由于响应流的特点,我们不能再返回一个简单的POJO对象来表示结果了。必须返回一个类似Java中的Future的概念,在有结果可用时通知消费者进行消费响应。
Reactive Stream规范中这种被定义为Publisher
A1-A9就可以看做Publisher
而Flux和Mono都是Publisher
4. Flux
Flux 是一个发出(emit)0-N个元素组成的异步序列的Publisher
以上的的讲解对于初次接触反应式编程的依然是难以理解的,所以这里有一个循序渐进的理解过程。
**有些类比并不是很妥当,但是对于你循序渐进的理解这些新
【一线大厂Java面试题解析+后端开发学习笔记+最新架构讲解视频+实战项目源码讲义】 浏览器打开:qq.cn.hn/FTf 免费领取
概念还是有帮助的。**
传统数据处理我们在平常是这么写的:
public List allUsers() {
return Arrays.asList(new ClientUser(“felord.cn”, “reactive”),
new ClientUser(“Felordcn”, “Reactor”));
}
我们通过迭代返回值List来get这些元素进行再处理(消费),这种方式有点类似厨师做了很多菜,吃不吃在于食客。需要食客主动去来吃就行了(pull的方式),至于喜欢吃什么不喜欢吃什么自己随意,怎么吃也自己随意。
流式数据处理在Java 8中我们可以改写为流的表示:
public Stream allUsers() {
return Stream.of(new ClientUser(“felord.cn”, “reactive”),
new ClientUser(“Felordcn”, “Reactor”));
}
依然是厨师做了很多菜,但是这种就更加高级了一些,提供了菜品的搭配方式(不包含具体细节),食客可以按照说明根据自己的习惯搭配着去吃,一但开始概不退换,吃完为止,过期不候。
反应式数据处理在Reactor中我们又可以改写为Flux表示:
public Flux allUsers(){
return Flux.just(new ClientUser(“felord.cn”, “reactive”),
new ClientUser(“Felordcn”, “Reactor”));
}
这时候食客只需要订餐就行了,做好了自然就呈上来,而且可以随时根据食客的饭量进行调整。如果没有食客订餐那么厨师就什么都不用做。当然不止有这么点特性,不过对于方便我们理解来说这就够了。
5. Mono
Mono 是一个发出(emit)0-1个元素的Publisher
这里就不翻译了,整体和Flux差不多,只不过这里只会发出0-1个元素。也就是说不是有就是没有。象Flux一样,我们来看看Mono的演化过程以帮助理解。
传统数据处理public ClientUser currentUser () {
return isAuthenticated ? new ClientUser(“felord.cn”, “reactive”) : null;
}



