressure）,什么是背压？我们先看看一个例子：

Observable.create(new ObservableOnSubscribe<String>() {
            @Override
            public void subscribe(ObservableEmitter<String> e) throws Exception {
               int i = 0;                
               while (true){
                    e.onNext(“data:”+(i++));
                }
             }
           }) .subscribeOn(Schedulers.io())
                .observeOn(AndroidSchedulers.mainThread())
                .subscribe(new Consumer<String>() {
            @Override
            public void accept(String s) throws Exception {
                Thread.sleep(2000);
                print(s);
            }
        }); 

结果：

MissingBackpressureException: create: could not emit value due to lack of requests

我们看到结果出现，这个例子最终会产生OOM异常,因为被观察者发射数据的速度大于观察者接收处理数据的速度，造成观察者的调度器中数据缓冲池无限堆积，超出了缓冲池的最大容量，导致OOM
而此时Flowable的背压策略就很好的解决这个问题。例如我们使用如下方式：

  Flowable.create(new FlowableOnSubscribe<String>() {
            @Override
            public void subscribe(@NonNull FlowableEmitter<String> e) throws Exception {
                 int i = 0;
                while (true){
                    e.onNext("data:"+(i++));
                }
            }
        }, BackpressureStrategy.DROP)//超出缓冲池的数据丢弃
                .subscribeOn(Schedulers.computation())
                .observeOn(AndroidSchedulers.mainThread())
                .subscribe(new Subscriber<String>() {
            Subscription subscription;
            @Override
            public void onSubscribe(Subscription s) {
                subscription = s;
                subscription.request(1);
            }
            @Override
            public void onNext(String s) {
                try {
                    Thread.sleep(2000);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
                printThread(s);
                subscription.request(1); //处理完了，在请求数据
            }
            @Override
            public void onError(Throwable t) {

            }
            @Override
            public void onComplete() {

            }
        });

该背压策略是超出缓冲池的数据被丢弃，而观察者要求处理一个发送我一个数据，那么是否体验到背压策略的强大了呢？是否觉得好多问题都不再是问题了？哈哈，下面就好好给你安利一下Flowable背压策略。

二.Backpressure的策略

（1）被观察者和观察者在异步线程的情况下，如果被观察者发射事件的速度大于观察者接收事件的速度，就会产生Backpressure问题。但是同步情况下，Backpressure问题不会存在。
（2）Backpressure的策略仅仅是调度Subscriber接收事件，并不影响Flowable发送事件。观察者可以根据自身实际情况按需拉取数据，而不是被动接收（也就相当于告诉上游观察者把速度慢下来），最终实现了上游被观察者发送事件的速度的控制，实现了背压的策略。
（3）Backpressure的策略有5种：ERROR,BUFFER,DROP,LATEST,MISSING
ERROR策略
之前在分析Scheduler调度的时候，在观察者线程里有一个数据缓存池SimpleQueue<T>
queue，queue在ObserveOnObserver（）构造函数里实例化一个128个大小的队列：
queue = new SpscLinkedArrayQueue<T>(bufferSize);，
用来缓存观察者处理不了暂时缓存下来的数据，缓存池的默认大小为128，即只能缓存128个事件。这个缓存池的大小目前我还没有发现可以直接设置的方法（如果你发现了要及时@我哦）。

在ERROR策略下，如果缓存池溢出，就会立刻抛出MissingBackpressureException异常。 ERROR即保证在异步操作中，事件累积不能超过128，超过即出现异常。

Flowable.create(new FlowableOnSubscribe<String>() {
           @Override
           public void subscribe(@NonNull FlowableEmitter<String> e) throws Exception {
               int i = 0;
               while (true){
                   e.onNext("data:"+(i++));
               }
           }
       }, BackpressureStrategy.ERROR)//超出缓冲池的数据128个时，报Error
               .subscribeOn(Schedulers.computation())
               .observeOn(Schedulers.newThread())
               .subscribe(new Subscriber<String>() {
                   @Override
                   public void onSubscribe(Subscription s) {
                       subscription = s;
                       subscription.request(128);
                   }

                   @Override
                   public void onNext(String s) {
                       try {
                           Thread.sleep(100);
                       } catch (InterruptedException e) {
                           e.printStackTrace();
                       }
                       printThread(s);

                   }

                   @Override
                   public void onError(Throwable t) {
                       printThread(t.getMessage());
                   }

                   @Override
                   public void onComplete() {

                   }
               });
输出：
data:0:-------RxNewThreadScheduler-1
create: could not emit value due to lack of requests：-------RxNewThreadScheduler-1

BUFFER策略
该策略是Flowable的默认策略，这里有一点要注意，很多人认为BUFFER策略就是把RxJava中默认的只能存128个事件的缓存池换成一个大的缓存池，支持存很多很多的数据。其实不是，大小没有改变，依然是128个。看看源码：

所以使用这个策略，相当于无作为，相当大的概率出现OOM.
DROP策略
在DROP策略下，当观察者来不及处理的数据将会被丢弃。即丢弃后面超出缓存区的
例子：

 Subscription subscription1;
    private void doAct2() {
        //DROP---------------分三次打印第一次0...49,第二次50...99...第三次100...127
        if(subscription1 == null) {
            tx_console.setText("DROP");
            Flowable.create(new FlowableOnSubscribe<String>() {
                @Override
                public void subscribe(@NonNull FlowableEmitter<String> e) throws Exception {
                    int i = 0;
                    while (true) {
                        e.onNext("data:" + (i++));
                        if (i == 1000) {
                            e.onComplete();
                            return;
                        }
                    }
                }
            }, BackpressureStrategy.DROP)//超出缓冲池的数据丢弃，丢弃最新的，保留原始的
                    .subscribeOn(Schedulers.computation())
                    .observeOn(Schedulers.newThread())
                    .subscribe(new Subscriber<String>() {
                        @Override
                        public void onSubscribe(Subscription s) {
                            subscription1 = s;
                            subscription1.request(50);
                        }

                        @Override
                        public void onNext(String s) {
                            try {
                                Thread.sleep(100);
                            } catch (InterruptedException e) {
                                e.printStackTrace();
                            }
                            printThread(s);
                        }

                        @Override
                        public void onError(Throwable t) {

                        }

                        @Override
                        public void onComplete() {

                        }
                    });
        }else{
            subscription1.request(50);
        }
    }
输出:
data:0
data:1
......
data:127

LATEST策略
LATEST策略和DROP策略略同，区别在于LATEST策略会接收最后一个数据，即当观察者来不及处理的数据将会被丢弃。但是会保留最后一个。

例子：
 Subscription subscription2;
    private void doAct2() {
        //DROP---------------分三次打印第一次0...49,第二次50...99...第三次100...127,999
        if(subscription2 == null) {
            tx_console.setText("DROP");
            Flowable.create(new FlowableOnSubscribe<String>() {
                @Override
                public void subscribe(@NonNull FlowableEmitter<String> e) throws Exception {
                    int i = 0;
                    while (true) {
                        e.onNext("data:" + (i++));
                        if (i == 1000) {
                            e.onComplete();
                            return;
                        }
                    }
                }
            }, BackpressureStrategy.DROP)//超出缓冲池的数据丢弃，丢弃最新的，保留原始的
                    .subscribeOn(Schedulers.computation())
                    .observeOn(Schedulers.newThread())
                    .subscribe(new Subscriber<String>() {
                        @Override
                        public void onSubscribe(Subscription s) {
                            subscription2 = s;
                            subscription2.request(50);
                        }

                        @Override
                        public void onNext(String s) {
                            try {
                                Thread.sleep(100);
                            } catch (InterruptedException e) {
                                e.printStackTrace();
                            }
                            printThread(s);
                        }

                        @Override
                        public void onError(Throwable t) {

                        }

                        @Override
                        public void onComplete() {

                        }
                    });
        }else{
            subscription2.request(50);
        }
    }
输出:
data:0
data:1
......
data:127
data:999

MISSING策略
在MISSING策略下，没有缓冲池，接收第一个数据以后，后面的都丢弃
例子：

 Flowable.create(new FlowableOnSubscribe<String>() {
            @Override
            public void subscribe(@NonNull FlowableEmitter<String> e) throws Exception {
                int i = 0;
                while (true){
                    e.onNext("data:"+(i++));
                }
            }
        }, BackpressureStrategy.MISSING)//没有缓冲池，接收第一个数据以后，后面的都丢弃
                .subscribeOn(Schedulers.computation())
                .observeOn(Schedulers.newThread())
                .subscribe(new Subscriber<String>() {
                    @Override
                    public void onSubscribe(Subscription s) {
                        subscription = s;
                        subscription.request(128);
                    }

                    @Override
                    public void onNext(String s) {
                        try {
                            Thread.sleep(100);
                        } catch (InterruptedException e) {
                            e.printStackTrace();
                        }
                        printThread(s);

                    }

                    @Override
                    public void onError(Throwable t) {

                    }

                    @Override
                    public void onComplete() {

                    }
                });
输出：
 data:0:-------RxNewThreadScheduler-1

三.Flowable的创建

Flowable的创建是和Observable一样，可以通过操作函数,例如：create(),defer(),just()，from(),rang(),timer(),interval()等方法来创建。
也可以直接通过Observable转换创建:
Observable.toFlowable()
具体使用例子可以参考上一篇Observable的创建。

四.Subscriber的创建

在上面的例子中，我们可以看到Subscriber的创建，也需要重写四个方法onSubscribe(Subscription s)，onNext(Object s), onError(Throwable t),onComplete()
与Observer不同的是onSubscribe中回调的是Subscription，不是Disposable ，而Subscription比
Disposable 多了一个request(),其他方法功能一样。当调用了request()方法后，被观察者便发送对应数量的事件给观察者接收并处理。 Flowable在设计的时候采用了一种新的思路，也就是响应式拉取的模式，即观察者要求多少，被观察者便传给你多少。

最后编辑于：2017.12.11 14:37:33

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 202,980评论 5赞 476
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 85,178评论 2赞 380
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 149,868评论 0赞 336
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 54,498评论 1赞 273
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 63,492评论 5赞 364
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 48,521评论 1赞 281
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 37,910评论 3赞 395
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 36,569评论 0赞 256
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 40,793评论 1赞 296
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 35,559评论 2赞 319
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 37,639评论 1赞 329
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 33,342评论 4赞 318
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 38,931评论 3赞 307
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 29,904评论 0赞 19
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 31,144评论 1赞 259
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 42,833评论 2赞 349
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 42,350评论 2赞 342

RxJava2.0----Flowable(被观察者)/Subscriber(观察者)

一 引言

二.Backpressure的策略

三.Flowable的创建

四.Subscriber的创建

推荐阅读更多精彩内容

一引言