技术大停滞

技术大停滞"/>

技术大停滞

技术大停滞

假设您有一个流以不可预测的频率发布事件。 有时您可以预期每秒会有数十条消息，但是偶尔几秒钟都看不到任何事件。 如果流是通过Web套接字，SSE或任何其他网络协议传输的，则可能会出现问题。 静默时间过长(停顿)可以解释为网络问题。 因此，我们经常不时发送人造事件( ping )，以确保：

• 客户还活着
• 让客户知道我们还活着

举一个更具体的例子，假设我们有一个Flowable<String>流，它会产生一些事件。 如果没有事件超过一秒钟，我们应该发送一个占位符"PING"消息。 当寂静时间更长时，应该每秒发出一个"PING"消息。 我们如何在RxJava中实现这样的要求？ 最明显但不正确的解决方案是将原始流与ping合并：

Flowable<String> events = //...
Flowable<String> pings = Flowable.interval(1, SECONDS).map(x -> "PING");Flowable<String> eventsWithPings = events.mergeWith(pings);

mergeWith()运算符至关重要：它接受真正的events ，并将它们与恒定的ping流合并。 当然，当不存在真正的事件时，将显示"PING"消息。 不幸的是，它们与原始流完全无关。 这意味着即使有很多正常事件，我们也会继续发送ping命令。 而且，当静默开始时，我们不会在一秒钟后精确发送"PING" 。 如果您对这种机制感到满意，则可以在此处停止阅读。

一种更复杂的方法需要发现持续超过1秒的静音。 我们可以使用timeout()运算符。 不幸的是，它会产生TimeoutException并从上游退订-行为过于激进。 我们只想收到某种通知。 事实证明，可以使用debounce()运算符。 通常，此操作员会推迟新事件的发出，以防万一有新事件出现，而又覆盖了旧事件。 所以，如果我说：

Flowable<String> events = //...
Flowable<String> delayed = events.debounce(1, SECONDS);

这意味着delayed流仅在1秒内未跟随其他事件的情况下才会发出事件。 如果events流使产生事件的速度足够快，则从技术上讲， delayed可能永远不会发出任何东西。 我们将使用delayed流通过以下方式发现沉默：

Flowable<String> events = //...
Flowable<String> delayed = events.debounce(1, SECONDS);
Flowable<String> pings = delayed.map(ev -> "PING");
Flowable<String> eventsWithPings = Flowable.merge(events, pings);

请记住， mergeWith()与它的static merge()对应项之间没有区别。 所以我们到了某个地方。 如果流繁忙，则delayed流将永远不会收到任何事件，因此不会发送"PING"消息。 但是，当原始流不发送任何事件超过1秒时， delayed接收到最后一次看到的事件，将其忽略并转换为"PING" 。 聪明，但坏了。 此实现仅在发现停顿之后才发送一个"PING" ，而不是每秒发送一次定期ping。 很容易修复！ 除了将最后一次看到的事件转换为单个"PING"我们还可以将其转换为周期性的ping序列：

Flowable<String> events = //...
Flowable<String> delayed = events.debounce(1, SECONDS);
Flowable<String> pings = delayed.flatMap(x -> Flowable.interval(0, 1, SECONDS).map(e -> "PING"));
Flowable<String> eventsWithPings = Flowable.merge(events, pings);

您能看到缺陷在哪里吗？ 每当原始流中出现一点沉默时，我们就会每秒发出一次ping 。 但是，一旦出现真正的事件，我们应该停止这样做。 我们没有。 上游的每个停顿都会导致新的无限ping流出现在最终合并的流中。 我们必须以某种方式告诉pings流，因为原始流发出了真正的事件，所以它应该停止发出ping 。 猜猜是什么，有takeUntil()运算符可以做到这一点！

Flowable<String> events = //...
Flowable<String> delayed = events.debounce(1, SECONDS);
Flowable<String> pings = delayed.flatMap(x -> Flowable.interval(0, 1, SECONDS).map(e -> "PING").takeUntil(events));
Flowable<String> eventsWithPings = Flowable.merge(events, pings);

花一点时间完全掌握上面的代码片段。 每当原始流上超过1秒没有任何React时， delayed流就会发出一个事件。 pings流发射的序列"PING"每秒从发射每个事件的事件delayed 。 但是，一旦事件出现在events流上，便会终止pings流。 您甚至可以将所有这些定义为单个表达式：

Flowable<String> events = //...
Flowable<String> eventsWithPings = events.mergeWith(events.debounce(1, SECONDS).flatMap(x1 -> Flowable.interval(0, 1, SECONDS).map(e -> "PING").takeUntil(events)));

可测性

好的，我们已经编写了所有这些内容，但是我们应该如何测试事件驱动代码的这个三层嵌套的Blob？ 我们如何确保ping在正确的时间出现并在静音结束后停止？ 如何模拟各种与时间相关的场景？ RxJava具有许多杀手级功能，但是测试时间流逝可能是最大的功能。 首先，让我们的ping代码更具可测试性和通用性：

<T> Flowable<T> withPings(Flowable<T> events, Scheduler clock, T ping) {return events.mergeWith(events.debounce(1, SECONDS, clock).flatMap(x1 -> Flowable.interval(0, 1, SECONDS, clock).map(e -> ping).takeUntil(events)));}

此实用程序方法采用任意的T流并添加ping ，以防该流在较长时间内不产生任何事件。 我们在测试中像这样使用它：

PublishProcessor<String> events = PublishProcessor.create();
TestScheduler clock = new TestScheduler();
Flowable<String> eventsWithPings = withPings(events, clock, "PING");

哦，男孩， PublishProcessor ， TestScheduler ？ PublishProcessor是一个有趣的类，它是一个亚型Flowable (所以我们可以使用它作为一个普通的流)。 另一方面，我们可以使用其onNext()方法强制发出事件：

events.onNext("A");

如果有人收听events流，他将立即收到"A"事件。 这clock是怎么回事？ RxJava中以任何方式处理时间的每个运算符(例如debounce debounce() ， interval() ， timeout() ， window() )都可以采用可选的Scheduler参数。 它充当时间的外部来源。 特殊的TestScheduler是我们完全控制的人为时间来源。 也就是说，只要我们不显式调用advanceTimeBy()时间就保持静止：

clock.advanceTimeBy(999, MILLISECONDS);

999毫秒不是巧合。 Ping在1秒钟后开始精确显示，因此在999毫秒后将不可见。 现在是时候揭示完整的测试用例了：

@Test
public void shouldAddPings() throws Exception {PublishProcessor<String> events = PublishProcessor.create();final TestScheduler clock = new TestScheduler();final Flowable<String> eventsWithPings = withPings(events, clock, "PING");final TestSubscriber<String> test = eventsWithPings.test();events.onNext("A");test.assertValues("A");clock.advanceTimeBy(999, MILLISECONDS);events.onNext("B");test.assertValues("A", "B");clock.advanceTimeBy(999, MILLISECONDS);test.assertValues("A", "B");clock.advanceTimeBy(1, MILLISECONDS);test.assertValues("A", "B", "PING");clock.advanceTimeBy(999, MILLISECONDS);test.assertValues("A", "B", "PING");events.onNext("C");test.assertValues("A", "B", "PING", "C");clock.advanceTimeBy(1000, MILLISECONDS);test.assertValues("A", "B", "PING", "C", "PING");clock.advanceTimeBy(999, MILLISECONDS);test.assertValues("A", "B", "PING", "C", "PING");clock.advanceTimeBy(1, MILLISECONDS);test.assertValues("A", "B", "PING", "C", "PING", "PING");clock.advanceTimeBy(999, MILLISECONDS);test.assertValues("A", "B", "PING", "C", "PING", "PING");events.onNext("D");test.assertValues("A", "B", "PING", "C", "PING", "PING", "D");clock.advanceTimeBy(999, MILLISECONDS);events.onNext("E");test.assertValues("A", "B", "PING", "C", "PING", "PING", "D", "E");clock.advanceTimeBy(999, MILLISECONDS);test.assertValues("A", "B", "PING", "C", "PING", "PING", "D", "E");clock.advanceTimeBy(1, MILLISECONDS);test.assertValues("A", "B", "PING", "C", "PING", "PING", "D", "E", "PING");clock.advanceTimeBy(3_000, MILLISECONDS);test.assertValues("A", "B", "PING", "C", "PING", "PING", "D", "E", "PING", "PING", "PING", "PING");
}

看起来像一堵墙，但这实际上是我们逻辑的完整测试方案。 它可以确保在1000毫秒后准确地执行ping操作；如果寂静时间很长，则会重复进行ping操作；当出现真正的事件时， ping操作会变得很慢。 但最重要的部分是：该测试是100％可预测的并且非常快。 没有Awaitility ，忙等待，轮询，间歇性测试失败和缓慢。 我们完全控制的人工时钟可确保所有这些组合流均按预期工作。

翻译自: .html

技术大停滞