理解RxJava的线程模型

Scheduler、observeOn和subscribeOn

目录 [−]

  1. 第一个例子,性能超好?
  2. 加上业务的模拟,性能超差
  3. 加上调度器,不起作用?
  4. RxJava的线程模型
  5. Schedulers
  6. 改造,异步执行
  7. 另一种解决方案
  8. 总结
  9. 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SchedulerobserveOnsubscribeOn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。

第一个例子,性能超好?

我们首先看第一个例子:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
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

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:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
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

加上调度器,不起作用?

如果你对subscribeOnobserveOn方法有些印象的话,可能会尝试使用调度器去解决:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
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。

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。

Schedulers

上面我们了解了RxJava可以使用subscribeOnobserveOn可以改变和切换线程,以及onNext是顺序执行的,不是并发执行,至多也就切换到另外一个线程,如果它中间的操作是阻塞的,久会影响整个Rx的执行。

Rx是通过调度器来选择哪个线程执行的,RxJava内置了几种调度器,分别为不同的case提供线程:

  • io() : 这个调度器时用于I/O操作, 它可以增长或缩减来确定线程池的大小它是使用CachedThreadScheduler来实现的。需要注意的是,它的线程池是无限制的,如果你使用了大量的线程的话,可能会导致OutOfMemory等资源用尽的异常。

  • computation() : 这个是计算工作默认的调度器,它与I/O操作无关。它也是许多RxJava方法的默认调度器:buffer(),debounce(),delay(),interval(),sample(),skip()。

因为这些方法内部已经调用的调度器,所以你再调用subscribeOn是无效的,比如下面的例子总是使用computation调度器的线程。

1
2
3
4
5
6
7
8
Observable.just(1,2,3)
.delay(1, TimeUnit.SECONDS)
.subscribeOn(Schedulers.newThread())
.map(i -> {
System.out.println("map: " + Thread.currentThread().getName());
return i;
})
.subscribe(i -> {});
  • immediate() :这个调度器允许你立即在当前线程执行你指定的工作。它是timeout(),timeInterval(),以及timestamp()方法默认的调度器。
  • newThread() :创建一个新的线程只从。
  • trampoline() :为当前线程建立一个队列,将当前任务加入到队列中依次执行。

同时,Schedulers还提供了from静态方法,用户可以定制线程池:

1
2
ExecutorService es = Executors.newFixedThreadPool(200, new ThreadFactoryBuilder().setNameFormat("SubscribeOn-%d").build());
Schedulers.from(es)

改造,异步执行

现在,我们已经了解了RxJava的线程运行,以及相关的调度器。可以看到上面的例子还是顺序阻塞执行的,即使是切换到另外的线程上,依然是顺序阻塞执行,显示它的吞吐率非常非常的低。下一步我们就要改造这个例子,让它能异步的执行。

下面是一种改造方案,我先把代码贴出来,再解释:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
public static void testRxJavaWithFlatMap(int count) throws Exception {
ExecutorService es = Executors.newFixedThreadPool(200, new ThreadFactoryBuilder().setNameFormat("SubscribeOn-%d").build());
URL url = new URL("http://127.0.0.1:8999/");
CountDownLatch finishedLatch = new CountDownLatch(1);
long t = System.nanoTime();
Observable.range(0, count).subscribeOn(Schedulers.io()).flatMap(i -> {
//System.out.println("A: " + Thread.currentThread().getName());
return Observable.just(i).subscribeOn(Schedulers.from(es)).map(v -> {
//System.out.println("B: " + Thread.currentThread().getName());
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;
}
}
);
}
).observeOn(Schedulers.computation()).subscribe(statusCode -> {
//System.out.println("C: " + Thread.currentThread().getName());
}, error -> {
}, () -> {
finishedLatch.countDown();
});
finishedLatch.await();
t = (System.nanoTime() - t) / 1000000; //ms
System.out.println("RxJavaWithFlatMap TPS: " + count * 1000 / t);
es.shutdownNow();
}

通过flatmap可以将源Observable的元素项转成n个Observable,生成的每个Observable可以使用线程池并发的执行,同时flatmap还会将这n个Observable merge成一个Observable。你可以将其中的注释打开,看看线程的执行情况。

性能还不错:

RxJavaWithFlatMap TPS: 3906

FlatMap — transform the items emitted by an Observable into Observables, then flatten the emissions from those into a single Observable

图片来自 http://reactivex.io

另一种解决方案

我们已经清楚了要并行执行提高吞吐率的解决办法就是创建多个Observable并且并发执行。基于这种解决方案,我们还可以有其它的解决方案。

上一方案中利用flatmap创建多个Observable,针对我们的例子,我们何不直接创建多个Observable呢?

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
public static void testRxJavaWithParallel(int count) throws Exception {
ExecutorService es = Executors.newFixedThreadPool(200, new ThreadFactoryBuilder().setNameFormat("SubscribeOn-%d").build());
URL url = new URL("http://127.0.0.1:8999/");
CountDownLatch finishedLatch = new CountDownLatch(count);
long t = System.nanoTime();
for (int k = 0; k < count; k++) {
Observable.just(k).map(i -> {
//System.out.println("A: " + Thread.currentThread().getName());
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.from(es)).observeOn(Schedulers.computation()).subscribe(statusCode -> {
}, error -> {
}, () -> {
finishedLatch.countDown();
});
}
finishedLatch.await();
t = (System.nanoTime() - t) / 1000000; //ms
System.out.println("RxJavaWithParallel TPS: " + count * 1000 / t);
es.shutdownNow();
}

性能更好一点:

RxJavaWithParallel2 TPS: 4716

这个例子没有使用Schedulers.io()作为它的调度器,这是因为如果在大并发的情况下,可能会出现创建过多的线程导致资源不错,所以我们限定使用200个线程。

总结

  • subscribeOn() 改变的Observable运行(operate)使用的调度器,多次调用无效。
  • observeOn() 改变Observable发送notifications的调度器,会影响后续的操作,可以多次调用
  • 默认情况下, 操作链使用的线程是调用subscribe()的线程
  • Schedulers提供了多个调度器,可以并行运行多个Observable
  • 使用RxJava可以实现异步编程,但是依然要小心线程阻塞。而且由于这种异步的编程,调试代码可能更加的困难

参考文档

  1. http://reactivex.io/documentation/contract.html
  2. http://reactivex.io/documentation/operators/subscribeon.html 中文翻译
  3. http://reactivex.io/documentation/operators/observeon.html 中文翻译
  4. http://reactivex.io/documentation/scheduler.html
  5. http://tomstechnicalblog.blogspot.com/2016/02/rxjava-understanding-observeon-and.html
  6. http://tomstechnicalblog.blogspot.com/2015/11/rxjava-achieving-parallelization.html
  7. https://medium.com/@diolor/observe-in-the-correct-thread-1939bb9bb9d2 中文翻译
  8. https://github.com/mcxiaoke/RxDocs