背压

本节首先介绍什么是背压(Backpressure)问题,然后介绍背压问题的几种应对模式。

java并发编程技术深度剖析与实战(深入讲解RxJava响应式编程框架)(1)

什么是背压问题

当上下游的流操作处于不同的线程时,如果上游弹射数据的速度快于下游接收处理数据的速度,对于那些没来得及处理的数据就会造成积压,这些数据既不会丢失,又不会被垃圾回收机制回收,而是存放在一个异步缓存池中,如果缓存池中的数据一直得不到处理,越积越多,最后就会造成内存溢出,这便是响应式编程中的背压问题。

一个存在背压问题的演示实例代码如下:

package com.crazymaker.demo.rxJava.basic; //省略import @Slf4j public class BackpressureDemo { /** *演示不使用背压 */ @Test public void testNoBackpressure() throws InterruptedException { //被观察者(主题) Observable observable = Observable.create( new Observable.OnSubscribe<String>() { @Override public void call(Subscriber<? super String> subscriber) { //循环10次 for (int i = 0;i<10 ; i ) { log.info("produce ->" i); subscriber.onNext(String.valueOf(i)); } } }); //观察者 Action1<String> subscriber = new Action1<String>() { public void call(String s){ try { //每消费一次间隔50毫秒 Thread.sleep(50); } catch (InterruptedException e) { e.printStackTrace(); } log.info("consumer ->" s); } }; //订阅:observable与subscriber之间依然通过subscribe()进行关联 observable .subscribeOn(Schedulers.io()) .observeOn(Schedulers.newThread()) .subscribe(subscriber); Thread.sleep(Integer.MAX_VALUE); } }

在实例代码中,observable发射操作执行在一条通过Schedulers.io()调度器获取的IO线程上,而观察者subscriber的消费操作执行在另一条通过Schedulers.newThread()调度器获取的新线程上。observable流不断发送数据,累积发送10次;观察者subscriber每隔50毫秒接收一条数据。

运行上面的演示程序后,输出的结果如下:

17:56:17.719 [RxIoScheduler-2] INFO c.c.d.r.b.BackpressureDemo - produce ->0 17:56:17.723 [RxIoScheduler-2] INFO c.c.d.r.b.BackpressureDemo - produce ->1 17:56:17.723 [RxIoScheduler-2] INFO c.c.d.r.b.BackpressureDemo - produce ->2 17:56:17.723 [RxIoScheduler-2] INFO c.c.d.r.b.BackpressureDemo - produce ->3 17:56:17.723 [RxIoScheduler-2] INFO c.c.d.r.b.BackpressureDemo - produce ->4 17:56:17.723 [RxIoScheduler-2] INFO c.c.d.r.b.BackpressureDemo - produce ->5 17:56:17.723 [RxIoScheduler-2] INFO c.c.d.r.b.BackpressureDemo - produce ->6 17:56:17.723 [RxIoScheduler-2] INFO c.c.d.r.b.BackpressureDemo - produce ->7 17:56:17.723 [RxIoScheduler-2] INFO c.c.d.r.b.BackpressureDemo - produce ->8 17:56:17.723 [RxIoScheduler-2] INFO c.c.d.r.b.BackpressureDemo - produce ->9 17:56:17.774 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->0 17:56:17.824 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->1 17:56:17.875 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->2 17:56:17.925 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->3 17:56:17.976 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->4 17:56:18.027 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->5 17:56:18.078 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->6 17:56:18.129 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->7 17:56:18.179 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->8 17:56:18.230 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->9

上面的程序有一个特点:生产者observable弹射数据的速度大于下游消费者subscriber接收处理数据的速度,但是由于数据量小,因此上面的程序运行起来没有出现问题。

简单修改一下生产者,将原来的弹射10条改成无限制地弹射,代码如下:

//被观察者(主题) Observable observable = Observable.create( new Observable.OnSubscribe<String>() { @Override public void call(Subscriber<? super String> subscriber) { //无限制地循环 for (int i = 0; ; i ) { //log.info("produce ->" i); subscriber.onNext(String.valueOf(i)); } } });

再次运行该演示程序后,抛出的异常如下:

Caused by: rx.exceptions.MissingBackpressureException at rx.internal.operators.OperatorObserveOn$ObserveOnSubscriber.onNext (OperatorObserveOn.java:160) at rx.internal.operators.OperatorSubscribeOn$SubscribeOnSubscriber.onNext (OperatorSubscribeOn.java:74) at com.crazymaker.demo.rxJava.basic.BackpressureDemo$1.call (BackpressureDemo.java:24) at com.crazymaker.demo.rxJava.basic.BackpressureDemo$1.call (BackpressureDemo.java:19) at rx.Observable.unsafeSubscribe(Observable.java:10327) at rx.internal.operators.OperatorSubscribeOn$SubscribeOnSubscriber.call (OperatorSubscribeOn.java:100) at rx.internal.schedulers.CachedThreadScheduler$EventLoopWorker$1.call (CachedThreadScheduler.java:230) ... 9 more

异常原因:由于上游observable流弹射数据的速度远远大于下游通过subscriber接收的速度,导致observable用于暂存弹射数据的队列空间耗尽,造成上游数据积压。

背压问题的几种应对模式

如何应对背压问题呢?在创建主题时可以使用Observable类的一个重载的create方法设置具体的背压模式,该方法的源代码如下:

public static <T> Observable<T> create(Action1<Emitter<T>> emitter, Emitter.BackpressureMode backpressure) { return unsafeCreate(new OnSubscribeCreate<T>(emitter, backpressure)); }

此方法的第二个参数用于指定一种背压模式。背压模式有多种,比较常用的有“最近模式”Emitter.BackpressureMode.LATEST。这种模式的含义为:如果消费跟不上,那么仅仅缓存最近弹射出来的数据,将老旧一点的数据直接丢弃。

使用“最近模式”背压,改写4.8.1节的测试用例,代码如下:

/** *演示使用“最近模式”背压 */ @Test public void testBackpressure() throws InterruptedException { //主题实例,使用背压 Observable observable = Observable.create( new Action1<Emitter<String>> () { @Override public void call(Emitter<String> emitter) { //无限循环 for (int i = 0; ; i ) { //log.info("produce ->" i); emitter.onNext(String.valueOf(i)); } } }, Emitter.BackpressureMode.LATEST); //订阅者(观察者) Action1<String> subscriber = new Action1<String>() { public void call(String s) { try { //每消费一次间隔50毫秒 Thread.sleep(3); } catch (InterruptedException e) { e.printStackTrace(); } log.info("consumer ->" s); } }; //订阅: observable与subscriber之间依然通过subscribe()进行关联 observable .subscribeOn(Schedulers.io()) .observeOn(Schedulers.newThread()) .subscribe(subscriber); Thread.sleep(Integer.MAX_VALUE); }

运行这个演示程序,部分输出的结果节选如下:

18:51:54.736 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->0 18:51:54.745 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->1 //省略部分输出 18:51:55.217 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->123 18:51:55.220 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->124 18:51:55.224 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->125 18:51:55.228 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->126 18:51:55.232 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->127 18:51:55.236 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->7337652 18:51:55.240 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->7337653 18:51:55.244 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->7337654 //省略部分输出 18:51:55.595 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->7337747 18:51:55.598 [RxNewThreadScheduler-1] INFO c.c.d.r.b.BackpressureDemo - consumer ->14161628

从输出的结果可以看到,上游主题连续不断地弹射,下游订阅者在接收完127后直接跳到了7337652,其间弹射出来的几百万数据(相对旧一点的数据)就直接被丢弃了。

除了Emitter.BackpressureMode.LATEST“最近模式”外,RxJava在Emitter<T>接口中通过一个枚举常量定义了以下几种背压模式:

enum BackpressureMode { /** *No backpressure is applied(无背压模式) *可能导致rx.exceptions.MissingBackpressureException异常 *或者IllegalStateException异常 */ NONE, /** *如果消费者跟不上,就抛出rx.exceptions.MissingBackpressureException异常 */ ERROR, /** *缓存所有的onNext方法弹射出来的消息,等待消费者慢慢地消费 */ BUFFER, /** *如果下游消费跟不上,就丢弃onNext方法弹射出来的新消息 */ DROP, /** *如果消费者跟不上,就丢掉旧的消息,缓存onNext方法弹射出来的新消息 */ LATEST }

对于以上RxJava背压模式,介绍如下:

(1)BackpressureMode.DROP:在这种模式下,Observable主题使用固定大小为128的缓冲区。如果下游订阅者无法处理,流的第一个元素就会缓存下来,后续的会被丢弃。

(2)BackpressureMode.LATEST:这种模式与BackpressureMode.DROP类似,并且Observable主题也使用固定大小为128的缓冲区。BackpressureMode.LATEST的缓存策略不同,使用最新的弹出元素替换缓冲区缓存的元素。当消费者可以处理下一个元素时,它收到的是Observable最近一次弹出的元素。

(3)BackpressureMode.NONE和BackpressureMode.ERROR:在这两种模式中发送的数据不使用背压。如果上游observable主题弹射数据的速度大于下游通过subscriber接收的速度,造成上游数据积压,就会抛出MissingBackpressureException异常。

(4)BackpressureMode.BUFFER:在这种模式下,有一个无限的缓冲区(初始化时是128),下游消费不了的元素全部会放到缓冲区中。如果缓冲区中持续地积累,就会导致内存耗尽,抛出OutOfMemoryException异常。

本文给大家讲解的内容是SpringCloudRPC远程调用核心原理: RxJava响应式编程框架,背压问题的几种应对模式
  1. 下篇文章给大家讲解的是SpringCloudRPC远程调用核心原理:Hystrix RPC保护的原理;
  2. 觉得文章不错的朋友可以转发此文关注小编;
  3. 感谢大家的支持!
,