Spring Web-Flux 中的背压机制

Posted 2023-02-16

【中文标题】Spring Web-Flux 中的背压机制

【英文标题】：Backpressure mechanism in Spring Web-Flux

【发布时间】：2019-02-14 02:55:29

【问题描述】：

我是 Spring Web-Flux 的初学者。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")
    

我知道反应性好处之一是背压，它可以平衡请求或响应率。我想了解如何在 Spring Web-Flux 中实现背压机制。

【问题讨论】：

如何拥有背压或如何处理呢？你已经有内置的机制来处理它，所以你想了解它们吗？

如果有，请查看this page

我不知道我已经默认拥有它，所以也许如何处理它更好。我想了解Spring Web-Flux中的机制及其配置。

@Andrew Tobilko RxJava 与 Spring WebFlux 底层的 Reactor 不同

【参考方案1】：

WebFlux 中的背压

为了理解 Backpressure 在当前 WebFlux 框架的实现中是如何工作的，我们必须回顾一下这里默认使用的传输层。我们可能还记得，浏览器和服务器之间的正常通信（服务器到服务器的通信通常也一样）是通过 TCP 连接完成的。 WebFlux 也使用该传输在客户端和服务器之间进行通信。 然后，为了了解 backpressure control 术语的含义，我们必须从 Reactive Streams 规范的角度回顾一下 backpressure 的含义。

基本语义定义了流元素的传输如何通过背压进行调节。

因此，从该陈述中，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；这里有一个棘手的问题。 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想要的是控制发送/接收到/从网络的逻辑元素的数量。尽管 TCP 有自己的流量控制（参见含义here 和动画there），但这种流量控制仍然是针对字节而不是针对逻辑元素。

在WebFlux模块目前的实现中，背压是由传输流控制来调节的，但它并没有暴露接收者的真实需求。为了最终看到交互流程，请看下图：

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，右侧使用该流。以下编号列表提供了该图的简要说明：

这是一个 WebFlux 框架，它负责将逻辑元素转换为字节并返回，并将它们传输到 TCP（网络）/从 TCP（网络）接收它们。 这是元素的长时间运行处理的开始，一旦作业完成，它将请求下一个元素。 在这里，虽然业务逻辑没有要求，但 WebFlux 会在未确认的情况下将来自网络的字节排入队列（业务逻辑没有要求）。 由于 TCP 流控制的性质，服务 A 仍可能向网络发送数据。

从上图中我们可以注意到，接收者暴露的需求与发送者的需求不同（这里的需求是逻辑元素）。这意味着两者的需求是隔离的，仅适用于 WebFlux 业务逻辑（服务）交互，对 Service A Service B 交互的背压暴露较少。这一切都意味着 WebFlux 中的背压控制并不像我们预期的那样公平。

这意味着 WebFlux 中的背压控制并不像我们预期的那样公平。

但我还是想知道如何控制背压

如果我们仍然想对 WebFlux 中的背压进行不公平的控制，我们可以在 Project Reactor 操作员的支持下做到这一点，例如 limitRate()。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();

从示例中可以看出，limitRate() 运算符允许定义一次预取的元素数量。这意味着即使最终订阅者请求 Long.MAX_VALUE 元素，limitRate 运算符也会将该需求拆分为多个块，并且不允许一次消耗更多。我们可以对元素发送过程做同样的事情：

@GetMapping("/tweets")
public Flux<Tweet> getAllTweets() 
    
    return tweetService.retreiveAll()
                       .limitRate(10);

上面的例子表明，即使 WebFlux 一次请求超过 10 个元素，limitRate() 也会将需求限制为预取大小，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示例：

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);
        
    

RSocket 协议的公平背压

为了通过网络边界实现逻辑元素背压，我们需要一个合适的协议。幸运的是，有一个叫RScoket protocol。 RSocket 是一种应用层协议，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。要了解更多如何使用 RSocket-Java，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，它允许通过WebSocket 连接浏览器和服务器之间的流式通信。

基于 RSocket 的已知框架

现在有一些框架是建立在 RSocket 协议之上的。

变形杆菌

其中一个框架是 Proteus 项目，它提供了基于 RSocket 构建的成熟微服务。此外，Proteus 与 Spring 框架很好地集成，所以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/

【讨论】：

尽管答案非常好，但我认为 OP 正在询问处理背压的程序化（更高级、与 API 相关的）方法。

让我添加它。一会儿

@OlehDokuka 感谢您的精彩解释。你能告诉我这是扩展BaseSubscriber 的常用方法还是Spring Web-Flux 的默认行为更好？

最好使用框架控件。但是，您可以使用limitRate 进行一些限制，并且仅在需要细粒度控制的情况下，您可以扩展BaseSubscriber。在许多情况下，这取决于您真正想要实现的目标。我建议您在 Reactor gitter 聊天室进行对话并在那里进行正常聊天 -> gitter.im/reactor/reactor

这是一个元素的长时间运行处理的开始，一旦作业完成，它会请求下一个元素。您能改写一下吗？你说的是什么工作？