理解 RxJava 的线程模型（上）

Posted 2021-04-30 新东网技术发布

来源：鸟窝（@colobu ） 

链接：colobu.com/2016/07/25/understanding-rxjava-thread-model/

目录

第一个例子，性能超好？

加上业务的模拟，性能超差

加上调度器，不起作用？

RxJava的线程模型

Schedulers 

改造，异步执行 

另一种解决方案 

总结

参考文档

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 reactivex.io。

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。

RxJava也在android开发中得到广泛的应用。

ReactiveX

An API for asynchronous programming with observable streams.

A combination of the best ideas from the Observer pattern, the Iterator pattern, and functional programming.

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。

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。

一、第一个例子，性能超好？

我们首先看第一个例子:

public static void testRxJavaWithoutBlocking(int count) throws Exception {

    CountDownLatch finishedLatch = new CountDownLatch(1);

    long t = System.nanoTime();

    Observable.range(0, count).map(i -> {

        //System.out.println("A:" + Thread.currentThread().getName());

        return 200;

    }).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);

}

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，

输出结果为：

RxJavaWithoutBlocking TPS: 7692307 。

二 、加上业务的模拟，性能超差

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。

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：

public static void testRxJavaWithBlocking(int count) throws Exception {

        URL url = new URL("http://127.0.0.1:8999/");

        CountDownLatch finishedLatch = new CountDownLatch(1);

        long t = System.nanoTime();

        Observable.range(0, count).map(i -> {

            try {

                HttpURLConnection conn = (HttpURLConnection) url.openConnection();

                conn.setRequestMethod("GET");

                int responseCode = conn.getResponseCode();

                BufferedReader in = new BufferedReader(new InputStreamReader(conn.getInputStream()));

                String inputLine;

                while ((inputLine = in.readLine()) != null) {

                    //response.append(inputLine);

                }

                in.close();

                return responseCode;

            } 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);

    }

运行结果如下：

RxJavaWithBlocking TPS: 29。

@＃¥％％……&！

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。

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。

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

三、加上调度器，不起作用？

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：

public static void testRxJavaWithBlocking(int count) throws Exception {

        URL url = new URL("http://127.0.0.1:8999/");

        CountDownLatch finishedLatch = new CountDownLatch(1);

        long t = System.nanoTime();

        Observable.range(0, count).map(i -> {

            try {

                HttpURLConnection conn = (HttpURLConnection) url.openConnection();

                conn.setRequestMethod("GET");

                int responseCode = conn.getResponseCode();

                BufferedReader in = new BufferedReader(new InputStreamReader(conn.getInputStream()));

                String inputLine;

                while ((inputLine = in.readLine()) != null) {

                    //response.append(inputLine);

                }

                in.close();

                return responseCode;

            } 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);

    }

加上.subscribeOn(Schedulers.io()).observeOn(Schedulers.computation())看一下性能：

RxJavaWithBlocking TPS: 30。

性能没有改观，是时候了解一下RxJava线程调度的问题了。

四、RxJava的线程模型

首先，依照Observable Contract, onNext是顺序执行的，不会同时由多个线程并发执行。

图片来自 http://tomstechnicalblog.blogspot.com/2016/02/rxjava-understanding-observeon-and.html

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。

图片来自 https://medium.com/@diolor/observe-in-the-correct-thread-1939bb9bb9d2

但是subscribeOn可以改变Observable的运行线程。

图片来自 https://medium.com/@diolor/observe-in-the-correct-thread-1939bb9bb9d2

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。

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”。

但是onNext还是顺序执行的，所以第二个例子的性能依然低下。

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。

图片来自 http://tomstechnicalblog.blogspot.com/2016/02/rxjava-understanding-observeon-and.html

官方的一个简略晦涩的解释如下：

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.

一图胜千言：

图片来自 http://reactivex.io

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。

来源：安卓应用频道