RxJava的用武之地
Rxjava这个库和其他常见库不太一样，一般的库例如Glide，ButterKnife都是为了解决实际问题出现的，一定程度上是刚需。Glide库如果不用他，那么应用自己就要处理图片下载、压缩、内存管理、多级缓存等等复杂的逻辑。这类问题复杂而常见，而像Glide这类的轮子，Api的设计都比较友好，一个简单的api调用就能完成一个原本很复杂的功能，简直不要太爽。
Glide.with(context)
.load(url)//图片加载
.crossFade()//动画设置
.placeholder(R.drawable.place_image)//占位图
.error(R.drawable.error_image)//失败占位图
.override(width,height)//图片裁剪
.thumbnail(thumbnailRequest)//配置缩略图
.diskCacheStrategy(DiskCacheStrategy.SOURCE)//缓存策略
.into(imageView);
而Rxjava，你刚开始看起来，都不知道他是干什么的。“异步处理”？不是一般都使用观察者模式吗？AsyncTask，Handler也可以，要rxjava干嘛？如果你有兴趣研究过一点rxjava，会发现网上的教程都会说："zip map flatmap debounce等操作符把异步回调变得‘简洁’‘优雅’"，然后对比一下原来的代码和使用rxjava后的代码，最后感叹一下rxjava设计的鬼才和功能的强大。我自己在初次接触rxjava时也感觉，这些rxjava的优点描述比较空洞，这项技术的意义大于实用。
实际情况是这样么？在具体开发中，异步调用给我们的最大困扰是：异步回调的时间并不可控。当有多个异步回调时，这些调用相互联系和依赖，搞清楚每个回调何时返回是个重要的问题。在每个关键时间节点对‘分散的callback’做正确的事，有过类似编程经验的人都知道，是非常痛苦的事，如果还想代码容易看懂，简直是疯了。
image
rxjava号称异步调用的终极解决方案，能否解决以上困扰？随着学习和应用的深入，体会会更明显。以下会用一个稍复杂的例子，实操一个复杂异步场景，看看rxjava处理的怎么样。
典型复杂异步场景 -- Token的前置校验
经常遇到这种需求，接口的请求依赖token信息。一个请求需要先请求token（token如果存在缓存则使用缓存），依赖这个token才能进行正常网络请求。这个token有一定的时效性，在时效性内可以使用缓存，过期后需要重新请求token并重新发起一次请求。这个流程可以归纳如下图：
token前置请求.png
光看这些需求，是不是觉得已经够你喝一壶了，别忙，还有些潜在的逻辑这个图没有表现出来：
1 高并发网络请求时，如果token正在请求，需要对请求阻塞（token请求过程中，不再接受新的token请求）
2 阻塞的同时，要把这些请求记录下来，token请求成功后，再‘依次’发送这些阻塞的请求。
3 token失效情况下，网络请求限制重试次数。（防止递归调用）
4 token请求本身，重试策略需单独配置。
不使用rxjava，我们如何实现上述需求：
1、网络请求前，对token是否有缓存判断，如果没有先请求token，并把这个请求阻塞且缓存
2、token请求过程中，如果有新的token请求进来，加入阻塞队列
3、token请求后，通知阻塞的队列（广播等方式），依次进行阻塞的请求
4、对两种次数限制，分别做逻辑判断
以上就是传统实现方法，就不贴代码了，这样实现有以下特点：
1、要时刻维护一个阻塞队列 （注意其添加和清空的时机）
2、token请求结束后，有一个回调机制通知阻塞队列，（这个回调需要注册和反注册）
3、两处的次数限制，次数维护的变量，不好维护（一般动态秘钥为了便于使用会做成单例，单例内的变量类似static，维护较复杂）
4、请求重试的逻辑不好实现，
我们可以看到这里涉及到很多静态变量的维护，广播等异步回调的处理，这种情况一多，编程者会变得很被动。而且token的异步请求和真正的网络异步请求杂糅在一起，增大了问题的复杂性。
我们来看下rxjava如何处理：
一些代码网络请求部分与前一篇博客《基于RxJava Retrofit的网络框架》相关。
先看看完整的请求过程
public static <R> Observable send(final MapiHttpRequest request, final MapiTypeReference<R> t){
return Observable.defer(new Callable<ObservableSource<String>>() {
@Override
public ObservableSource<String> call() throws Exception {
//传入token缓存
return Observable.just(Store.sToken);
}
}).flatMap(new Function<String, ObservableSource<R>>() {
@Override
public ObservableSource<R> apply(String key) throws Exception {
if(TextUtils.isEmpty(key) && !request.skipCheckKeyValid()){
//token没有缓存，需要请求Token
return Observable.<R>error(new KeyNotValidThrowable());
} else {
//Token存在缓存，直接请求
return sendRequestInternal(request,t);
}
}
})
//进入失败重试流程
.retryWhen(new Function<Observable<? extends Throwable>, ObservableSource<String>>() {
private int retryCount = 0;
@Override
public ObservableSource<String> apply(Observable<? extends Throwable> throwableObservable) throws Exception {
return throwableObservable.flatMap(new Function<Throwable, ObservableSource<String>>() {
@Override
public ObservableSource<String> apply(Throwable throwable) throws Exception {
if (throwable instanceof KeyNotValidThrowable){
//同一Request，有过一次KeyNotValidThrowable,则不再重试
if (retryCount > 0){
return Observable.error(throwable);
} else {
//token缓存不在，进入TokenLoader请求token
retryCount++;
return TokenLoader.getInstance().getNetTokenLocked();
}
} else if (throwable instanceof ApiException){
//token过期的情况，重新获取token，并重试
ApiException apiException = (ApiException)throwable;
if (apiException.getCode() == MapiResultCode.SECRETKEY_EXPIRED.value()){
if (retryCount > 0){
return Observable.error(throwable);
} else {
//token缓存失效，进入TokenLoader请求token
retryCount++;
return DynamicKeyLoader.getInstance().getNetTokenLocked();
}
}
}
//其他类型错误，直接抛出，不再重试
return Observable.error(throwable);
}
});
}
});
}
也许你第一次看也挺晕，别怕，你顺着注释捋捋逻辑，是不是感觉代码的实现好像画了一个时序图。
除了注释以外，几点说明：
1、defer操作符的作用是在retry时，会重新创建新的Observable，否则会使用上次的Observable，不会重新获取Store.sToken
2、retryWhen操作符，与sendRequestInternal内部统一配置的retryWhen并不冲突，相当于二次retry
3、retryWhen中如果抛出error ，则不再重试；
4、重试请求，通过返回getNetTokenLocked这个subject实现。（下面详述）
阶段总结：
整体的流程被压缩到了一个函数中，rxjava本身的retrywhen和subject机制，已经替我们完成了这么几点：
1、自动重试的注册和反注册，subject被回调完直接失效，再次请求要重新注册。
2、高并发request，维护队列，通过mTokenObservable的回调自动解决了这个问题
3、retry次数的维护，由于每次request的retry都是重新创建的内部类，所以变量的维护变的简单。
4、重试的逻辑被retry操作符自动实现了，只要重写retry的返回值就可以控制重试的策略。
TokenLoader：Token的获取过程
public class TokenLoader {
public static final String TAG = TokenLoader.class.getSimpleName();
private AtomicBoolean mRefreshing = new AtomicBoolean(false);
private PublishSubject<String> mPublishSubject;
private Observable<String> mTokenObservable;
private TokenLoader() {
final TokenRequest request = new TokenRequest(CarOperateApplication.getInstance());
mTokenObservable = Observable
.defer(new Callable<ObservableSource<TokenRequest>>() {
@Override
public ObservableSource<TokenRequest> call() throws Exception {
return Observable.just(request);
}
})
.flatMap(new Function<TokenRequest, ObservableSource<MapiHttpResponse<Boolean>>>() {
@Override
public ObservableSource<MapiHttpResponse<Boolean>> apply(RefreshKeyRequest refreshKeyRequest) throws Exception {
//Token请求接口
return ApiHelper.sendDynamicKey(refreshKeyRequest,new MapiTypeReference<MapiHttpResponse<Boolean>>(){});
}
})
.retryWhen(new Function<Observable<Throwable>, ObservableSource<TokenRequest>>() {
private int retryCount = 0;
@Override
public ObservableSource<TokenRequest> apply(Observable<Throwable> throwableObservable) throws Exception {
return throwableObservable.flatMap(new Function<Throwable, ObservableSource<TokenRequest>>() {
@Override
public ObservableSource<RefreshKeyRequest> apply(Throwable throwable) throws Exception {
retryCount++;
if (retryCount == 3){
//失败次数达到阈值，更改请求策略
request.setFlag(0);
return Observable.just(request);
} else if (retryCount > 3){
//失败次数超过阈值，抛出失败，放弃请求
mRefreshing.set(false);
return Observable.error(throwable);
} else {
//再次请求token
return Observable.just(request);
}
}
});
}
})
// .delay(6000, TimeUnit.MILLISECONDS) //模拟token请求延迟
.map(new Function<MapiHttpResponse<Boolean>,String>() {
@Override
public String apply(MapiHttpResponse<Boolean> response) throws Exception {
//成功，保存token缓存
if (response.getContent().booleanValue() == true){
setCacheToken(response.getToken());
} else if (response.getContent().booleanValue() == false){
setCacheToken(UcarK.getSign());
}
//请求完成标识
mRefreshing.set(false);
return getCacheToken();
}
});
}
public static TokenLoader getInstance() {
return Holder.INSTANCE;
}
private static class Holder {
private static final TokenLoader INSTANCE = new TokenLoader();
}
public String getCacheToken() {
return Store.sToken;
}
public void setCacheToken(String key){
Store.sToken = key;
}
/**
*
* @return
*/
public Observable<String> getNetTokenLocked() {
if (mRefreshing.compareAndSet(false, true)) {
Log.d(TAG, "没有请求，发起一次新的Token请求");
startTokenRequest();
} else {
Log.d(TAG, "已经有请求，直接返回等待");
}
return mPublishSubject;
}
private void startTokenRequest() {
mPublishSubject = PublishSubject.create();
mTokenObservable.subscribe(mPublishSubject);
}
}
还是读注释，除了注释以外，几点说明：
1、mRefreshing的作用是在token请求过程中，不再允许新的token请求，
变量采用原子类，而非boolean；这样在多线程环境下，原子类的方法是线程安全的。
compareAndSet(boolean expect, boolean update)这个方法两个作用
1）比较expect和mRefresh是否一致
2）将mRefreshing置为update
2、startTokenRequest()方法开启token请求，注意Observable在subscribe时才正式开始
3、这里使用了PublishSubject较为关键，在rxjava中Subject既是observable，又是observer，在TokenLoader中，mPublishSubject是mTokenObservable的观察者，token请求的会由mPublishSubject响应，同时mPublishSubject也作为Observable返回给TokenLoader的调用者作为retryWhen的返回值返回。（所以这里PublishSubject的泛型与send（）方法中Observable的泛型应该是一致的）
4、对于mRefreshing是true的情况，直接返回mPublishSubject，这样每个阻塞的请求retryWhen都会等待mPublishSubject的返回值，回调通知的顺序与加入阻塞的顺序是队列关系（先请求的接口，先回调），满足我们的需求。
最后：
感觉怎么样，是豁然开朗还是越陷越深，不管那样都没有关系，你需要的是了解还存在另一种处理异步任务的方法。在你下一次遇到同样让你头疼的问题时，你可以把这篇文章拿起来再看看，也许你的头疼会好一点了。。。
网友评论