RxJava/RxAndroid的基本使用方法（一）

文章目录

一、什么是RxJava
二、使用前的准备
- 1、导入相关依赖
- 2、字段含意
- 3、Upstream/Downstream——上/下游
- 4、BackPressure
- 5、BackPressure策略
- 6、“热” and “冷” Observables
- 7、基类
- 8、事件调度器
- 9、操作符是什么？
三、RxJava的简单用法
- 1、Observable——Observer
- 2、Flowable——Subscriber
- 3、Completable——CompletableObserver
- 4、Maybe——MaybeObserver
- 5、Single——SingleObserver
- - **Single的操作符**
  - 5.1、just：创建一个发射单一数据项的 `Single`
  - 5.2、error：创建一个发射错误通知的 `Single`
  - 5.3 map：对 `Single` 中的数据进行转换
  - 5.4 flatMap：将一个 `Single` 转换为另一个 `Single`
  - 5.5 zip：将多个 `Single` 组合成一个新的 `Single`，并在它们都成功时触发。
  - 5.6 Single的转化模式
  - - 5.6.1 将 Single 转换为 Observable——single.toObservable
    - 5.6.2 将 Observable 转换为 Single
    - 5.6.3 将 Single转换为 Completable——single.ignoreElement
    - 5.6.4 将 Single转换为 Maybe——single.toMaybe
四、事件调度器释放事件
五、Scheduler——调度者

一、什么是RxJava

ReactiveX 是一个使用可观察序列编写异步和基于事件的程序的库。它扩展了观察者模式以支持数据和/或事件序列，并添加了运算符，允许以声明方式将序列组合在一起，同时抽象出对低级线程、同步、线程安全、并发数据结构和非线程等问题的关注和阻塞 I/O。

官网链接：ReactiveX

什么是响应式编程？

响应式编程是一种编程范式，旨在处理异步数据流和事件驱动的编程。它着重于数据流和变化的处理，使得在异步和事件驱动环境中更容易构建可维护、可伸缩和高响应的应用程序。

数据流: 响应式编程关注数据流，将数据视为一系列事件或变化。
响应性: 响应式编程强调应用程序对事件和数据的即时响应能力。它允许应用程序根据数据流中的事件来触发操作，而不是等待数据的拉取或轮询。
观察者模式: 响应式编程经常使用观察者模式，其中存在一个可观察对象（Observable）和一个或多个观察者（Observer）。可观察对象发出事件，观察者订阅并对这些事件作出反应。
流式操作: 响应式编程提供了一组丰富的操作符，用于处理、过滤、转换和合并数据流。这些操作符允许开发人员以声明性方式构建数据流处理管道。
背压处理: 响应式编程处理异步数据流时，考虑了背压问题，即生产者产生数据的速度大于消费者处理数据的速度。它提供了一些机制来处理背压，如缓冲、丢弃、错误处理等。
异步性: 在响应式编程中，大部分操作都是异步执行的，这有助于避免应用程序的阻塞，提高性能和响应能力。

RxJava的观察者模式

RxJava有四个基本概念：Observer(观察者)，Observable(被观察者)，subscribe(订阅)，事件。

Observer和Observable通过subscribe()实现订阅关系，从而Observable可以在需要的时候发出事件通知Observer。

Observer：观察者，它决定事件发生时有怎么样的行为；
Observable：被观察者，它决定什么时候出发事件以及触发什么样的事件；
subscribe：订阅，将Observer和Observable关联起来

二、使用前的准备

1、导入相关依赖

最新依赖地址：Github-RxJava/RxAndroid

implementation "io.reactivex.rxjava3:rxjava:3.1.8"

2、字段含意

Reactive：根据上下文一般翻译为反应式、响应式。

Iterable ：可迭代对象，支持以迭代器的形式遍历。

Observable：可观察对象，在Rx中定义为更强大的Iterable，在观察者模式中是被观察的对象，一旦数据产生或发生变化，会通过某种方式通知观察者或订阅者。

Observer ：观察者对象，监听Observable发射的数据并做出响应，Subscriber是它的一个特殊实现。

emit：含义是Observable在数据产生或变化时发送通知给Observer，调用Observer对应的方法，翻译为发射。

items：在Rx里是指Observable发射的数据项。

3、Upstream/Downstream——上/下游

在响应式编程中，"上游"和"下游"通常用于描述数据流的生产者和消费者之间的关系。

上游（Upstream）：上游是数据流的生产者，它生成和发出数据项。上游通常是源（例如，传感器、数据库查询、文件读取等），它们生成数据并将其传递给下游。
下游（Downstream）：下游是数据流的消费者，它接收和处理来自上游的数据项。下游可以执行各种操作，如过滤、映射、转换、订阅等。它们通常是应用程序中的组件，用于处理和响应来自上游的数据。

在响应式编程中，数据通过流动的方式从上游传递到下游，这是一种异步的、非阻塞的方式。

上游和下游之间的通信通常是通过观察者模式或发布-订阅模式进行的，以实现数据的异步传递和处理。这种方式使得可以构建高效的、响应式的应用程序，能够处理异步数据流。

4、BackPressure

BackPressure直译为：背压，也叫做反压。

背压（Backpressure）是指在异步编程中，当生产者（Producer）生成数据的速度快于消费者（Consumer）处理数据的速度时，数据压力会在系统中积累，可能导致一些问题，如内存溢出或性能下降。

在RxJava中也就是被观察者(Observable)发送事件的速度快于观察者(Observer)的速度。

背压问题通常出现在处理数据流的情况下，其中数据生产速度不受消费速度的限制。

5、BackPressure策略

MISSING：缺省设置，不做任何操作，而不进行任何缓冲或丢弃。
ERROR：当订阅者无法处理来自发布者的数据时，会引发 MissingBackpressureException 异常，表示出现了背压问题。
BUFFER：当订阅者无法处理来自发布者的数据时，数据会被缓冲在内存中，直到订阅者可以处理它们。
DROP：把存不下的事件丢弃。
LATEST：只保留最新的数据项，丢弃之前的数据。

6、“热” and “冷” Observables

Observable 何时开始发出其items？这取决于Observable。一个“热”Observable 可能会在创建后立即开始发射items，因此任何后续订阅该 Observable 的观察者都可能会开始观察中间某个位置的序列。另一方面，“冷”Observable 会等到观察者订阅它之后才开始发射items，因此这个观察者可以确保会收到整个数据序列。

7、基类

RxJava 3 中的基类相比RxJava 2 没啥改变，主要有以下几个基类：

io.reactivex.Observable：发送0个/N个的数据，不支持BackPressure，有onNext和onComplete
io.reactivex.Flowable：发送0个/N个的数据，支持Reactive-Streams和支持BackPressure，有onNext和onComplete
io.reactivex.Single：只能发送单个数据或者一个错误，有onSuccess。
io.reactivex.Completable：没有发送任何数据，但只处理 onComplete 和 onError 事件。有onComplete
io.reactivex.Maybe：能够发射0或者1个数据，要么成功，要么失败。有onSuccess和onComplete

8、事件调度器

RxJava事件发出去并不是置之不顾，要有合理的管理者来管理它们，在合适的时机要进行释放事件，这样才不会导致内存泄漏，这里的管理者我们称为事件调度器CompositeDisposable。

9、操作符是什么？

RxJava 提供了各种操作符，用于对观察序列进行转换、过滤、组合和处理。这些操作符可帮助你更灵活地处理异步数据流。

常见的操作符有：create、just、error、map、flatMap。在后面介绍Single的时候会简单的介绍。更多关于操作符的使用在下一篇博客这里简单了解概念就行了。

三、RxJava的简单用法

**RxJava以观察者模式为骨架，**有两种常见的观察者模式：

Observable(被观察者)/Observer（观察者）
Flowable(被观察者)/Subscriber(观察者)

使用流程：

创建被观察者
创建观察者
订阅被观察者
取消订阅（这一步可以省略）

1、Observable——Observer

一般用法：

//创建被观察者/事件源
Observable<String> observable = Observable.create(new ObservableOnSubscribe<String>() {@Overridepublic void subscribe(@NonNull ObservableEmitter<String> emitter) throws Throwable {emitter.onNext("a");emitter.onNext("b");emitter.onNext("c");emitter.onComplete();}
});//创建观察者
Observer observer = new Observer<String>() {@Overridepublic void onSubscribe(@NonNull Disposable d) {Log.e("TAG", "onSubscribe == 订阅");}@Overridepublic void onNext(@NonNull String s) {Log.e("TAG", "onNext == " + s);}@Overridepublic void onError(@NonNull Throwable e) {Log.e("TAG", "onError == " + e.toString());}@Overridepublic void onComplete() {Log.e("TAG", "onComplete");}
};//订阅（观察者监视被观察着）
observable.subscribe(observer);//取消订阅
observable.distinct();

这种观察者模型不支持背压：当被观察者快速发送大量数据时，下游不会做其他处理，即使数据大量堆积，调用链也不会报MissingBackpressureException。

消耗内存过大只会OOM。所以，当我们使用Observable——Observer的时候，我们需要考虑的是，数据量是不是很大(官方给出以1000个事件为分界线作为参考)。

并且观察者具有多个重载方法：

    //观察者不对被观察者发送的事件做出响应(但是被观察者还可以继续发送事件)public final Disposable subscribe()//观察者对被观察者发送的任何事件都做出响应public final void subscribe(Observer<? super T> observer)//表示观察者只对被观察者发送的Next事件做出响应public final Disposable subscribe(Consumer<? super T> onNext)//表示观察者只对被观察者发送的Next & Error事件做出响应public final Disposable subscribe(Consumer<? super T> onNext, Consumer<? super Throwable> onError)//表示观察者只对被观察者发送的Next & Error & Complete事件做出响应public final Disposable subscribe(Consumer<? super T> onNext, Consumer<? super Throwable> onError,Action onComplete)//表示观察者只对被观察者发送的Next & Error & Complete & onSubscribe事件做出响应public final Disposable subscribe(Consumer<? super T> onNext, Consumer<? super Throwable> onError,Action onComplete, Consumer<? super Disposable> onSubscribe)

2、Flowable——Subscriber

Flowable<Integer> flowable = Flowable.create(new FlowableOnSubscribe<Integer>() {@Overridepublic void subscribe(@NonNull FlowableEmitter<Integer> emitter) throws Throwable {emitter.onNext(1);emitter.onNext(2);emitter.onNext(3);emitter.onNext(4);emitter.onComplete();}
}, BackpressureStrategy.BUFFER);Subscriber<Integer> subscriber = new Subscriber<Integer>() {Subscription sub;@Overridepublic void onSubscribe(Subscription s) {Log.w("TAG", "onsubscribe start");sub = s;s.request(1);Log.w("TAG", "onsubscribe end");}@Overridepublic void onNext(Integer integer) {Log.e("TAG", "onNext == " + integer);sub.request(1);}@Overridepublic void onError(Throwable t) {t.printStackTrace();}@Overridepublic void onComplete() {Log.e("TAG", "onComplete");}
};flowable.subscribe(subscriber);

Flowable是支持背压的，也就是说，一般而言，上游的被观察者会响应下游观察者的数据请求，下游调用request(n)来告诉上游发送多少个数据。这样避免了大量数据堆积在调用链上，使内存一直处于较低水平。

Flowable使用create()创建时，必须指定BackPressure策略。

注意

尽可能确保在request（）之前已经完成了所有的初始化工作，否则就有空指针的风险。

3、Completable——CompletableObserver

它只有onComplete和onError两个事件

//被观察者
Completable completable = Completable.create(new CompletableOnSubscribe() {@Overridepublic void subscribe(@NonNull CompletableEmitter emitter) throws Throwable {emitter.onComplete();}
});//订阅观察者
completable.subscribe(new CompletableObserver() {@Overridepublic void onSubscribe(@NonNull Disposable d) {}@Overridepublic void onComplete() {Log.e("TAG","onComplete");}@Overridepublic void onError(@NonNull Throwable e) {}
});

要转换成其他类型的被观察者，也是可以使用toFlowable()、toObservable()等方法去转换。

4、Maybe——MaybeObserver

如果你的需求是可能发送一个数据或者不会发送任何数据，这时候你就需要Maybe，它类似于Single和Completable的混合体。

        //被观察者Maybe<String> maybe = Maybe.create(new MaybeOnSubscribe<String>() {@Overridepublic void subscribe(@NonNull MaybeEmitter<String> emitter) throws Throwable {emitter.onSuccess("have Data"); //发送一个数据的情况
//                emitter.onComplete();   //不发送数据的情况}});//订阅观察者maybe.subscribe(new MaybeObserver<String>() {@Overridepublic void onSubscribe(@NonNull Disposable d) {}@Overridepublic void onSuccess(@NonNull String s) {Log.e("TAG",s);}@Overridepublic void onError(@NonNull Throwable e) {}@Overridepublic void onComplete() {Log.e("TAG","无数据");}});

5、Single——SingleObserver

Single类似于Observable，不同的是，它总是只发射一个值，而不是发射一系列的值（并不存在MissingBackpressureException问题），所以当你使用一个单一连续事件流，这样可以使用Single。

Single观察者只包含两个事件，一个是正常处理成功的onSuccess，另一个是处理失败的onError。

Single.create

Single<String> stringSingle = Single.create(new SingleOnSubscribe<String>() {@Overridepublic void subscribe(@NonNull SingleEmitter<String> emitter) throws Throwable {emitter.onSuccess("success1");emitter.onSuccess("success2");}
});stringSingle.subscribe(new SingleObserver<String>() {@Overridepublic void onSubscribe(@NonNull Disposable d) {Log.e("TAG", "onSubscribe: "+d);}@Overridepublic void onSuccess(@NonNull String s) {Log.e("TAG", "onSuccess: "+s);}@Overridepublic void onError(@NonNull Throwable e) {e.printStackTrace();}
});

可以看见数据只会发送一次，Single只会调用这两个方法中的一个，而且只会调用一次，调用了任何一个方法之后，订阅关系终止。

Single 类型的操作符用于处理这些单一的数据项或错误。

Single的操作符

更多关于操作符的使用在下一篇博客这里简单了解概念就行了。

操作符	返回值	说明
compose	Single	创建一个自定义的操作符
concat and concatWith	Observable	连接多个 Single 和 Observable 发射的数据
create	Single	调用观察者的 create 方法创建一个 Single
error	Single	返回一个立即给订阅者发射错误通知的 Single
flatMap	Single	返回一个 Single，它发射对原 Single 的数据执行 flatMap 操作后的结果
flatMapObservable	Observable	返回一个 Observable，它发射对原 Single 的数据执行 flatMap 操作后的结果
from	Single	将 Future 转换成 Single
just	Single	返回一个发射一个指定值的 Single
map	Single	返回一个 Single，它发射对原 Single 的数据执行 map 操作后的结果
merge	Single	将一个 Single（它发射的数据是另一个 Single，假设为 B）转换成另一个 Single（它发射来自另一个 Single(B) 的数据）
merge and mergeWith	Observable	合并发射来自多个 Single 的数据
observeOn	Single	指示 Single 在指定的调度程序上调用订阅者的方法
onErrorReturn	Single	将一个发射错误通知的 Single 转换成一个发射指定数据项的 Single
subscribeOn	Single	指示 Single 在指定的调度程序上执行操作
timeout	Single	它给原有的 Single 添加超时控制，如果超时了就发射一个错误通知
toSingle	Single	将一个发射单个值的 Observable 转换为一个 Single
zip and zipWith	Single	将多个 Single 转换为一个，后者发射的数据是对前者应用一个函数后的结果

用法示例:

5.1、just：创建一个发射单一数据项的 `Single`

Single.just

Single<Integer> single = Single.just(42);

5.2、error：创建一个发射错误通知的 `Single`

Single.error

Single<String> single = Single.error(new RuntimeException("Something went wrong"));

5.3 map：对 `Single` 中的数据进行转换

Single.map

        Single<Integer> source = Single.just(5);Single<String> mapped = source.map(new Function<Integer, String>() {@Overridepublic String apply(Integer integer) throws Throwable {return "integer : "+integer;}});

这意味着原始整数数据 5 经过映射操作转变为了字符串数据，带有特定的前缀。

这种操作在响应式编程中非常有用，因为它允许你对数据进行转换和处理，而不改变数据流的类型。你可以将原始数据映射为需要的格式，以满足应用程序的需求。

5.4 flatMap：将一个 `Single` 转换为另一个 `Single`

Single.map

        Single<Integer> source = Single.just(5);Single<String> mapped = source.flatMap(new Function<Integer, SingleSource<? extends String>>() {@Overridepublic SingleSource<? extends String> apply(Integer integer) throws Throwable {return Single.just("Return : "+integer);}});

5.5 zip：将多个 `Single` 组合成一个新的 `Single`，并在它们都成功时触发。

Single.zip

Single<Integer> source = Single.just(5);
Single<String> mapped = source.flatMap(new Function<Integer, SingleSource<? extends String>>() {@Overridepublic SingleSource<? extends String> apply(Integer integer) throws Throwable {return Single.just("Return : " + integer);}
});Single single = Single.zip(source, mapped, new BiFunction<Integer, String, Object>() {@Overridepublic Object apply(Integer integer, String s) throws Throwable {return "Return : " + integer + s;}
});

5.6 Single的转化模式

5.6.1 将 Single 转换为 Observable——single.toObservable


Single<Integer> source = Single.just(5);// 将 Single 转换为 Observable
Observable<Integer> observable = source.toObservable();// 现在你可以将 Single 的结果集成到 Observable 中
observable.subscribe(value -> Log.e("TAG","Received value: " + value),error -> Log.e("TAG","Error: " + error),() -> Log.e("TAG","Completed")
);

5.6.2 将 Observable 转换为 Single

Observable<Integer> observable = Observable.just(1, 2, 3, 4, 5);// 将 Observable 转换为 Single，只发射第一个数据项或错误
Single<Integer> single = observable.first(0);// 现在你可以将 Observable 的结果集成到 Single 中
single.subscribe(value -> System.out.println("Received value: " + value),error -> System.err.println("Error: " + error)
);

5.6.3 将 Single转换为 Completable——single.ignoreElement

Single<Integer> single = Single.just(42);// 将 Single 转换为 Completable，忽略结果，只关注完成或错误
Completable completable = single.ignoreElement();// 现在你可以使用 Completable 来执行某些操作
completable.subscribe(() -> System.out.println("Completed"),error -> System.err.println("Error: " + error)
);

5.6.4 将 Single转换为 Maybe——single.toMaybe

Single<Integer> single = Single.just(42);// 将 Single 转换为 Maybe，考虑成功结果、错误或没有结果
Maybe<Integer> maybe = single.toMaybe();// 现在你可以使用 Maybe 来处理这三种情况
maybe.subscribe(value -> System.out.println("Received value: " + value),error -> System.err.println("Error: " + error),() -> System.out.println("No result")
);

四、事件调度器释放事件

Disposable:

Disposable 是 RxJava 的通用接口，用于表示订阅关系。
它与所有的 RxJava 数据类型都相关，包括 Observable、Flowable、Single、Completable 和 Maybe。
当你订阅一个数据流时，RxJava 会返回一个 Disposable 对象，你可以使用它来取消订阅或检查订阅状态。

   // 创建一个简单的 Observable，发射一些数据Observable stringObservable = Observable.create(new ObservableOnSubscribe<String>() {@Overridepublic void subscribe(@NonNull ObservableEmitter<String> emitter) throws Throwable {emitter.onNext("Xiyou");emitter.onNext("3G");emitter.onNext("Android");emitter.onComplete();}});// 订阅 Observable 并获取 Disposable 对象Disposable disposable = stringObservable.subscribe(value -> Log.e("TAG", value.toString()),error -> Log.e("TAG", "ERROR" + error),() -> Log.e("TAG", "Completed"));disposable.dispose();   //在需要的时候取消订阅

CompositeDisposable:

CompositeDisposable 是 Disposable 接口的实现。
它特别用于管理多个订阅关系，以便一次性取消多个订阅。
CompositeDisposable 可以添加多个 Disposable 对象，并在需要时一次性取消它们。
这在管理多个订阅关系时非常有用，例如在 Android 中管理多个异步任务的订阅。

        //创建一个简单的 Observable，发射一些数据Observable stringObservable = Observable.create(new ObservableOnSubscribe<String>() {@Overridepublic void subscribe(@NonNull ObservableEmitter<String> emitter) throws Throwable {emitter.onNext("Xiyou");emitter.onNext("3G");emitter.onNext("Android");emitter.onComplete();}});// 创建一个 CompositeDisposable 来管理订阅关系CompositeDisposable compositeDisposable = new CompositeDisposable();// 订阅 Observable 并获取 Disposable 对象Disposable disposable = stringObservable.subscribe(value -> Log.e("TAG", value.toString()),error -> Log.e("TAG", "ERROR" + error),() -> Log.e("TAG", "Completed"));// 将 Disposable 对象添加到 CompositeDisposable 中compositeDisposable.add(disposable);// 在不再需要订阅关系时，可以取消它们// compositeDisposable.clear(); // 取消所有订阅// 或者单独取消某个订阅// disposable.dispose();// 在不再需要 CompositeDisposable 时，清理它compositeDisposable.dispose();

CompositeDisposable提供的方法中，都是对事件的管理

dispose():释放所有事件
clear():释放所有事件，实现同dispose()
add():增加某个事件
addAll():增加所有事件
remove():移除某个事件并释放
delete():移除某个事件

五、Scheduler——调度者

在RxJava默认规则中，事件的发出和消费都是在同一个线程中发生的，那么上面的这些例子来说，就是一个同步的观察者模式。

在RxJava中Scheduler(调度器)相当于线程控制器，RxJava通过Scheduler来指定那一部分代码执行在哪一个线程。我们来看看简单的例子：

 Observable<String> observable = Observable.create(new ObservableOnSubscribe<String>() {@Overridepublic void subscribe(ObservableEmitter<String> emitter) throws Exception {emitter.onNext("RxJava：e.onNext== 第一次");emitter.onComplete();Log.d("TAG", "subscribe()线程==" + Thread.currentThread().getId());}}).subscribeOn(Schedulers.io())//指定被观察者subscribe()(发射事件的线程)在IO线程().observeOn(AndroidSchedulers.mainThread());//指定观察者接收响应事件的线程在主线程observable.subscribe(new Observer<String>() {@Overridepublic void onSubscribe(@NonNull Disposable d) {}@Overridepublic void onNext(@NonNull String s) {// 接收到数据时的回调，s 是传递的数据Log.d("TAG", "Received data: " + s);Log.d("TAG", "onNext()线程==" + Thread.currentThread().getId());}@Overridepublic void onError(@NonNull Throwable e) {}@Overridepublic void onComplete() {}});

subscribeOn()：用于指定Observable被观察者subscribe()时所发生的线程，即指定发生事件的线程
observeOn()：指定Observer观察者接收&响应事件的线程，即观察者接收事件的线程

注意：多次指定发射事件的线程只有第一次指定有效，也就是说多次调用subscribeOn()只有第一次有效，其余的会被忽略；但是多次指定订阅者接收事件的线程是可以的，也就是说每observeOn()一次，接收事件的线程就会切换一次。

Schedulers.io()：代表IO操作的线程，通常用于网络、读写文件等IO密集型的操作。行为模式和new Thread()差不多，只是IO的内部是一个无上限的线程池，可重用空闲的线程，更高效（不要把计算工作放在IO内，可以避免创建不必要的线程）
AndroidSchedulers.mainThread()：Android的主线程；用于更新UI
Schedulers.newThread()：总是启用新线程，并在新线程中执行操作；多用于耗时操作
Schedulers.computation()：代表CPU计算密集型的操作，即不会被IO等操作限制性能的操作。