我有一个接受实体 ID 和“分辨率类型”作为参数的模块,然后(主要)通过返回 Fluxes 的多个操作异步收集数据。解析分为多个(主要是再次)异步操作,每个异步操作都用于收集有助于解析的不同数据类型。我说“主要”是异步的,因为某些解析类型需要一些必须同步进行的初步操作,以便为解析的其余异步 Flux 操作提供信息。现在,当这个同步操作发生时,整个异步解析操作的至少一部分可以开始。我想在同步操作发生时启动这些 Flux 操作。然后,一旦同步数据得到解决,我就可以为正在进行的剩余操作获取每个 Flux。某些分辨率类型将使所有 Flux 操作都返回数据,而另一些则收集较少的信息,并且某些 Flux 操作将保持为空。解析操作非常耗时,我希望能够更早地开始一些 Flux 操作,以便我可以稍微压缩时间——这对于我正在完成的工作非常重要。所以急于订阅是理想的,只要我能保证不会错过任何一个项目发射。而且我希望能够更早地开始一些 Flux 操作,以便我可以稍微压缩时间——这对我正在完成的工作非常重要。所以急于订阅是理想的,只要我能保证不会错过任何一个项目发射。而且我希望能够更早地开始一些 Flux 操作,以便我可以稍微压缩时间——这对我正在完成的工作非常重要。所以急于订阅是理想的,只要我能保证不会错过任何一个项目发射。
考虑到这一点,我该如何:
- 为解决所有问题所需的每个 Flux 操作创建一个“持有者”或“容器”,并将它们初始化为空(如
Flux.empty()
) - 将项目添加到我可以在上面的项目 1 中创建的任何内容中——它被初始化为空,但我可能想要来自一个或多个有限和异步 Flux 操作的数据,但我不关心将它们分开,它们可以显示为一个流,当我将使用
collectList()
它们来生成Mono
. - 当其中一些
Flux
操作应该在其他一些操作之前开始时,我该如何启动它们,并确保我不会错过任何数据?例如,如果我开始一个名称解析 Flux,我可以像上面第 2 项那样添加它吗?假设我想开始检索一些数据,然后执行一个同步操作,然后我从同步操作的结果中创建另一个名称解析 Flux,我能否将这个新的 Flux 附加到原始名称解析 Flux 中,因为它将是返回相同的数据类型?我知道Flux.merge()
,但如果可能的话,使用一个我可以继续添加的 Flux 引用会很方便。
我需要一个集合对象,比如一个列表,然后使用合并操作吗?最初,我考虑使用ConnectableFlux
, 直到我意识到它是用于连接多个订阅者,而不是用于连接多个发布者。我认为连接多个发布者是我需要的一个很好的答案,除非这是一种可以以更好方式处理的常见模式。
我做响应式编程的时间很短,所以请耐心等待我试图描述我想做的事情的方式。如果我能更好地澄清我的意图,请让我知道我不清楚的地方,我很乐意尝试澄清它。提前感谢您的时间和帮助!
编辑:这是最终的 Kotlin 版本,简洁明了:
private val log = KotlinLogging.logger {}
class ReactiveDataService {
private val createMono: () -> Mono<List<Int>> = {
Flux.just(9, 8, 7)
.flatMap {
Flux.fromIterable(List(it) { Random.nextInt(0, 100) })
.parallel()
.runOn(Schedulers.boundedElastic())
}
.collectList()
.cache()
}
private val processResults: (List<String>, List<String>) -> String =
{ d1, d2 -> "\n\tdownstream 1: $d1\n\tdownstream 2: $d2" }
private val convert: (List<Int>, Int) -> Flux<String> =
{ data, multiplier -> Flux.fromIterable(data.map { String.format("%3d", it * multiplier) }) }
fun doQuery(): String? {
val mono = createMono()
val downstream1 = mono.flatMapMany { convert(it, 1) }.collectList()
val downstream2 = mono.flatMapMany { convert(it, 2) }.collectList()
return Mono.zip(downstream1, downstream2, processResults).block()
}
}
fun main() {
val service = ReactiveDataService()
val start = System.currentTimeMillis()
val result = service.doQuery()
log.info("{}\n\tTotal time: {}ms", result, System.currentTimeMillis() - start)
}
和输出:
downstream 1: [ 66, 39, 40, 88, 97, 35, 70, 91, 27, 12, 84, 37, 35, 15, 45, 27, 85, 22, 55, 89, 81, 21, 43, 62]
downstream 2: [132, 78, 80, 176, 194, 70, 140, 182, 54, 24, 168, 74, 70, 30, 90, 54, 170, 44, 110, 178, 162, 42, 86, 124]
Total time: 209ms