简介
In computing, reactive programming is a declaractive programming paradigm concerned with data streams and the propagation of change.
从术语上，本文不严格区分反应式编程/响应式编程，从各种材料看，称呼为“反应式”更好。对应的，反应式编程的反面——顺序编程/命令式编程 也不做严格区分。
反应式思想也分为不同的层次， 有架构层面的，代码层面的——rxjava1——概念 ReactiveX（RxJava/RxGo） 不等于反应式编程，仅仅是用于反应式编程的API。
响应式编程的复杂度和简化 响应式代码的编写会有哪些复杂度，应该如何简化。 未读。
20200522补充
public static void main(String[] args) {
FluxProcessor<Integer, Integer> publisher = UnicastProcessor.create();
publisher.doOnNext(event -> System.out.println("receive event: " + event)).subscribe();
publisher.onNext(1); // print 'receive event: 1'
publisher.onNext(2); // print 'receive event: 2'
}
笔者最近看golang的源码有一点感触：当go并发的成本非常低之后，比hashicorp raft 内部的代码 干脆以 channel 串通了。一些独立的逻辑 在启动之后 就新启 goroutine long running 了，goroutine 消费channel 发channel。即便是 web 处理也是 收到请求 发channel，接收channel 响应response。业务逻辑是通过channel 串起来的（接口就是channel）。 这就有点reactive 的意思了，怎么处理数据已经写好了，你发数据即可。
坦白讲 Reactive programing 方式目前接受程度并不高。特别是使用 Java 语言开发同学，这和 Java 面向命令控制流程的编程思维方式有较大差异。
架构层——全面异步化：淘宝反应式架构升级探索
反应式架构与一般架构相比，其反应体现在：
- 对用户有反应，对用户有反应我们才说响应，一般我们说的响应，基本上都说得针对跟用户来交互。
- 对输入有反应，响应系统的输入，也可以叫做消息驱动。
- 要对失败有反应，应用失败了系统不能无动于衷，等着它挂掉，要有反应。
- 要对容量和压力变化有所反应，比如说淘宝的秒杀，系统需要反应来保证对用户的响应性，再如那个当流量降下来，将系统缩容，可以节约成本，这也是一种反应。
要做到反应式，需要做到三点：
- 适应性，也就是发生失败能恢复回来，无论是系统、网络、代码出现了问题都能恢复。
- 弹性，这点主要是应对流量的变化，弹性的前提是做到可伸缩性 Scalability，从软件设计上，要做到去中心化；同时，在运行时，要感知节点当前的系统负载，将压力往上游进行反馈，做到系统可以感知链路级别的节点压力
- 消息驱动，有了消息驱动才能比较好的做到上面两个点。在反应式架构里，以前这点叫做事件驱动，后来改为消息驱动，消息驱动强调无阻塞、无 callback，所以不会有线程挂在那里，不会有持续的资源消耗。同时，事件驱动或消息驱动都是异步化，而异步化会将操作系统中的队列情况显式地提升到了应用层，使得应用层可以显式根据队列的情况来进行压力负载的感知（PS，常规的同步操作，会让os 线程让出cpu，在os thread struct array 中等着被调度。异步之后，线程都是满负荷在跑）
PS：从上图学到的一点是，在反应式架构下， app 并不是直接和组合业务服务交互的，有了网关一层的包装，http 响应本质就是 用tcp连接 给网关写返回值数据而已。我们想象一下一个中间rpc 服务的逻辑
1. 串联rpc 框架，上游请求序列转换为一个输入参数流，一次调用（比如查询product）视为“进来一个productId”
2. 对输入数据进行转换，可能涉及到其它rpc
3. 等拿到结果了，写回响应
其实有点类似 mapreduce， map和reduce 归你写，但什么时候在哪里哪个线程跑map/reduce 你就说了不算了。
反应式架构中的核心概念是“流”，流就是面向数据的顺序串行执行的一系列操作组合，它同传统的编程相比，将业务逻辑导致数据改变，变成了操作改变数据，反过来影响业务逻辑的改变。面向流编程就是面向数据编程。PS：没懂
整个方案对业务架构的升级主要包括编程框架、中间件，以及业务方的升级。中间件的升级，包括服务框架（RPC）、网关、缓存、消息（MQ）、DB（JDBC）、限流组件、分布式跟踪系统、移动端 Rx 框架。这其中值得注意的包括，对服务框架的升级，流式实现将在 Dubbo 3 中放出；DB 中的异步集成使用 Ali JVM 协程或用线程池实现；移动端为了支撑已有的 iOS 应用，淘宝开发了 AliRxObjc 并即将开源。
代码/框架层——剖析响应式编程的本质
剖析响应式编程的本质 要点如下：
- 响应式编程（Reactive Programming）到底是什么？从名词定义来讲，中文的响应式并没有很好地展现Reactive的本意
- 传统的顺序编程（将顺序编程作为 响应式编程的对立面）采用每条指令依次执行的方式，倘若上一条指令没有执行结束，当前的线程就得等着，任你如何提升机器性能还是代码性能，如果本质不变，始终改变不了响应需要等待的现实。若要响应迅速，就得把顺序执行指令的方式换一换——同步换成异步，方法执行换做消息发送，于是乎，我们可以精简地定义：响应式编程就是异步数据流编程。 有关异步编程框架的讨论提到：其实从某种程度来说，异步框架是程序试图跳出操作系统界定的同步模型，重新虚拟出一套执行机制，让框架的使用者看起来像一个异步模型。另外通过把很多依赖操作系统实现的笨重功能换到程序内部使用更轻量级的实现。
- 这其实是一种编程范式，是编程理念的一种思想转型。因为采用响应式编程，我们就不再将软件要处理的业务视为对象，又或者函数，而是直接透析到本质：数据流（Data Stream）。一言以蔽之：万事万物皆为流 everything is a stream。这种流动差不多可以归纳为：
Command -> CommandHandler -> Event -> EventHandler -> Command ... - 响应式编程 和CQRS 不谋而合，按照CQRS的设计思想，任何业务都可以分解为两种形式的消息：Query与Command。
- 执行Command本身是要改变业务对象值的，然而，如果我们将每次变更都视为是一种“状态的迁移”，然后利用事件去记录每次变更，就可以将可变转换为不变。
-
响应式编程的设计原则是：
- 保持数据的不变性
- 没有共享
- 阻塞是有害的
《软件设计之美》无限流：在传统的编程方式中，我们熟悉的集合类都是有限长度的，因为集合中的每个元素都是事先计算好的。但现在有了惰性求值，我们就可以创造出一个无限长的集合。无限长集合真正预置进去的是：元素的产生规则。这样一来，元素就会像流水一样源源不断地产生出来，我们将这种集合称为无限流（Infinite Stream）。
以分支逻辑的替换为突破口来理解反应式编程
传递的命令式编程范式以控制流为核心，通过顺序、分支和循环三种控制结构来完成不同的行为。
顺序和循环 使用rxjava 替换起来比较简单，难就难在 分支/ifelse 的替换。参见Conditional Logic and RX 值得读三遍
Conditional logic in RX style programming is a big hurdle for new users. If you’re coming from an imperative background there is a learning curve. Once you get the hang of it though, you can create powerful but simple applications that would be almost to difficult the old way.
对数据组中奇数和偶数进行不同的输出：
public class EvenOrOdd {
public static void main(String... args) {
Flux.fromIterable(Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10))
.map(EvenOrOdd::check)
.doOnNext(System.out::println)
.blockLast();
}
private static String check(int i) {
if (i % 2 == 0) {
return i + " is even";
} else {
return i + " is odd";
}
}
那如果奇数和偶数场景下 调用不同的rpc呢？ 那就是将 数字map 为future。即不管符不符合condition，都是一种输出，将分支判断转换为 map映射。那如果不符合条件没输出呢？用filter 操作即可。
Rx-style programming really shines with asynchronous code. 反应式编程 对异步代码很友好，面向数据流编程只是在写处理逻辑（回调函数），rxjava 并不保证执行顺序线程是你看到的那样，传递的命令式编程范式以控制流为核心，而反应式编程将“控制权”让出去了。命令式编程控制流排斥异步和多线程
其它材料
2018.8.24 补充：我们使用rxjava，会发现，它对观察者 定义了接口，对被观察者 也定义了接口， 在两个定义的接口之间（被观察者管发送，观察者管接收，中间可以玩很多花活儿）：
- 首先是数据流的处理：有了数据流，那么数据的那一套转换、缓冲等可以剥离出来。
- 同步异步，线程的切换等
按照程序 = 控制 + 逻辑。逻辑就是被观察者 如何发射， 观察者如何接收，控制则是同步、异步等。再比如数据流转换是逻辑，但n个转换逻辑如何串起来是控制
2019.1.5 补充 响应式架构与 RxJava 在有赞零售的实践 响应式架构（vs 微服务），响应式编程 。
微服务之间的通信的最佳机制就是消息传输。如上文所说，服务之间的异步边界能够在时间和空间两方面进行解耦，能够提升整体系统的性能。
将方法调用转换为数据流动
反应式架构 是几个概念的集大成者，我们先要对 一些具体的概念有所感觉，比如异步、数据流 等
假设存在一个逻辑，对于传入的1000个uid，按照几个过滤条件（rpc调用）过滤，输出符合所有条件的uid，其它的uid 则记录原因。则常规代码如下
主流程{
List<Long> uids = filterX();
Map<uid,bool> result = filterX+1(uids);
List allowUids = xx
for(uid : result.keySet()){
if(result.getuid){
allowUids.add(uid)
}else{
// 记录原因
}
}
}
如果是数据流动（这块可以考虑下spring stream）
- 没有主控流程，至少代码上不直接体现
- filterX 是生产者 filterX+1 是消费者
-
用户是否符合条件 是两种“重要性” 均等的结果，均交给下游处理
filterX+1{ void onNext(data){ if(allow){ emit(nextFilter,data); }else{ emit(errorHandler,data); } } }
像是一个链表节点，每个步骤除了负责自己， 还负责决策消息的下一个去处。
从这个角度看，异步和数据流是一体两面的，异步先是数据流，从整个流程看，是一个数据的生产和处理过程。异步只是从生产者的角度看 是一个“异步”， 表示生产者想从数据的生产和处理过程中捕获事件/数据。