Android RxJava 背压策略：图文 + 实例 全面解析

• Rxjava，由于其基于事件流的链式调用、逻辑简洁 & 使用简单的特点，深受各大 Android开发者的欢迎。

如果还不了解RxJava，请看文章：Android：这是一篇 清晰 & 易懂的Rxjava 入门教程

• 本文主要讲解的是RxJava中的 背压控制策略，希望你们会喜欢。

1. 本系列文章主要基于 Rxjava 2.0
2. 接下来的时间，我将持续推出 Android中 Rxjava 2.0 的一系列文章，包括原理、操作符、应用场景、背压等等 ，有兴趣可以继续关注Carson_Ho的安卓开发笔记！！

本文所有代码 Demo均存放在Carson_Ho的Github地址

---

1.1 背景

• 观察者 & 被观察者 之间存在2种订阅关系：同步 & 异步。具体如下：

• 对于异步订阅关系，存在 被观察者发送事件速度 与观察者接收事件速度 不匹配的情况

1. 发送 & 接收事件速度 = 单位时间内 发送&接收事件的数量
2. 大多数情况，主要是 被观察者发送事件速度 ＞ 观察者接收事件速度

1.2 问题

• 被观察者 发送事件速度太快，而观察者 来不及接收所有事件，从而导致观察者无法及时响应 / 处理所有发送过来事件的问题，最终导致缓存区溢出、事件丢失 & OOM

1. 如，点击按钮事件：连续过快的点击按钮10次，则只会造成点击2次的效果；
2. 解释：因为点击速度太快了，所以按钮来不及响应

下面再举个例子：

• 被观察者的发送事件速度 = 10ms / 个
• 观察者的接收事件速度 = 5s / 个

即出现发送 & 接收事件严重不匹配的问题

Observable.create(new ObservableOnSubscribe<Integer>() { // 1. 创建被观察者 & 生产事件 @Override public void subscribe(ObservableEmitter<Integer> emitter) throws Exception { for (int i = 0; ; i++) { Log.d(TAG, "发送了事件"+ i ); Thread.sleep(10); // 发送事件速度：10ms / 个 emitter.onNext(i); } } }).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Observer<Integer>() { // 2. 通过通过订阅（subscribe）连接观察者和被观察者 @Override public void onSubscribe(Disposable d) { Log.d(TAG, "开始采用subscribe连接"); } @Override public void onNext(Integer value) { try { // 接收事件速度：5s / 个 Thread.sleep(5000); Log.d(TAG, "接收到了事件"+ value ); } catch (InterruptedException e) { e.printStackTrace(); } } @Override public void onError(Throwable e) { Log.d(TAG, "对Error事件作出响应"); } @Override public void onComplete() { Log.d(TAG, "对Complete事件作出响应"); } });

• 结果 由于被观察者发送事件速度 > 观察者接收事件速度，所以出现流速不匹配问题，从而导致OOM
  

1.3 解决方案

采用 背压策略。

下面，我将开始介绍背压策略。

---

2. 背压策略简介

2.1 定义

一种 控制事件流速 的策略

2.2 作用

在 异步订阅关系 中，控制事件发送 & 接收的速度

注：背压的作用域 = 异步订阅关系，即 被观察者 & 观察者处在不同线程中

2.3 解决的问题

解决了 因被观察者发送事件速度 与 观察者接收事件速度 不匹配（一般是前者 快于 后者），从而导致观察者无法及时响应 / 处理所有 被观察者发送事件 的问题

2.4 应用场景

• 被观察者发送事件速度 与 观察者接收事件速度 不匹配的场景
• 具体场景就取决于 该事件的类型，如：网络请求，那么具体场景：有很多网络请求需要执行，但执行者的执行速度没那么快，此时就需要使用背压策略来进行控制。

---

3. 背压策略的原理

• 那么，RxJava实现背压策略（Backpressure）的原理是什么呢？
• 解决方案 & 思想主要如下：

• 示意图如下

• 与 RxJava1.0 中被观察者的旧实现 Observable 对比

• 好了，那么上图中在RxJava 2.0观察者模型中，Flowable到底是什么呢？它其实是RxJava 2.0中被观察者的一种新实现，同时也是背压策略实现的承载者
• 请继续看下一节的介绍：背压策略的具体实现 - Flowable

---

4. 背压策略的具体实现：Flowable

在 RxJava2.0中，采用 Flowable 实现 背压策略

正确来说，应该是 “非阻塞式背压” 策略

4.1 Flowable 介绍

• 定义：在 RxJava2.0中，被观察者（Observable）的一种新实现

同时，RxJava1.0 中被观察者（Observable）的旧实现： Observable依然保留

• 作用：实现 非阻塞式背压 策略

4.2 Flowable 特点

• Flowable的特点 具体如下

• 下面再贴出一张RxJava2.0 与RxJava1.0的观察者模型的对比图

实际上，RxJava2.0 也有保留（被观察者）Observerble - Observer（观察者）的观察者模型，此处只是为了做出对比让读者了解

4.3 与 RxJava1.0 中被观察者的旧实现 Observable 的关系

• 具体如下图

• 那么，为什么要采用新实现Flowable实现背压，而不采用旧的Observable呢？
• 主要原因：旧实现Observable无法很好解决背压问题。

4.4 Flowable的基础使用

• Flowable的基础使用非常类似于 Observable

/** * 步骤1：创建被观察者 = Flowable */ Flowable<Integer> upstream = Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { emitter.onNext(1); emitter.onNext(2); emitter.onNext(3); emitter.onComplete(); } }, BackpressureStrategy.ERROR); // 需要传入背压参数BackpressureStrategy，下面会详细讲解 /** * 步骤2：创建观察者 = Subscriber */ Subscriber<Integer> downstream = new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { // 对比Observer传入的Disposable参数，Subscriber此处传入的参数 = Subscription // 相同点：Subscription具备Disposable参数的作用，即Disposable.dispose()切断连接, 同样的调用Subscription.cancel()切断连接 // 不同点：Subscription增加了void request(long n) Log.d(TAG, "onSubscribe"); s.request(Long.MAX_VALUE); // 关于request()下面会继续详细说明 } @Override public void onNext(Integer integer) { Log.d(TAG, "onNext: " + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }; /** * 步骤3：建立订阅关系 */ upstream.subscribe(downstream);

• 更加优雅的链式调用

// 步骤1：创建被观察者 = Flowable Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { Log.d(TAG, "发送事件 1"); emitter.onNext(1); Log.d(TAG, "发送事件 2"); emitter.onNext(2); Log.d(TAG, "发送事件 3"); emitter.onNext(3); Log.d(TAG, "发送完成"); emitter.onComplete(); } }, BackpressureStrategy.ERROR) .subscribe(new Subscriber<Integer>() { // 步骤2：创建观察者 = Subscriber & 建立订阅关系 @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(3); } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

• 至此，Flowable的基础使用讲解完
• 关于更深层次的使用会结合 背压策略的实现 来讲解

---

5. 背压策略的使用

• 在本节中，我将结合 背压策略的原理 & Flowable的使用，为大家介绍在RxJava 2.0 中该如何使用Flowable来实现背压策略功能，即背压策略的使用
• Flowable与Observable在功能上的区别主要是 多了背压的功能
• 下面，我将顺着第3节中讲解背压策略实现原理 & 解决方案（如下图），来讲解Flowable在背压策略功能上的使用

1. 由于第2节中提到，使用背压的场景 = 异步订阅关系，所以下文中讲解的主要是异步订阅关系场景，即 被观察者 & 观察者 工作在不同线程中
2. 但由于在同步订阅关系的场景也可能出现流速不匹配的问题，所以在讲解异步情况后，会稍微讲解一下同步情况，以方便对比

5.1 控制 观察者接收事件 的速度

5.1.1 异步订阅情况

• 具体原理图

// 1. 创建被观察者Flowable Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 一共发送4个事件 Log.d(TAG, "发送事件 1"); emitter.onNext(1); Log.d(TAG, "发送事件 2"); emitter.onNext(2); Log.d(TAG, "发送事件 3"); emitter.onNext(3); Log.d(TAG, "发送事件 4"); emitter.onNext(4); Log.d(TAG, "发送完成"); emitter.onComplete(); } }, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { // 对比Observer传入的Disposable参数，Subscriber此处传入的参数 = Subscription // 相同点：Subscription参数具备Disposable参数的作用，即Disposable.dispose()切断连接, 同样的调用Subscription.cancel()切断连接 // 不同点：Subscription增加了void request(long n) s.request(3); // 作用：决定观察者能够接收多少个事件 // 如设置了s.request(3)，这就说明观察者能够接收3个事件（多出的事件存放在缓存区） // 官方默认推荐使用Long.MAX_VALUE，即s.request(Long.MAX_VALUE); } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

• 有2个结论是需要大家注意的

下图 = 当缓存区存满时（128个事件）溢出报错的原理图

• 代码演示1：观察者不接收事件的情况下，被观察者继续发送事件 & 存放到缓存区；再按需取出

/** * 步骤1：设置变量 */ private static final String TAG = "Rxjava"; private Button btn; // 该按钮用于调用Subscription.request（long n ） private Subscription mSubscription; // 用于保存Subscription对象 /** * 步骤2：设置点击事件 = 调用Subscription.request（long n ） */ btn = (Button) findViewById(R.id.btn); btn.setOnClickListener(new View.OnClickListener() { @Override public void onClick(View view) { mSubscription.request(2); } }); /** * 步骤3：异步调用 */ Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { Log.d(TAG, "发送事件 1"); emitter.onNext(1); Log.d(TAG, "发送事件 2"); emitter.onNext(2); Log.d(TAG, "发送事件 3"); emitter.onNext(3); Log.d(TAG, "发送事件 4"); emitter.onNext(4); Log.d(TAG, "发送完成"); emitter.onComplete(); } }, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; // 保存Subscription对象，等待点击按钮时（调用request(2)）观察者再接收事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

• 代码演示2：观察者不接收事件的情况下，被观察者继续发送事件至超出缓存区大小（128）

Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 一共发送129个事件，即超出了缓存区的大小 for (int i = 0;i< 129; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); // 默认不设置可接收事件大小 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

5.1.2 同步订阅情况

同步订阅 & 异步订阅 的区别在于：

• 同步订阅中，被观察者 & 观察者工作于同1线程
• 同步订阅关系中没有缓存区

• 被观察者在发送1个事件后，必须等待观察者接收后，才能继续发下1个事件

/** * 步骤1：创建被观察者 = Flowable */ Flowable<Integer> upstream = Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 发送3个事件 Log.d(TAG, "发送了事件1"); emitter.onNext(1); Log.d(TAG, "发送了事件2"); emitter.onNext(2); Log.d(TAG, "发送了事件3"); emitter.onNext(3); emitter.onComplete(); } }, BackpressureStrategy.ERROR); /** * 步骤2：创建观察者 = Subscriber */ Subscriber<Integer> downstream = new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(3); // 每次可接收事件 = 3 二次匹配 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件 " + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }; /** * 步骤3：建立订阅关系 */ upstream.subscribe(downstream);

所以，实际上并不会出现被观察者发送事件速度 > 观察者接收事件速度的情况。可是，却会出现被观察者发送事件数量 > 观察者接收事件数量的问题。

• 如：观察者只能接受3个事件，但被观察者却发送了4个事件，所以出现了不匹配情况

/** * 步骤1：创建被观察者 = Flowable */ Flowable<Integer> upstream = Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 被观察者发送事件数量 = 4个 Log.d(TAG, "发送了事件1"); emitter.onNext(1); Log.d(TAG, "发送了事件2"); emitter.onNext(2); Log.d(TAG, "发送了事件3"); emitter.onNext(3); Log.d(TAG, "发送了事件4"); emitter.onNext(4); emitter.onComplete(); } }, BackpressureStrategy.ERROR); /** * 步骤2：创建观察者 = Subscriber */ Subscriber<Integer> downstream = new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(3); // 观察者接收事件 = 3个 ，即不匹配 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件 " + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }; /** * 步骤3：建立订阅关系 */ upstream.subscribe(downstream);

所以，对于没有缓存区概念的同步订阅关系来说，单纯采用控制观察者的接收事件数量（响应式拉取）实际上就等于 “单相思”，虽然观察者控制了要接收3个事件，但假设被观察者需要发送4个事件，还是会出现问题。

在下面讲解 5.2 控制被观察者发送事件速度 时会解决这个问题。

• 有1个特殊情况需要注意

/** * 同步情况 */ /** * 步骤1：创建被观察者 = Flowable */ Flowable<Integer> upstream = Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { Log.d(TAG, "发送了事件1"); emitter.onNext(1); Log.d(TAG, "发送了事件2"); emitter.onNext(2); Log.d(TAG, "发送了事件3"); emitter.onNext(3); emitter.onComplete(); } }, BackpressureStrategy.ERROR); /** * 步骤2：创建观察者 = Subscriber */ Subscriber<Integer> downstream = new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); // 不设置request（long n） // s.request(Long.MAX_VALUE); } @Override public void onNext(Integer integer) { Log.d(TAG, "onNext: " + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }; /** * 步骤3：建立订阅关系 */ upstream.subscribe(downstream);

在被观察者发送第1个事件后, 就抛出MissingBackpressureException异常 & 观察者没有收到任何事件

---

5.2 控制 被观察者发送事件 的速度

• FlowableEmitter类的requested()介绍

public interface FlowableEmitter<T> extends Emitter<T> { // FlowableEmitter = 1个接口，继承自Emitter // Emitter接口方法包括：onNext(),onComplete() & onError long requested(); // 作用：返回当前线程中request（a）中的a值 // 该request（a）则是措施1中讲解的方法，作用 = 设置 ....// 仅贴出关键代码 }

• 每个线程中的requested（）的返回值 = 该线程中的request（a）的a值

• 对应于同步 & 异步订阅情况 的原理图

为了方便大家理解该策略中的requested（）使用，该节会先讲解同步订阅情况，再讲解异步订阅情况

---

5.2.1 同步订阅情况

即在同步订阅情况中，被观察者 通过 FlowableEmitter.requested()获得了观察者自身接收事件能力，从而根据该信息控制事件发送速度，从而达到了观察者反向控制被观察者的效果

• 具体使用 下面的例子 = 被观察者根据观察者自身接收事件能力（10个事件），从而仅发送10个事件

Flowable.create(new FlowableOnSubscribe<Integer>() {
            @Override
            public void subscribe(FlowableEmitter<Integer> emitter) throws Exception {
                
                // 调用emitter.requested()获取当前观察者需要接收的事件数量
                long n = emitter.requested();

                Log.d(TAG, "观察者可接收事件" + n);

                // 根据emitter.requested()的值，即当前观察者需要接收的事件数量来发送事件
                for (int i = 0; i < n; i++) {
                    Log.d(TAG, "发送了事件" + i);
                    emitter.onNext(i);
                }
            }
        }, BackpressureStrategy.ERROR)
                .subscribe(new Subscriber<Integer>() {
                    @Override
                    public void onSubscribe(Subscription s) {
                        Log.d(TAG, "onSubscribe");

                        // 设置观察者每次能接受10个事件
                        s.request(10);

                    }

                    @Override
                    public void onNext(Integer integer) {
                        Log.d(TAG, "接收到了事件" + integer);
                    }

                    @Override
                    public void onError(Throwable t) {
                        Log.w(TAG, "onError: ", t);
                    }

                    @Override
                    public void onComplete() {
                        Log.d(TAG, "onComplete");
                    }
                });

• 特别注意 在同步订阅情况中使用FlowableEmitter.requested()时，有以下几种使用特性需要注意的：

情况1：可叠加性

• 即：观察者可连续要求接收事件，被观察者会进行叠加并一起发送

Subscription.request（a1）； Subscription.request（a2）； FlowableEmitter.requested()的返回值 = a1 + a2

Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 调用emitter.requested()获取当前观察者需要接收的事件数量 Log.d(TAG, "观察者可接收事件" + emitter.requested()); } }, BackpressureStrategy.ERROR) .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(10); // 第1次设置观察者每次能接受10个事件 s.request(20); // 第2次设置观察者每次能接受20个事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

情况2：实时更新性

• 即，每次发送事件后，emitter.requested()会实时更新观察者能接受的事件

1. 即一开始观察者要接收10个事件，发送了1个后，会实时更新为9个
2. 仅计算Next事件，complete & error事件不算。

Subscription.request（10）；
// FlowableEmitter.requested()的返回值 = 10

FlowableEmitter.onNext(1); // 发送了1个事件
// FlowableEmitter.requested()的返回值 = 9

Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 1. 调用emitter.requested()获取当前观察者需要接收的事件数量 Log.d(TAG, "观察者可接收事件数量 = " + emitter.requested()); // 2. 每次发送事件后，emitter.requested()会实时更新观察者能接受的事件 // 即一开始观察者要接收10个事件，发送了1个后，会实时更新为9个 Log.d(TAG, "发送了事件 1"); emitter.onNext(1); Log.d(TAG, "发送了事件1后, 还需要发送事件数量 = " + emitter.requested()); Log.d(TAG, "发送了事件 2"); emitter.onNext(2); Log.d(TAG, "发送事件2后, 还需要发送事件数量 = " + emitter.requested()); Log.d(TAG, "发送了事件 3"); emitter.onNext(3); Log.d(TAG, "发送事件3后, 还需要发送事件数量 = " + emitter.requested()); emitter.onComplete(); } }, BackpressureStrategy.ERROR) .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(10); // 设置观察者每次能接受10个事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

情况3：异常

• 当FlowableEmitter.requested()减到0时，则代表观察者已经不可接收事件
• 此时被观察者若继续发送事件，则会抛出MissingBackpressureException异常

如观察者可接收事件数量 = 1，当被观察者发送第2个事件时，就会抛出异常

Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 1. 调用emitter.requested()获取当前观察者需要接收的事件数量 Log.d(TAG, "观察者可接收事件数量 = " + emitter.requested()); // 2. 每次发送事件后，emitter.requested()会实时更新观察者能接受的事件 // 即一开始观察者要接收10个事件，发送了1个后，会实时更新为9个 Log.d(TAG, "发送了事件 1"); emitter.onNext(1); Log.d(TAG, "发送了事件1后, 还需要发送事件数量 = " + emitter.requested()); Log.d(TAG, "发送了事件 2"); emitter.onNext(2); Log.d(TAG, "发送事件2后, 还需要发送事件数量 = " + emitter.requested()); emitter.onComplete(); } }, BackpressureStrategy.ERROR) .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(1); // 设置观察者每次能接受1个事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

• 若观察者没有设置可接收事件数量，即无调用Subscription.request（）
• 那么被观察者默认观察者可接收事件数量 = 0，即FlowableEmitter.requested()的返回值 = 0

5.2.2 异步订阅情况

从上面可以看出，由于二者处于不同线程，所以被观察者 无法通过 FlowableEmitter.requested()知道观察者自身接收事件能力，即 被观察者不能根据 观察者自身接收事件的能力 控制发送事件的速度。具体请看下面例子

Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 调用emitter.requested()获取当前观察者需要接收的事件数量 Log.d(TAG, "观察者可接收事件数量 = " + emitter.requested()); } }, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); s.request(150); // 该设置仅影响观察者线程中的requested，却不会影响的被观察者中的FlowableEmitter.requested()的返回值 // 因为FlowableEmitter.requested()的返回值 取决于RxJava内部调用request(n)，而该内部调用会在一开始就调用request(128) // 为什么是调用request(128)下面再讲解 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

而在异步订阅关系中，反向控制的原理是：通过RxJava内部固定调用被观察者线程中的request(n) 从而 反向控制被观察者的发送事件速度

那么该什么时候调用被观察者线程中的request(n) & n 的值该是多少呢？请继续往下看。

关于RxJava内部调用request(n)（n = 128、96、0）的逻辑如下：

至于为什么是调用request（128） & request（96） & request（0），感兴趣的读者可自己阅读 Flowable的源码

下面我将用一个例子来演示该原理的逻辑

// 被观察者：一共需要发送500个事件，但真正开始发送事件的前提 = FlowableEmitter.requested()返回值 ≠ 0 // 观察者：每次接收事件数量 = 48（点击按钮） Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { Log.d(TAG, "观察者可接收事件数量 = " + emitter.requested()); boolean flag; //设置标记位控制 // 被观察者一共需要发送500个事件 for (int i = 0; i < 500; i++) { flag = false; // 若requested() == 0则不发送 while (emitter.requested() == 0) { if (!flag) { Log.d(TAG, "不再发送"); flag = true; } } // requested() ≠ 0 才发送 Log.d(TAG, "发送了事件" + i + "，观察者可接收事件数量 = " + emitter.requested()); emitter.onNext(i); } } }, BackpressureStrategy.ERROR).subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; // 初始状态 = 不接收事件；通过点击按钮接收事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }); // 点击按钮才会接收事件 = 48 / 次 btn = (Button) findViewById(R.id.btn); btn.setOnClickListener(new View.OnClickListener() { @Override public void onClick(View view) { mSubscription.request(48); // 点击按钮 则 接收48个事件 } });

整个流程 & 测试结果 请看下图

---

5.3 采用背压策略模式：BackpressureStrategy

5.3.1 背压模式介绍

在Flowable的使用中，会被要求传入背压模式参数

• 面向对象：针对缓存区
• 作用：当缓存区大小存满、被观察者仍然继续发送下1个事件时，该如何处理的策略方式

缓存区大小存满、溢出 = 发送事件速度 ＞ 接收事件速度 的结果 = 发送 & 接收事件不匹配的结果

5.3.2 背压模式类型

下面我将对每种模式逐一说明。

模式1：BackpressureStrategy.ERROR

• 问题：发送事件速度 ＞ 接收事件 速度，即流速不匹配

具体表现：出现当缓存区大小存满（默认缓存区大小 = 128）、被观察者仍然继续发送下1个事件时

• 处理方式：直接抛出异常MissingBackpressureException

// 创建被观察者Flowable Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 发送 129个事件 for (int i = 0;i< 129; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.ERROR) // 设置背压模式 = BackpressureStrategy.ERROR .subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

模式2：BackpressureStrategy.MISSING

• 问题：发送事件速度 ＞ 接收事件 速度，即流速不匹配

具体表现是：出现当缓存区大小存满（默认缓存区大小 = 128）、被观察者仍然继续发送下1个事件时

• 处理方式：友好提示：缓存区满了

// 创建被观察者Flowable Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 发送 129个事件 for (int i = 0;i< 129; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.MISSING) // 设置背压模式 = BackpressureStrategy.MISSING .subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

模式3：BackpressureStrategy.BUFFER

• 问题：发送事件速度 ＞ 接收事件 速度，即流速不匹配

具体表现是：出现当缓存区大小存满（默认缓存区大小 = 128）、被观察者仍然继续发送下1个事件时

• 处理方式：将缓存区大小设置成无限大

1. 即 被观察者可无限发送事件 观察者，但实际上是存放在缓存区
2. 但要注意内存情况，防止出现OOM

// 创建被观察者Flowable Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 发送 129个事件 for (int i = 1;i< 130; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.BUFFER) // 设置背压模式 = BackpressureStrategy.BUFFER .subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

可以接收超过原先缓存区大小（128）的事件数量了

模式4： BackpressureStrategy.DROP

• 问题：发送事件速度 ＞ 接收事件 速度，即流速不匹配

具体表现是：出现当缓存区大小存满（默认缓存区大小 = 128）、被观察者仍然继续发送下1个事件时

• 处理方式：超过缓存区大小（128）的事件丢弃

如发送了150个事件，仅保存第1 - 第128个事件，第129 -第150事件将被丢弃

Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { // 发送150个事件 for (int i = 0;i< 150; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.DROP) // 设置背压模式 = BackpressureStrategy.DROP .subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; // 通过按钮进行接收事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }); btn = (Button) findViewById(R.id.btn); btn.setOnClickListener(new View.OnClickListener() { @Override public void onClick(View view) { mSubscription.request(128); // 每次接收128个事件 } });

被观察者一下子发送了150个事件，点击按钮接收时观察者接收了128个事件；再次点击接收时却无法接受事件，这说明超过缓存区大小的事件被丢弃了。

模式5：BackpressureStrategy.LATEST

• 问题：发送事件速度 ＞ 接收事件 速度，即流速不匹配

具体表现是：出现当缓存区大小存满（默认缓存区大小 = 128）、被观察者仍然继续发送下1个事件时

• 处理方式：只保存最新（最后）事件，超过缓存区大小（128）的事件丢弃

即如果发送了150个事件，缓存区里会保存129个事件（第1-第128 + 第150事件）

Flowable.create(new FlowableOnSubscribe<Integer>() { @Override public void subscribe(FlowableEmitter<Integer> emitter) throws Exception { for (int i = 0;i< 150; i++) { Log.d(TAG, "发送了事件" + i); emitter.onNext(i); } emitter.onComplete(); } }, BackpressureStrategy.LATEST) // // 设置背压模式 = BackpressureStrategy.LATEST .subscribeOn(Schedulers.io()) // 设置被观察者在io线程中进行 .observeOn(AndroidSchedulers.mainThread()) // 设置观察者在主线程中进行 .subscribe(new Subscriber<Integer>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; // 通过按钮进行接收事件 } @Override public void onNext(Integer integer) { Log.d(TAG, "接收到了事件" + integer); } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } }); btn = (Button) findViewById(R.id.btn); btn.setOnClickListener(new View.OnClickListener() { @Override public void onClick(View view) { mSubscription.request(128); // 每次接收128个事件 } });

• 被观察者一下子发送了150个事件，点击按钮接收时观察者接收了128个事件；
• 再次点击接收时却接收到1个事件（第150个事件），这说明超过缓存区大小的事件仅保留最后的事件（第150个事件）

---

5.3.3 特别注意

在使用背压策略模式的时候，有1种情况是需要注意的：

a. 背景 FLowable 可通过自己创建（如上面例子），或通过其他方式自动创建，如interval操作符

interval操作符简介

1. 作用：每隔1段时间就产生1个数字（Long型），从0开始、1次递增1，直至无穷大
2. 默认运行在1个新线程上
3. 与timer操作符区别：timer操作符可结束发送

b. 冲突

• 对于自身手动创建FLowable的情况，可通过传入背压模式参数选择背压策略 （即上面描述的）

• 可是对于自动创建FLowable，却无法手动传入传入背压模式参数，那么出现流速不匹配的情况下，该如何选择 背压模式呢？

// 通过interval自动创建被观察者Flowable // 每隔1ms将当前数字（从0开始）加1，并发送出去 // interval操作符会默认新开1个新的工作线程 Flowable.interval(1, TimeUnit.MILLISECONDS) .observeOn(Schedulers.newThread()) // 观察者同样工作在一个新开线程中 .subscribe(new Subscriber<Long>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; s.request(Long.MAX_VALUE); //默认可以接收Long.MAX_VALUE个事件 } @Override public void onNext(Long aLong) { Log.d(TAG, "onNext: " + aLong); try { Thread.sleep(1000); // 每次延时1秒再接收事件 // 因为发送事件 = 延时1ms，接收事件 = 延时1s，出现了发送速度 & 接收速度不匹配的问题 // 缓存区很快就存满了128个事件，从而抛出MissingBackpressureException异常，请看下图结果 } catch (InterruptedException e) { e.printStackTrace(); } } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

c. 解决方案 RxJava 2.0内部提供 封装了背压策略模式的方法

• onBackpressureBuffer()
• onBackpressureDrop()
• onBackpressureLatest()

默认采用BackpressureStrategy.ERROR模式

具体使用如下：

Flowable.interval(1, TimeUnit.MILLISECONDS) .onBackpressureBuffer() // 添加背压策略封装好的方法，此处选择Buffer模式，即缓存区大小无限制 .observeOn(Schedulers.newThread()) .subscribe(new Subscriber<Long>() { @Override public void onSubscribe(Subscription s) { Log.d(TAG, "onSubscribe"); mSubscription = s; s.request(Long.MAX_VALUE); } @Override public void onNext(Long aLong) { Log.d(TAG, "onNext: " + aLong); try { Thread.sleep(1000); } catch (InterruptedException e) { e.printStackTrace(); } } @Override public void onError(Throwable t) { Log.w(TAG, "onError: ", t); } @Override public void onComplete() { Log.d(TAG, "onComplete"); } });

从而很好地解决了发送事件 & 接收事件 速度不匹配的问题。

其余方法的作用类似于上面的说背压模式参数，此处不作过多描述。

背压策略模式小结

• 至此，对RxJava 2.0的背压模式终于讲解完毕
• 所有代码Demo均存放在Carson_Ho的Github地址

---

• 本文主要对 Rxjava 的背压模式知识进行讲解

• 接下来的时间，我将持续推出 Android中 Rxjava 2.0 的一系列文章，包括原理、操作符、应用场景、背压等等 ，有兴趣可以继续关注Carson_Ho的安卓开发笔记！！

请点赞！因为你的鼓励是我写作的最大动力！

---

欢迎关注Carson_Ho的稀土掘金！

不定期分享关于安卓开发的干货，追求短、平、快，但却不缺深度。