编程语言
首页 > 编程语言> > Java – Spring Web-Flux中的Backpressure机制

Java – Spring Web-Flux中的Backpressure机制

作者:互联网

我是Spring Web-Flux的首发.我写了一个控制器如下:

@RestController
public class FirstController 
{
    @GetMapping("/first")
    public Mono<String> getAllTweets() 
    {
        return Mono.just("I am First Mono")
    }
}

我知道其中一个反应性好处是Backpressure,它可以平衡请求或响应率.我想知道如何在Spring Web-Flux中使用背压机制.

解决方法:

WebFlux中的Backpressure

为了理解Backpressure在当前WebFlux框架实现中的工作原理,我们必须回顾一下默认使用的传输层.我们可能还记得,浏览器和服务器之间的正常通信(服务器到服务器通信通常也是一样)是通过TCP连接完成的. WebFlux还使用该传输进行客户端和服务器之间的通信.
然后,为了获得背压控制项的含义,我们必须从Reactive Streams规范的角度来回顾一下背压的含义.

The basic semantics define how the transmission of stream elements is regulated through back-pressure.

因此,从该声明中,我们可以得出结论,在Reactive Streams中,背压是一种通过传输(通知)接收者可以消耗多少元素来调节需求的机制;在这里,我们有一个棘手的问题. TCP具有字节抽象而不是逻辑元素抽象.我们通常所说的背压控制是控制向/从网络发送/接收的逻辑元件的数量.即使TCP有自己的流控制(参见含义here和动画there),这个流控制仍然是字节而不是逻辑元素.

在WebFlux模块的当前实现中,背压由传输流控制来调节,但它不会暴露接收方的实际需求.为了最终看到交互流程,请参见下图:

enter image description here

为简单起见,上图显示了两个微服务之间的通信,其中左侧发送数据流,右侧消耗该流.以下编号列表提供了该图表的简要说明:

>这是WebFlux框架,它正确地将逻辑元素转换为字节并返回并将其传输/接收到TCP(网络).
>这是对作业完成后请求下一个元素的元素进行长时间处理的开始.
>在这里,虽然业务逻辑没有要求,但WebFlux将来自网络的字节排队,而没有他们的确认(业务逻辑没有要求).
>由于TCP流控制的性质,服务A仍然可以向网络发送数据.

正如我们从上图中可以看到的那样,接收者公开的需求与发送者的需求不同(这里需要逻辑元素).这意味着两者的需求是孤立的,仅适用于WebFlux< - >业务逻辑(服务)交互并且暴露较少的服务A< - >的背压.服务B互动.

所有这些意味着背压控制在WebFlux中并不像我们预期的那样公平.

但我仍然想知道如何控制背压

如果我们仍然希望对WebFlux中的背压进行不公平的控制,我们可以在Project Reactor运算符(如limitRate())的支持下执行此操作.以下示例显示了我们如何使用该运算符:

@PostMapping("/tweets")
public Mono<Void> postAllTweets(Flux<Tweet> tweetsFlux) {

    return tweetService.process(tweetsFlux.limitRate(10))
                       .then();
}

正如我们在示例中看到的,limitRate()运算符允许定义一次预取的元素数.这意味着即使最终订阅者请求Long.MAX_VALUE元素,limitRate运算符也会将该请求拆分为块,并且不允许一次消耗更多.我们可以使用元素发送过程:

@GetMapping("/tweets")
public Flux<Tweet> getAllTweets() {

    return tweetService.retreiveAll()
                       .limitRate(10);
}

上面的示例显示,即使WebFlux一次请求超过10个元素,limitRate()也会限制对预取大小的需求,并防止一次消耗超过指定数量的元素.

另一种选择是实现自己的Subscriber或从Project Reactor扩展BaseSubscriber.例如,以下是我们如何做到这一点的简单例子:

class MyCustomBackpressureSubscriber<T> extends BaseSubscriber<T> {

    int consumed;
    final int limit = 5;

    @Override
    protected void hookOnSubscribe(Subscription subscription) {
        request(limit);
    }

    @Override
    protected void hookOnNext(T value) {
        // do business logic there 

        consumed++;

        if (consumed == limit) {
            consumed = 0;

            request(limit);
        }
    }
}

使用RSocket协议的公平背压

为了通过网络边界实现逻辑元素背压,我们需要一个适当的协议.幸运的是,有一个名为RScoket protocol.RSocket是一个应用程序级协议,允许通过网络边界传输实际需求.
该协议有一个RSocket-Java实现,允许设置RSocket服务器.在服务器到服务器通信的情况下,相同的RSocket-Java库也提供客户端实现.要了解有关如何使用RSocket-Java的更多信息,请参阅以下示例here.
对于浏览器 – 服务器通信,有一个RSocket-JS实现,允许通过WebSocket连接浏览器和服务器之间的流通信.

在RSocket之上的已知框架

现在有一些框架,建立在RSocket协议之上.

变形杆菌

其中一个框架是Proteus项目,它提供了构建在RSocket之上的完整的微服务.此外,Proteus与Spring框架很好地集成,因此现在我们可以实现公平的背压控制(参见示例there)

进一步阅读

> https://www.netifi.com/proteus
> https://medium.com/netifi
> http://scalecube.io/

标签:spring-webflux,java,reactive-programming,backpressure
来源: https://codeday.me/bug/20191003/1851141.html