一 引言

這個模式與模式一最大區(qū)別在于可以支持背壓（Backpressure）,什么是背壓？我們先看看一個例子：

Observable.create(new ObservableOnSubscribe<String>() {
            @Override
            public void subscribe(ObservableEmitter<String> e) throws Exception {
               int i = 0;                
               while (true){
                    e.onNext(“data:”+(i++));
                }
             }
           }) .subscribeOn(Schedulers.io())
                .observeOn(AndroidSchedulers.mainThread())
                .subscribe(new Consumer<String>() {
            @Override
            public void accept(String s) throws Exception {
                Thread.sleep(2000);
                print(s);
            }
        }); 

結(jié)果：

MissingBackpressureException: create: could not emit value due to lack of requests

我們看到結(jié)果出現(xiàn)，這個例子最終會產(chǎn)生OOM異常,因為被觀察者發(fā)射數(shù)據(jù)的速度大于觀察者接收處理數(shù)據(jù)的速度，造成觀察者的調(diào)度器中數(shù)據(jù)緩沖池?zé)o限堆積，超出了緩沖池的最大容量，導(dǎo)致OOM
而此時Flowable的背壓策略就很好的解決這個問題。例如我們使用如下方式：

  Flowable.create(new FlowableOnSubscribe<String>() {
            @Override
            public void subscribe(@NonNull FlowableEmitter<String> e) throws Exception {
                 int i = 0;
                while (true){
                    e.onNext("data:"+(i++));
                }
            }
        }, BackpressureStrategy.DROP)//超出緩沖池的數(shù)據(jù)丟棄
                .subscribeOn(Schedulers.computation())
                .observeOn(AndroidSchedulers.mainThread())
                .subscribe(new Subscriber<String>() {
            Subscription subscription;
            @Override
            public void onSubscribe(Subscription s) {
                subscription = s;
                subscription.request(1);
            }
            @Override
            public void onNext(String s) {
                try {
                    Thread.sleep(2000);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
                printThread(s);
                subscription.request(1); //處理完了，在請求數(shù)據(jù)
            }
            @Override
            public void onError(Throwable t) {

            }
            @Override
            public void onComplete() {

            }
        });

該背壓策略是超出緩沖池的數(shù)據(jù)被丟棄，而觀察者要求處理一個發(fā)送我一個數(shù)據(jù)，那么是否體驗到背壓策略的強(qiáng)大了呢？是否覺得好多問題都不再是問題了？哈哈，下面就好好給你安利一下Flowable背壓策略。

二.Backpressure的策略

（1）被觀察者和觀察者在異步線程的情況下，如果被觀察者發(fā)射事件的速度大于觀察者接收事件的速度，就會產(chǎn)生Backpressure問題。但是同步情況下，Backpressure問題不會存在。
（2）Backpressure的策略僅僅是調(diào)度Subscriber接收事件，并不影響Flowable發(fā)送事件。觀察者可以根據(jù)自身實際情況按需拉取數(shù)據(jù)，而不是被動接收（也就相當(dāng)于告訴上游觀察者把速度慢下來），最終實現(xiàn)了上游被觀察者發(fā)送事件的速度的控制，實現(xiàn)了背壓的策略。
（3）Backpressure的策略有5種：ERROR,BUFFER,DROP,LATEST,MISSING
ERROR策略
之前在分析Scheduler調(diào)度的時候，在觀察者線程里有一個數(shù)據(jù)緩存池SimpleQueue<T>
queue，queue在ObserveOnObserver（）構(gòu)造函數(shù)里實例化一個128個大小的隊列：
queue = new SpscLinkedArrayQueue<T>(bufferSize);，
用來緩存觀察者處理不了暫時緩存下來的數(shù)據(jù)，緩存池的默認(rèn)大小為128，即只能緩存128個事件。這個緩存池的大小目前我還沒有發(fā)現(xiàn)可以直接設(shè)置的方法（如果你發(fā)現(xiàn)了要及時@我哦）。

在ERROR策略下，如果緩存池溢出，就會立刻拋出MissingBackpressureException異常。 ERROR即保證在異步操作中，事件累積不能超過128，超過即出現(xiàn)異常。

Flowable.create(new FlowableOnSubscribe<String>() {
           @Override
           public void subscribe(@NonNull FlowableEmitter<String> e) throws Exception {
               int i = 0;
               while (true){
                   e.onNext("data:"+(i++));
               }
           }
       }, BackpressureStrategy.ERROR)//超出緩沖池的數(shù)據(jù)128個時，報Error
               .subscribeOn(Schedulers.computation())
               .observeOn(Schedulers.newThread())
               .subscribe(new Subscriber<String>() {
                   @Override
                   public void onSubscribe(Subscription s) {
                       subscription = s;
                       subscription.request(128);
                   }

                   @Override
                   public void onNext(String s) {
                       try {
                           Thread.sleep(100);
                       } catch (InterruptedException e) {
                           e.printStackTrace();
                       }
                       printThread(s);

                   }

                   @Override
                   public void onError(Throwable t) {
                       printThread(t.getMessage());
                   }

                   @Override
                   public void onComplete() {

                   }
               });
輸出：
data:0:-------RxNewThreadScheduler-1
create: could not emit value due to lack of requests：-------RxNewThreadScheduler-1

BUFFER策略
該策略是Flowable的默認(rèn)策略，這里有一點要注意， 很多人認(rèn)為BUFFER策略就是把RxJava中默認(rèn)的只能存128個事件的緩存池?fù)Q成一個大的緩存池，支持存很多很多的數(shù)據(jù)。其實不是，大小沒有改變，依然是128個?？纯丛创a：

所以使用這個策略，相當(dāng)于無作為，相當(dāng)大的概率出現(xiàn)OOM.
DROP策略
在DROP策略下，當(dāng)觀察者來不及處理的數(shù)據(jù)將會被丟棄。即丟棄后面超出緩存區(qū)的
例子：

 Subscription subscription1;
    private void doAct2() {
        //DROP---------------分三次打印第一次0...49,第二次50...99...第三次100...127
        if(subscription1 == null) {
            tx_console.setText("DROP");
            Flowable.create(new FlowableOnSubscribe<String>() {
                @Override
                public void subscribe(@NonNull FlowableEmitter<String> e) throws Exception {
                    int i = 0;
                    while (true) {
                        e.onNext("data:" + (i++));
                        if (i == 1000) {
                            e.onComplete();
                            return;
                        }
                    }
                }
            }, BackpressureStrategy.DROP)//超出緩沖池的數(shù)據(jù)丟棄，丟棄最新的，保留原始的
                    .subscribeOn(Schedulers.computation())
                    .observeOn(Schedulers.newThread())
                    .subscribe(new Subscriber<String>() {
                        @Override
                        public void onSubscribe(Subscription s) {
                            subscription1 = s;
                            subscription1.request(50);
                        }

                        @Override
                        public void onNext(String s) {
                            try {
                                Thread.sleep(100);
                            } catch (InterruptedException e) {
                                e.printStackTrace();
                            }
                            printThread(s);
                        }

                        @Override
                        public void onError(Throwable t) {

                        }

                        @Override
                        public void onComplete() {

                        }
                    });
        }else{
            subscription1.request(50);
        }
    }
輸出:
data:0
data:1
......
data:127

LATEST策略
LATEST策略和DROP策略略同，區(qū)別在于LATEST策略會接收最后一個數(shù)據(jù)，即當(dāng)觀察者來不及處理的數(shù)據(jù)將會被丟棄。但是會保留最后一個。

例子：
 Subscription subscription2;
    private void doAct2() {
        //DROP---------------分三次打印第一次0...49,第二次50...99...第三次100...127,999
        if(subscription2 == null) {
            tx_console.setText("DROP");
            Flowable.create(new FlowableOnSubscribe<String>() {
                @Override
                public void subscribe(@NonNull FlowableEmitter<String> e) throws Exception {
                    int i = 0;
                    while (true) {
                        e.onNext("data:" + (i++));
                        if (i == 1000) {
                            e.onComplete();
                            return;
                        }
                    }
                }
            }, BackpressureStrategy.DROP)//超出緩沖池的數(shù)據(jù)丟棄，丟棄最新的，保留原始的
                    .subscribeOn(Schedulers.computation())
                    .observeOn(Schedulers.newThread())
                    .subscribe(new Subscriber<String>() {
                        @Override
                        public void onSubscribe(Subscription s) {
                            subscription2 = s;
                            subscription2.request(50);
                        }

                        @Override
                        public void onNext(String s) {
                            try {
                                Thread.sleep(100);
                            } catch (InterruptedException e) {
                                e.printStackTrace();
                            }
                            printThread(s);
                        }

                        @Override
                        public void onError(Throwable t) {

                        }

                        @Override
                        public void onComplete() {

                        }
                    });
        }else{
            subscription2.request(50);
        }
    }
輸出:
data:0
data:1
......
data:127
data:999

MISSING策略
在MISSING策略下，沒有緩沖池，接收第一個數(shù)據(jù)以后，后面的都丟棄
例子：

 Flowable.create(new FlowableOnSubscribe<String>() {
            @Override
            public void subscribe(@NonNull FlowableEmitter<String> e) throws Exception {
                int i = 0;
                while (true){
                    e.onNext("data:"+(i++));
                }
            }
        }, BackpressureStrategy.MISSING)//沒有緩沖池，接收第一個數(shù)據(jù)以后，后面的都丟棄
                .subscribeOn(Schedulers.computation())
                .observeOn(Schedulers.newThread())
                .subscribe(new Subscriber<String>() {
                    @Override
                    public void onSubscribe(Subscription s) {
                        subscription = s;
                        subscription.request(128);
                    }

                    @Override
                    public void onNext(String s) {
                        try {
                            Thread.sleep(100);
                        } catch (InterruptedException e) {
                            e.printStackTrace();
                        }
                        printThread(s);

                    }

                    @Override
                    public void onError(Throwable t) {

                    }

                    @Override
                    public void onComplete() {

                    }
                });
輸出：
 data:0:-------RxNewThreadScheduler-1

三.Flowable的創(chuàng)建

Flowable的創(chuàng)建是和Observable一樣，可以通過操作函數(shù),例如：create(),defer(),just()，from(),rang(),timer(),interval()等方法來創(chuàng)建。
也可以直接通過Observable轉(zhuǎn)換創(chuàng)建:
Observable.toFlowable()
具體使用例子可以參考上一篇Observable的創(chuàng)建。

四.Subscriber的創(chuàng)建

在上面的例子中，我們可以看到Subscriber的創(chuàng)建，也需要重寫四個方法onSubscribe(Subscription s)，onNext(Object s), onError(Throwable t),onComplete()
與Observer不同的是onSubscribe中回調(diào)的是Subscription，不是Disposable ，而Subscription比
Disposable 多了一個request(),其他方法功能一樣。 當(dāng)調(diào)用了request()方法后，被觀察者便發(fā)送對應(yīng)數(shù)量的事件給觀察者接收并處理。 Flowable在設(shè)計的時候采用了一種新的思路，也就是響應(yīng)式拉取的模式，即觀察者要求多少，被觀察者便傳給你多少。