理解RxJava的线程模型
mj4584
8年前
<p>ReactiveX是Reactive Extensions的缩写，一般简写为Rx，最初是LINQ的一个扩展，由微软的架构师Erik Meijer领导的团队开发，在2012年11月开源，Rx是一个编程模型，目标是提供一致的编程接口，帮助开发者更方便的处理异步数据流，Rx库支持.NET、JavaScript和C++，Rx近几年越来越流行了，现在已经支持几乎全部的流行编程语言了，Rx的大部分语言库由ReactiveX这个组织负责维护，比较流行的有RxJava/RxJS/Rx.NET，社区网站是 <a href="/misc/goto?guid=4959631833347001358" rel="nofollow,noindex">reactivex.io</a> 。</p> <p>Netflix参考微软的Reactive Extensions创建了Java的实现RxJava，主要是为了简化服务器端的并发。2013年二月份,Ben Christensen 和 Jafar Husain发在Netflix技术博客的一篇文章第一次向世界展示了RxJava。</p> <p>RxJava也在Android开发中得到广泛的应用。</p> <h2>ReactiveX</h2> <blockquote> <p>An API for asynchronous programming with observable streams.</p> <p>A combination of the best ideas from the Observer pattern, the Iterator pattern, and functional programming.</p> </blockquote> <p>虽然RxJava是为异步编程实现的库，但是如果不清楚它的使用，或者错误地使用了它的线程调度，反而不能很好的利用它的异步编程提到系统的处理速度。本文通过实例演示错误的RxJava的使用，解释RxJava的线程调度模型，主要介绍 Scheduler 、 observeOn 和 subscribeOn 的使用。</p> <p>本文中的例子以并发发送http request请求为基础，通过性能检验RxJava的线程调度。</p> <h2>第一个例子，性能超好？</h2> <p>我们首先看第一个例子:</p> <pre> <code class="language-java">publicstaticvoidtestRxJavaWithoutBlocking(intcount)throwsException { CountDownLatch finishedLatch = newCountDownLatch(1); longt = System.nanoTime(); Observable.range(0, count).map(i -> { //System.out.println("A:" + Thread.currentThread().getName()); return200; }).subscribe(statusCode -> { //System.out.println("B:" + Thread.currentThread().getName()); }, error -> { }, () -> { finishedLatch.countDown(); }); finishedLatch.await(); t = (System.nanoTime() - t) / 1000000;//ms System.out.println("RxJavaWithoutBlocking TPS: "+ count *1000/ t); } </code></pre> <p>这个例子是一个基本的RxJava的使用，利用Range创建一个Observable, subscriber处理接收的数据。因为整个逻辑没有阻塞，程序运行起来很快，</p> <p>输出结果为：</p> <p>RxJavaWithoutBlocking TPS: <strong>7692307</strong> 。</p> <h2>加上业务的模拟，性能超差</h2> <p>上面的例子是一个理想化的程序，没雨任何阻塞。我们模拟一下实际的应用，加上业务处理。</p> <p>业务逻辑是发送一个http的请求，httpserver是一个模拟器，针对每个请求有30毫秒的延迟。subscriber统计请求结果：</p> <pre> <code class="language-java">publicstaticvoidtestRxJavaWithBlocking(intcount)throwsException { URL url = newURL("http://127.0.0.1:8999/"); CountDownLatch finishedLatch = newCountDownLatch(1); longt = System.nanoTime(); Observable.range(0, count).map(i -> { try{ HttpURLConnection conn = (HttpURLConnection) url.openConnection(); conn.setRequestMethod("GET"); intresponseCode = conn.getResponseCode(); BufferedReader in = newBufferedReader(newInputStreamReader(conn.getInputStream())); String inputLine; while((inputLine = in.readLine()) !=null) { //response.append(inputLine); } in.close(); returnresponseCode; } catch(Exception ex) { return-1; } }).subscribe(statusCode -> { }, error -> { }, () -> { finishedLatch.countDown(); }); finishedLatch.await(); t = (System.nanoTime() - t) / 1000000;//ms System.out.println("RxJavaWithBlocking TPS: "+ count *1000/ t); } </code></pre> <p>运行结果如下：</p> <p>RxJavaWithBlocking TPS: <strong>29</strong> 。</p> <p>@＃¥％％……&！</p> <p>性能怎么突降呢，第一个例子看起来性能超好啊，http server只增加了一个30毫秒的延迟，导致这个方法每秒只能处理29个请求。</p> <p>如果我们估算一下， 29*30= 870 毫秒，大约1秒，正好和单个线程发送处理所有的请求的TPS差不多。</p> <p>后面我们也会看到，实际的确是一个线程处理的，你可以在代码中加入</p> <h2>加上调度器，不起作用？</h2> <p>如果你对 subscribeOn 和 observeOn 方法有些印象的话，可能会尝试使用调度器去解决：</p> <pre> <code class="language-java">publicstaticvoidtestRxJavaWithBlocking(intcount)throwsException { URL url = newURL("http://127.0.0.1:8999/"); CountDownLatch finishedLatch = newCountDownLatch(1); longt = System.nanoTime(); Observable.range(0, count).map(i -> { try{ HttpURLConnection conn = (HttpURLConnection) url.openConnection(); conn.setRequestMethod("GET"); intresponseCode = conn.getResponseCode(); BufferedReader in = newBufferedReader(newInputStreamReader(conn.getInputStream())); String inputLine; while((inputLine = in.readLine()) !=null) { //response.append(inputLine); } in.close(); returnresponseCode; } catch(Exception ex) { return-1; } }).subscribeOn(Schedulers.io()).observeOn(Schedulers.computation()).subscribe(statusCode -> { }, error -> { }, () -> { finishedLatch.countDown(); }); finishedLatch.await(); t = (System.nanoTime() - t) / 1000000;//ms System.out.println("RxJavaWithBlocking TPS: "+ count *1000/ t); } </code></pre> <p>加上 .subscribeOn(Schedulers.io()).observeOn(Schedulers.computation()) 看一下性能：</p> <p>RxJavaWithBlocking TPS: <strong>30</strong> 。</p> <p>性能没有改观，是时候了解一下RxJava线程调度的问题了。</p> <h2>RxJava的线程模型</h2> <p>首先，依照 <a href="/misc/goto?guid=4959675738146996205" rel="nofollow,noindex">Observable Contract</a> , onNext 是顺序执行的，不会同时由多个线程并发执行。</p> <p><img src="https://simg.open-open.com/show/48a9c5ec8ed190300a3a91a6b65920ad.gif"></p> <p>默认情况下，它是在调用 subscribe 方法的那个线程中执行的。如第一个例子和第二个例子，Rx的操作和消息接收处理都是在同一个线程中执行的。一旦由阻塞，比如第二个例子，久会导致这个线程被阻塞，吞吐量下降。</p> <p><img src="https://simg.open-open.com/show/abe6429267941ef0757670ed18175b47.png"></p> <p>但是 subscribeOn 可以改变Observable的运行线程。</p> <p><img src="https://simg.open-open.com/show/96539345f59ad777040a0f33ad79a464.png"></p> <p>上图中可以看到，如果你使用了 subscribeOn 方法，则Rx的运行将会切换到另外的线程上，而不是默认的调用线程。</p> <p>需要注意的是，如果在Observable链中调用了多个 subscribeOn 方法，无论调用点在哪里，Observable链只会使用第一个 subscribeOn 指定的调度器，正所谓"一见倾情"。</p> <p>但是 onNext 还是顺序执行的，所以第二个例子的性能依然低下。</p> <p>observeOn 可以中途改变Observable链的线程。前面说了， subscribeOn 方法改变的源Observable的整个的运行线程，要想中途切换线程，就需要 observeOn 方法。</p> <p><img src="https://simg.open-open.com/show/954c5d0a87b451d686c259c01759c868.gif"></p> <p>官方的一个简略晦涩的解释如下：</p> <p>The SubscribeOn operator changes this behavior by specifying a different Scheduler on which the Observable should operate. The ObserveOn operator specifies a different Scheduler that the Observable will use to send notifications to its observers.</p> <p>一图胜千言：</p> <p><img src="https://simg.open-open.com/show/de6441ed995aa83dfa61cd274982f70a.png"></p> <p>注意箭头的颜色和横轴的颜色，不同的颜色代表不同的线程。</p> <h2>Schedulers</h2> <p>上面我们了解了RxJava可以使用 subscribeOn 和 observeOn 可以改变和切换线程，以及 onNext 是顺序执行的，不是并发执行,至多也就切换到另外一个线程，如果它中间的操作是阻塞的，久会影响整个Rx的执行。</p> <p>Rx是通过调度器来选择哪个线程执行的，RxJava内置了几种调度器，分别为不同的case提供线程：</p> <ul> <li> <p>io(): 这个调度器时用于I/O操作, 它可以增长或缩减来确定线程池的大小它是使用CachedThreadScheduler来实现的。需要注意的是，它的线程池是无限制的，如果你使用了大量的线程的话，可能会导致OutOfMemory等资源用尽的异常。</p> </li> <li> <p>computation(): 这个是计算工作默认的调度器，它与I/O操作无关。它也是许多RxJava方法的默认调度器：buffer(),debounce(),delay(),interval(),sample(),skip()。</p> </li> </ul> <p>因为这些方法内部已经调用的调度器，所以你再调用 subscribeOn 是无效的，比如下面的例子总是使用 computation 调度器的线程。</p> <pre> <code class="language-java">Observable.just(1,2,3) .delay(1, TimeUnit.SECONDS) .subscribeOn(Schedulers.newThread()) .map(i -> { System.out.println("map: "+ Thread.currentThread().getName()); returni; }) .subscribe(i -> {}); </code></pre> <ul> <li><strong>immediate()</strong> :这个调度器允许你立即在当前线程执行你指定的工作。它是timeout(),timeInterval(),以及timestamp()方法默认的调度器。</li> <li><strong>newThread()</strong> :创建一个新的线程只从。</li> <li><strong>trampoline()</strong> :为当前线程建立一个队列，将当前任务加入到队列中依次执行。</li> </ul> <p>同时， Schedulers 还提供了 from 静态方法，用户可以定制线程池：</p> <pre> <code class="language-java">ExecutorService es = Executors.newFixedThreadPool(200,newThreadFactoryBuilder().setNameFormat("SubscribeOn-%d").build()); Schedulers.from(es) </code></pre> <h2>改造，异步执行</h2> <p>现在，我们已经了解了RxJava的线程运行，以及相关的调度器。可以看到上面的例子还是顺序阻塞执行的，即使是切换到另外的线程上，依然是顺序阻塞执行，显示它的吞吐率非常非常的低。下一步我们就要改造这个例子，让它能异步的执行。</p> <p>下面是一种改造方案，我先把代码贴出来，再解释：</p> <pre> <code class="language-java">publicstaticvoidtestRxJavaWithFlatMap(intcount)throwsException { ExecutorService es = Executors.newFixedThreadPool(200,newThreadFactoryBuilder().setNameFormat("SubscribeOn-%d").build()); URL url = newURL("http://127.0.0.1:8999/"); CountDownLatch finishedLatch = newCountDownLatch(1); longt = System.nanoTime(); Observable.range(0, count).subscribeOn(Schedulers.io()).flatMap(i -> { //System.out.println("A: " + Thread.currentThread().getName()); returnObservable.just(i).subscribeOn(Schedulers.from(es)).map(v -> { //System.out.println("B: " + Thread.currentThread().getName()); try{ HttpURLConnection conn = (HttpURLConnection) url.openConnection(); conn.setRequestMethod("GET"); intresponseCode = conn.getResponseCode(); BufferedReader in = newBufferedReader(newInputStreamReader(conn.getInputStream())); String inputLine; while((inputLine = in.readLine()) !=null) { //response.append(inputLine); } in.close(); returnresponseCode; } catch(Exception ex) { return-1; } } ); } ).observeOn(Schedulers.computation()).subscribe(statusCode -> { //System.out.println("C: " + Thread.currentThread().getName()); }, error -> { }, () -> { finishedLatch.countDown(); }); finishedLatch.await(); t = (System.nanoTime() - t) / 1000000;//ms System.out.println("RxJavaWithFlatMap TPS: "+ count *1000/ t); es.shutdownNow(); } </code></pre> <p>通过 flatmap 可以将源Observable的元素项转成n个Observable,生成的每个Observable可以使用线程池并发的执行，同时flatmap还会将这n个Observable merge成一个Observable。你可以将其中的注释打开，看看线程的执行情况。</p> <p>性能还不错：</p> <p>RxJavaWithFlatMap TPS: <strong>3906</strong> 。</p> <p>FlatMap— transform the items emitted by an Observable into Observables, then flatten the emissions from those into a single Observable</p> <p><img src="https://simg.open-open.com/show/9db2033cceeac247494f37a554d8fc07.png"></p> <h2>另一种解决方案</h2> <p>我们已经清楚了要并行执行提高吞吐率的解决办法就是创建多个Observable并且并发执行。基于这种解决方案，我们还可以有其它的解决方案。</p> <p>上一方案中利用flatmap创建多个Observable,针对我们的例子，我们何不直接创建多个Observable呢？</p> <pre> <code class="language-java">publicstaticvoidtestRxJavaWithParallel(intcount)throwsException { ExecutorService es = Executors.newFixedThreadPool(200,newThreadFactoryBuilder().setNameFormat("SubscribeOn-%d").build()); URL url = newURL("http://127.0.0.1:8999/"); CountDownLatch finishedLatch = newCountDownLatch(count); longt = System.nanoTime(); for(intk =0; k < count; k++) { Observable.just(k).map(i -> { //System.out.println("A: " + Thread.currentThread().getName()); try{ HttpURLConnection conn = (HttpURLConnection) url.openConnection(); conn.setRequestMethod("GET"); intresponseCode = conn.getResponseCode(); BufferedReader in = newBufferedReader(newInputStreamReader(conn.getInputStream())); String inputLine; while((inputLine = in.readLine()) !=null) { //response.append(inputLine); } in.close(); returnresponseCode; } catch(Exception ex) { return-1; } }).subscribeOn(Schedulers.from(es)).observeOn(Schedulers.computation()).subscribe(statusCode -> { }, error -> { }, () -> { finishedLatch.countDown(); }); } finishedLatch.await(); t = (System.nanoTime() - t) / 1000000;//ms System.out.println("RxJavaWithParallel TPS: "+ count *1000/ t); es.shutdownNow(); } </code></pre> <p>性能更好一点：</p> <p>RxJavaWithParallel2 TPS: <strong>4716</strong> 。</p> <p>这个例子没有使用 Schedulers.io() 作为它的调度器，这是因为如果在大并发的情况下，可能会出现创建过多的线程导致资源不错，所以我们限定使用200个线程。</p> <h2>总结</h2> <ul> <li><strong>subscribeOn()</strong> 改变的Observable运行(operate)使用的调度器，多次调用无效。</li> <li><strong>observeOn()</strong> 改变Observable发送notifications的调度器，会影响后续的操作，可以多次调用</li> <li>默认情况下， 操作链使用的线程是调用 subscribe() 的线程</li> <li>Schedulers 提供了多个调度器，可以并行运行多个Observable</li> <li>使用RxJava可以实现异步编程，但是依然要小心线程阻塞。而且由于这种异步的编程，调试代码可能更加的困难</li> </ul> <h3>参考文档</h3> <ol> <li><a href="/misc/goto?guid=4959675738146996205" rel="nofollow,noindex">http://reactivex.io/documentation/contract.html</a></li> <li><a href="/misc/goto?guid=4959675738246835879" rel="nofollow,noindex">http://reactivex.io/documentation/operators/subscribeon.html</a> <a href="/misc/goto?guid=4959675738333541493" rel="nofollow,noindex">中文翻译</a></li> <li><a href="/misc/goto?guid=4959675738407459892" rel="nofollow,noindex">http://reactivex.io/documentation/operators/observeon.html</a> <a href="/misc/goto?guid=4959675738488914629" rel="nofollow,noindex">中文翻译</a></li> <li><a href="/misc/goto?guid=4959646508626849535" rel="nofollow,noindex">http://reactivex.io/documentation/scheduler.html</a></li> <li><a href="/misc/goto?guid=4959675738598390809" rel="nofollow,noindex">http://tomstechnicalblog.blogspot.com/2016/02/rxjava-understanding-observeon-and.html</a></li> <li><a href="/misc/goto?guid=4959675738678188681" rel="nofollow,noindex">http://tomstechnicalblog.blogspot.com/2015/11/rxjava-achieving-parallelization.html</a></li> <li><a href="/misc/goto?guid=4959675738753997528" rel="nofollow,noindex">https://medium.com/@diolor/observe-in-the-correct-thread-1939bb9bb9d2</a> <a href="/misc/goto?guid=4959654701768884017" rel="nofollow,noindex">中文翻译</a></li> <li><a href="/misc/goto?guid=4959644422599087813" rel="nofollow,noindex">https://github.com/mcxiaoke/RxDocs</a></li> </ol> <p> </p> <p>来自：http://colobu.com/2016/07/25/understanding-rxjava-thread-model/</p> <p> </p>