淺談Python響應式類庫RxPy

一、基本概念

Reactive X中有幾個核心的概念，先來簡單介紹一下。

1.1、Observable和Observer（可觀察對象和觀察者）

首先是Observable和Observer，它們分別是可觀察對象和觀察者。Observable可以理解為一個異步的數(shù)據(jù)源，會發(fā)送一系列的值。Observer則類似于消費者，需要先訂閱Observable，然后才可以接收到其發(fā)射的值?？梢哉f這組概念是設計模式中的觀察者模式和生產者-消費者模式的綜合體。

1.2、Operator（操作符）

另外一個非常重要的概念就是操作符了。操作符作用于Observable的數(shù)據(jù)流上，可以對其施加各種各樣的操作。更重要的是，操作符還可以鏈式組合起來。這樣的鏈式函數(shù)調用不僅將數(shù)據(jù)和操作分隔開來，而且代碼更加清晰可讀。一旦熟練掌握之后，你就會愛上這種感覺的。

1.3、Single（單例）

在RxJava和其變體中，還有一個比較特殊的概念叫做Single，它是一種只會發(fā)射同一個值的Observable，說白了就是單例。當然如果你對Java等語言比較熟悉，那么單例想必也很熟悉。

1.4、Subject（主體）

主體這個概念非常特殊，它既是Observable又是Observer。正是因為這個特點，所以Subject可以訂閱其他Observable，也可以將發(fā)射對象給其他Observer。在某些場景中，Subject會有很大的作用。

1.5、Scheduler（調度器）

默認情況下Reactive X只運行在當前線程下，但是如果有需要的話，也可以用調度器來讓Reactive X運行在多線程環(huán)境下。有很多調度器和對應的操作符，可以處理多線程場景下的各種要求。

1.6、Observer和Observable

先來看看一個最簡單的例子，運行的結果會依次打印這些數(shù)字。這里的of是一個操作符，可以根據(jù)給定的參數(shù)創(chuàng)建一個新的Observable。創(chuàng)建之后，就可以訂閱Observable，三個回調方法在對應的時機執(zhí)行。一旦Observer訂閱了Observable，就會接收到后續(xù)Observable發(fā)射的各項值。

from rx import of

ob = of(1, 2, 34, 5, 6, 7, 7)
ob.subscribe(
    on_next=lambda i: print(f'Received: {i}'),
    on_error=lambda e: print(f'Error: {e}'),
    on_completed=lambda: print('Completed')

)

這個例子看起來好像很簡單，并且看起來沒什么用。但是當你了解了Rx的一些核心概念，就會理解到這是一個多么強大的工具。更重要的是，Observable生成數(shù)據(jù)和訂閱的過程是異步的，如果你熟悉的話，就可以利用這個特性做很多事情。

1.7、操作符

在RxPy中另一個非常重要的概念就是操作符了，甚至可以說操作符就是最重要的一個概念了。幾乎所有的功能都可以通過組合各個操作符來實現(xiàn)。熟練掌握操作符就是學好RxPy的關鍵了。操作符之間也可以用pipe函數(shù)連接起來，構成復雜的操作鏈。

from rx import of, operators as op
import rx

ob = of(1, 2, 34, 5, 6, 7, 7)
ob.pipe(
    op.map(lambda i: i ** 2),
    op.filter(lambda i: i >= 10)
).subscribe(lambda i: print(f'Received: {i}'))

在RxPy中有大量操作符，可以完成各種各樣的功能。我們來簡單看看其中一些常用的操作符。如果你熟悉Java8的流類庫或者其他函數(shù)式編程類庫的話，應該對這些操作符感到非常親切。

1.8、創(chuàng)建型操作符

首先是創(chuàng)建Observable的操作符，列舉了一些比較常用的創(chuàng)建型操作符。

1.9、過濾型操作符

過濾型操作符的主要作用是對Observable進行篩選和過濾。

1.10、轉換型操作符

1.11、算術操作符

1.12、Subject

Subject是一種特殊的對象，它既是Observer又是Observable。不過這個對象一般不太常用，但是假如某些用途還是很有用的。所以還是要介紹一下。下面的代碼，因為訂閱的時候第一個值已經(jīng)發(fā)射出去了，所以只會打印訂閱之后才發(fā)射的值。

from rx.subject import Subject, AsyncSubject, BehaviorSubject, ReplaySubject

# Subject同時是Observer和Observable

print('--------Subject---------')
subject = Subject()
subject.on_next(1)
subject.subscribe(lambda i: print(i))
subject.on_next(2)
subject.on_next(3)
subject.on_next(4)
subject.on_completed()
# 2 3 4

另外還有幾個特殊的Subject，下面來介紹一下。

1.13、ReplaySubject

ReplaySubject是一個特殊的Subject，它會記錄所有發(fā)射過的值，不論什么時候訂閱的。所以它可以用來當做緩存來使用。ReplaySubject還可以接受一個bufferSize參數(shù)，指定可以緩存的最近數(shù)據(jù)數(shù)，默認情況下是全部。

下面的代碼和上面的代碼幾乎完全一樣，但是因為使用了ReplaySubject，所以所有的值都會被打印。當然大家也可以試試把訂閱語句放到其他位置，看看輸出是否會產生變化。

# ReplaySubject會緩存所有值，如果指定參數(shù)的話只會緩存最近的幾個值
print('--------ReplaySubject---------')
subject = ReplaySubject()
subject.on_next(1)
subject.subscribe(lambda i: print(i))
subject.on_next(2)
subject.on_next(3)
subject.on_next(4)
subject.on_completed()
# 1 2 3 4

1.14、BehaviorSubject

BehaviorSubject是一個特殊的Subject，它只會記錄最近一次發(fā)射的值。而且在創(chuàng)建它的時候，必須指定一個初始值，所有訂閱它的對象都可以接收到這個初始值。當然如果訂閱的晚了，這個初始值同樣會被后面發(fā)射的值覆蓋，這一點要注意。

# BehaviorSubject會緩存上次發(fā)射的值，除非Observable已經(jīng)關閉
print('--------BehaviorSubject---------')
subject = BehaviorSubject(0)
subject.on_next(1)
subject.on_next(2)
subject.subscribe(lambda i: print(i))
subject.on_next(3)
subject.on_next(4)
subject.on_completed()
# 2 3 4

1.15、AsyncSubject

AsyncSubject是一個特殊的Subject，顧名思義它是一個異步的Subject，它只會在Observer完成的時候發(fā)射數(shù)據(jù)，而且只會發(fā)射最后一個數(shù)據(jù)。因此下面的代碼僅僅會輸出4.假如注釋掉最后一行co_completed調用，那么什么也不會輸出。

# AsyncSubject會緩存上次發(fā)射的值，而且僅會在Observable關閉后開始發(fā)射
print('--------AsyncSubject---------')
subject = AsyncSubject()
subject.on_next(1)
subject.on_next(2)
subject.subscribe(lambda i: print(i))
subject.on_next(3)
subject.on_next(4)
subject.on_completed()
# 4

1.16、Scheduler

雖然RxPy算是異步的框架，但是其實它默認還是運行在單個線程之上的，因此如果使用了某些會阻礙線程運行的操作，那么程序就會卡死。當然針對這些情況，我們就可以使用其他的Scheduler來調度任務，保證程序能夠高效運行。

下面的例子創(chuàng)建了一個ThreadPoolScheduler，它是基于線程池的調度器。兩個Observable用subscribe_on方法指定了調度器，因此它們會使用不同的線程來工作。

import rx
from rx.scheduler import ThreadPoolScheduler
from rx import operators as op

import multiprocessing
import time
import threading
import random


def long_work(value):
    time.sleep(random.randint(5, 20) / 10)
    return value


pool_schedular = ThreadPoolScheduler(multiprocessing.cpu_count())

rx.range(5).pipe(
    op.map(lambda i: long_work(i + 1)),
    op.subscribe_on(pool_schedular)
).subscribe(lambda i: print(f'Work 1: {threading.current_thread().name}, {i}'))

rx.of(1, 2, 3, 4, 5).pipe(
    op.map(lambda i: i * 2),
    op.subscribe_on(pool_schedular)
).subscribe(lambda i: print(f'Work 2: {threading.current_thread().name}, {i}'))

如果你觀察過各個操作符的API的話，可以發(fā)現(xiàn)大部分操作符都支持可選的Scheduler參數(shù)，為操作符指定一個調度器。如果操作符上指定了調度器的話，會優(yōu)先使用這個調度器；其次的話，會使用subscribe方法上指定的調度器；如果以上都沒有指定的話，就會使用默認的調度器。

二、應用場景

好了，介紹了一些Reactive X的知識之后，下面來看看如何來使用Reactive X。在很多應用場景下，都可以利用Reactive X來抽象數(shù)據(jù)處理，把概念簡單化。

2.1、防止重復發(fā)送

很多情況下我們都需要控制事件的發(fā)生間隔，比如有一個按鈕不小心按了好幾次，只希望第一次按鈕生效。這種情況下可以使用debounce操作符，它會過濾Observable，小于指定時間間隔的數(shù)據(jù)會被過濾掉。debounce操作符會等待一段時間，直到過了間隔時間，才會發(fā)射最后一次的數(shù)據(jù)。如果想要過濾后面的數(shù)據(jù)，發(fā)送第一次的數(shù)據(jù)，則要使用throttle_first操作符。

下面的代碼可以比較好的演示這個操作符，快速按回車鍵發(fā)送數(shù)據(jù)，注意觀察按鍵和數(shù)據(jù)顯示之間的關系，還可以把throttle_first操作符換成debounce操作符，然后再看看輸出會發(fā)生什么變化，還可以完全注釋掉pipe中的操作符，再看看輸出會有什么變化。

import rx
from rx import operators as op
from rx.subject import Subject
import datetime

# debounce操作符，僅在時間間隔之外的可以發(fā)射

ob = Subject()
ob.pipe(
    op.throttle_first(3)
    # op.debounce(3)
).subscribe(
    on_next=lambda i: print(i),
    on_completed=lambda: print('Completed')
)

print('press enter to print, press other key to exit')
while True:
    s = input()
    if s == '':
        ob.on_next(datetime.datetime.now().time())
    else:
        ob.on_completed()
        break

2.2、操作數(shù)據(jù)流

如果需要對一些數(shù)據(jù)進行操作，那么同樣有一大堆操作符可以滿足需求。當然這部分功能并不是Reactive X獨有的，如果你對Java 8的流類庫有所了解，會發(fā)現(xiàn)這兩者這方面的功能幾乎是完全一樣的。

下面是個簡單的例子，將兩個數(shù)據(jù)源結合起來，然后找出來其中所有的偶數(shù)。

import rx
from rx import operators as op
from rx.subject import Subject
import datetime

# 操作數(shù)據(jù)流
some_data = rx.of(1, 2, 3, 4, 5, 6, 7, 8)
some_data2 = rx.from_iterable(range(10, 20))
some_data.pipe(
    op.merge(some_data2),
    op.filter(lambda i: i % 2 == 0),
    # op.map(lambda i: i * 2)
).subscribe(lambda i: print(i))

再或者一個利用reduce的簡單例子，求1-100的整數(shù)和。

import rx
from rx import operators as op
from rx.subject import Subject
import datetime

rx.range(1, 101).pipe(
    op.reduce(lambda acc, i: acc + i, 0)
).subscribe(lambda i: print(i))

以上就是淺談Python響應式類庫RxPy的詳細內容，更多關于Python響應式類庫RxPy的資料請關注腳本之家其它相關文章！