如何避免写重复代码:善用抽象和组合
作者:何品
通过抽象和组合,我们可以编写出更加简洁、易于理解和稳定的代码。类似于金字塔的建筑过程,我们总是可以在一层抽象之上再叠加一层,从而达到自己的目的。但是在日常的开发工作中,我们如何进行实践呢?本文将以笔者在 Akka 项目中的一段社区贡献作为引子分享笔者的一点心得。
一、场景
通常,为了简化我们对数据流的处理,我们可能会使用 Java8 中首次引入的 Stream、或者是 Kotlin、Scala 等编程语言中提供的更加丰富的集合库,亦或者使用反应式流的相关三方库来简化工作。虽然这些类库已经提供了丰富的操作符,但是我们依然会在工作中遇到一些未提供合适操作符的场景。比如:
在直播场景下,需要对某些类型的消息进行缓冲和聚合,一段时间内的多个点赞合并为 1 个点赞,并且在处理了 N 个消息的时候进行整体发送,保障整体的扩散量级维持在一个平稳的水平。
在 IOT 场景中,接收来自终端设备上报的数据,并返回当前的数据和前值,或者最近 3 个值,从而计算其中的变化趋势。此时我们可能会使用反应式流库中提供的:
zipWithNext
、zipWithPrevious
、zipWithPreviousAndNext
,或者是sliding
。在建立一个聊天室的时候,如果用户输入
bye
,则让用户断开连接,离开聊天室,那么这个时候我们可能会使用takeWhile
。假设我们有一组 SQL,我们需要按照顺序执行,并合并他们的结果,并在处理完成后关闭对应的数据库连接,这时我们可能会用
mapWithResource
,using
(资源安全)。当处理文件、写入数据库等使用资源的时候,我们需要打开一个文件或获取一个数据库连接,将数据写入,然后在处理完成后关闭对应的资源,这时我们可能会使用
foldResource
(资源安全)。假设需要对数据进行分批,每 3 个元素一批,进行打包,这个时候我们可能会使用
batch
(3)。假设我们需要将元素和每个元素的下标结合在一起,这个时候我们可能需要使用
zipWithIndex
。假设我们需要缓存元素,并在指定条件满足前一直缓存,我们可能需要
bufferUntil(predicate)
、bufferWhile(predicate)
。假设我们需要缓存元素,直到数据变更,把相同项合并在一起,我们可能需要
bufferUtilChanged
。假设我们需要对所有的元素进行去重,或者去掉连续的重复元素,我们可能会需要用到
distinct
、distinctUntilChanged
。假设我们只需要返回前 N 个元素,我们可能需要使用
limit(N)
、take(N)
,或者按照条件takeWhile
、takeUntil
。假设我们需要跳过前 N 个元素,我们可能需要使用
skip(N)
、drop(N)
,或者按照条件dropWhile
、dropUntil
。……
我们可以看到,上面这些操作符,每个都拥有具体的语义,虽然看起来只是一个简单的方法,但是如果需要我们完全自主实现,也有不小的难度,比如zipWithNext
、zipWithPrevious
、zipWithPreviousAndNext
在 Reactor-core 目前的发行版本中就没有直接提供,而和资源相关的,Reactor-core 中则只有一个using
。
下面我们思考一下如何实现这些操作符。
二、分析
作为程序员,第一件事情,肯定就是 Ctrl+C ,第二件事就是 Ctrl+V,第三件事就是 Commit&Push。然而,事情并没有这么简单。
难点有:
反应式流操作符需要完整实现反应式流的规范、并通过默认的测试套件的验证。
操作符需要尽可能的抽象和可组合。
无论是单线程还是并发场景下都拥有正确的行为和语义、并有完整单元测试覆盖。
操作符的实现需要尽可能的具备最高效的性能。
比如,以zipWithIndex
举例,在 Reactor-core 中有FluxIndexFuseable
(370 行代码)和 FluxIndex
(296 行代码)两个实现。而且清晰的处理了各种情况。而其他操作符也有类似:release 3.4.23
FluxBuffer
—— 575 行代码FluxBufferPredicate
—— 464 行代码FluxDistinct
—— 609 行代码FluxDistinctFuseable
—— 70 行代码FluxDistinctUntilChanged
—— 337 行代码FluxUsing
—— 583 行代码
如果要实现一个zipWithNext
自定义操作符 ,应该也有接近的工作量。这样的工作强度,个人认为无论是在代码审查还是后期的维护都是一个大问题。
为此,我认为需要一个新的抽象,来对上面的这些操作进行进一步的抽象。然后再这个之上,通过使用和组合其他的操作,从而更简单的实现自定义操作符。
三、解法
所有上面的这些都可以抽象为:
带有状态,且线程安全;
状态可变,且根据状态的不同,对输入应用不同的操作,产生不同的值;
可以提前结束、或者对不满足条件的值进行选择性丢弃;
有完整的生命周期;
在结束时可以根据内部状态而产生可选的值,而不会丢失内部状态。
经过分析,这里可以表达为 : 状态 + 输入 -(应用行为)-> 新的状态 + 输出
,这样再加上onCraete
、onComplete
生命周期函数,就可以完整表达。而提前结束等行为,则可以通过组合takeWhile
实现。我们将方法命名为:statefulMap
,声明如下:
让我们看一下如何通过这个方法来实现zipWithIndex
。
3.1 实现 zipWithIndex (indexed)
也可以实现zipWithNext
、zipWithPreviousAndNext
。然后下面我们再看看如何实现较为复杂的bufferUntilChanged
。
3.2 实现 bufferUntilChanged
3.3 实现 distinctUntilChanged
3.4 实现 buffer
四、更复杂的例子:处理资源
在前面看了如何实现zipWithIndex
、bufferUntilChanged
之后,让我们进一步看看如何优雅和安全地处理资源。在任何的编程语言和框架中,资源的处理都是非常基础但是又很棘手的事项。在 Java 7 中首次引入了try-with-resources
语法,对资源处理进行了一定程度的简化,而在反应式流中,我们又应该如何的操作呢?这里我们可以分为两种情况:
1)针对流中的每个元素都创建一个新的资源,使用这个资源,关闭这个资源。
2)针对整个流创建一个资源,并在处理流中的每个元素时使用这个资源,并在流的生命周期结束后,关闭这个资源。
因为资源通常开销较大且需要妥善管理,所以在开发过程中,我们更容易遇到的是第二种情况,即资源的创建和销毁和流的生命周期进行了绑定。反应式流中的资源管理,还有更多的细节需要考虑:
资源的初始化和关闭需要支持并发安全;反应式流可以被多次物化,被多个下游订阅者订阅和处理,并且以任意的顺序进行取消订阅,需要在各种情况下(上游完成、下游取消、处理异常等)等情况下妥善的创建和销毁资源。
在流生命周期的各个阶段安全地创建和销毁资源,比如:即使在创建资源或者销毁资源的时触发了异常,也不会对同一个资源关闭多次。
支持异步从而提高资源使用的效率。
感知流的生命周期,支持在关闭资源时提供可选的值给到下游以标识流的结束,比如处理文件时,使用一个特殊的标识符标识文件的结尾。
综合上面的这些诉求,对应的代码就会变得很复杂,大家可以用一点时间思考:如果是自己独立实现类似的操作需要做出那些努力呢?在现实的开发过程中,我们遇到的诉求很多时候并非一起提出,而时随着迭代接踵而至,那么如果当初的代码编写的不是很易于扩展,拥有良好的测试,则可能按下葫芦浮起瓢。
比如在 reactor-core 中就有如下的using
操作符:
resourceSupplier 针对每个订阅者,创建一个资源。
sourceSupplier 结合创建的资源,产生对应的元素。
resourceCleanup 取消订阅或者流完成时,清理对应的资源。
在 reactor-core 中,对应的底层实现为MonoUsing
共 360 行代码,而要实现我们想要的逻辑,我们还需要和另一个流进行合并,即这里的using
类似于unfoldResource
。那么有没有可能使用更加简单的方案来进行实现呢?答案是肯定的,和前面的几个操作符一样,我们可以使用statefulMap
来实现mapWithResource
,思维过程如下:
using
/mapWithResource
的生命周期管理和statefulMap
的create
和onComplete
方法对应,针对资源,onComplete
方法可以被命名为更加贴切的release
/close
/cleanUp
。在流中使用的资源,我们可以认为是一个状态,只不过这个状态在流的整个生命周期中不再变化,一直是
create
方法中返回的Resource
。在关闭资源时,我们可以通过返回一个
Optional<Out>
来返回一个可选的值。对并发资源的异步处理,则可以通过返回一个
CompletionStage<Out>
而非Out
来实现,在using
方法中,我们返回的是一个Mono<T>
。
经过上面的思维过程,我们不难得出这个流上的方法的声明可以为:
resourceSupplier
针对每个订阅者/每次物化,创建一个资源。function
使用 create 中创建的资源处理流中的每个元素。close
在流关闭的同时关闭资源,并再向下游提供一个可选的值。
具体的的实现这里留空,感兴趣的小伙伴可以结合前面的例子进行实现。下面我们看一下如何使用这个mapWithResource
方法,从而加深大家的理解。
4.1 使用 mapWithResource
假设我们有一组 SQL 需要进行处理,我们需要从数据库中的多个表中查询对应的结果,并将最终结果进行合并和输出到控制台。在mapWithResource
的帮助下,我们可以极大的简化我们的代码:
在上面的例子中:我们有一组预先定义好的 SQL,分别从多个表中读取最新的 100 条数据,通过使用mapWithResource
,我们优雅地为每个流创建了 db 相关的连接,并进行对应的查询操作,并合并查询结果,在流处理完成后,关闭对应的资源。上面的代码通过复用我们前面编写的mapWithResource
将复杂资源和生命周期管理进行了简化,作为对比,大家可以思考一下如果我们不使用已有抽象所需要付出的努力。
五、总结
在上面的例子中,我们通过statefulMap
以及和其他的操作符相互组合,实现了很多和状态、生命周期相关的操作符,而代码量则大大减少。基于一个经过考验的操作符来编写自定义操作符,也能进一步降低出错的概率,以及代码审查的难度,而相关的操作符都是通过一个底层的statefulMap
来实现。
映射到我们的工作中则是尽可能地抽象、提炼,对系统的核心模型、核心功能进行打磨,从而每个应用都有一个精巧的内核,并和其他的应用构成丰富的生态,而非上来就复制粘贴重复造轮子。
虽然有时我们可能没有足够的时间来进一步抽象,而是业务先行。但是我依然建议,在后续的实践中,进行不断回顾和提炼,在保障系统稳定可靠、在有测试手段保障的情况下,进行逐步的重构,使得系统更加容易理解、维护和稳固。
笔者相信:磨刀不误砍柴工,在设计、方案 review、测试和不断重构、精炼的过程中所花费的时间,一定会在将来多倍的回报。
版权声明: 本文为 InfoQ 作者【阿里技术】的原创文章。
原文链接:【http://xie.infoq.cn/article/a15e5fef95aa12830004f42ac】。文章转载请联系作者。
评论