響應式編程（reactive programming）是一種基於數據流（data stream）和變化傳遞（propagation of change）的聲明式（declarative）的編程范式。
keywords：
異步非阻塞
數據流
流水線
算子 （計算邏輯）
聲明式 ：聲明式比較適合基於流的處理方式
服務端技術棧
客戶端技術
Spring WebFlux也提供了一個響應式的Http客戶端API WebClient。它可以用函數式的方式異步非阻塞地發起Http請求並處理響應。其底層也是由Netty提供的異步支持。
我們可以把WebClient看做是響應式的RestTemplate，與后者相比，前者：
是非阻塞的，可以基於少量的線程處理更高的並發；
可以使用Java 8 lambda表達式；
支持異步的同時也可以支持同步的使用方式；
可以通過數據流的方式與服務端進行雙向通信。
整個技術棧從命令式的、同步阻塞的【spring-webmvc + servlet + Tomcat】變成了響應式的、異步非阻塞的【spring-webflux + Reactor + Netty】
WebFlux的函數式開發模式
HandlerFunction和RouterFunction
HandlerFunction相當於Controller中的具體處理方法，輸入為請求，輸出為裝在Mono中的響應：
Mono<T extends ServerResponse> handle(ServerRequest request);
RouterFunction，顧名思義，路由，相當於@RequestMapping，用來判斷什么樣的url映射到那個具體的HandlerFunction，輸入為請求，輸出為裝在Mono里邊的Handlerfunction：
Mono<HandlerFunction<T>> route(ServerRequest request);
服務器推送
SSE：服務端推送（Server Send Event），在客戶端發起一次請求后會保持該連接，服務器端基於該連接持續向客戶端發送數據，從HTML5開始加入。
public Mono<ServerResponse> sendTimePerSec(ServerRequest serverRequest) {
return ok().contentType(MediaType.TEXT_EVENT_STREAM).body( // 1
Flux.interval(Duration.ofSeconds(1)). // 2
map(l -> new SimpleDateFormat("HH:mm:ss").format(new Date())),
String.class);
}
響應式Spring Data
一切都是異步非阻塞的
概念
響應式編程通常作為面向對象編程中的“觀察者模式”（Observer design pattern）的一種擴展。 響應式流（reactive streams）與“迭代子模式”（Iterator design pattern）也有相通之處， 因為其中也有 Iterable-Iterator 這樣的對應關系。主要的區別在於，Iterator 是基於 “拉取”（pull）方式的，而響應式流是基於“推送”（push）方式的。
使用 iterator 是一種“命令式”（imperative）編程范式，因為什么時候獲取下一個元素取決於開發者。在響應式流中，相對應的角色是“發布者 - 訂閱者”（Publisher-Subscriber），當有新的值到來的時候，反過來由發布者（Publisher） 通知訂閱者（Subscriber），這種“推送”模式是響應式的關鍵。此外，對推送來的數據的操作 是通過一種聲明式（declaratively）而不是命令式（imperatively）的方式表達的：開發者通過 描述“處理流程”來定義對數據流的處理邏輯。
和lamada
- 函數響應式編程的重點在於“函數式”的語言特性，這個概念在二十年前就蓋棺定論了。
- 響應式編程的重點在於“基於事件流”的異步編程范式，由不斷產生的數據/時間來推動邏輯的執行。
(type1 arg1, type2 arg2...) -> { body }
函數式”編程范式的核心特點之一：函數是”一等公民”。
所謂”一等公民”（first class），指的是函數與其他數據類型一樣，處於平等地位，可以賦值給其他變量，也可以作為參數，傳入另一個函數，或者作為別的函數的返回值。
@FunctionalInterface
函數式接口
Function，接受一個輸入參數，返回一個結果。參數與返回值的類型可以不同，我們之前的map方法內的lambda就是表示這個函數式接口的；
Consumer，接受一個輸入參數並且無返回的操作。比如我們針對數據流的每一個元素進行打印，就可以用基於Consumer的lambda；
Supplier，無需輸入參數，只返回結果。看接口名就知道是發揮了對象工廠的作用；
Predicate，接受一個輸入參數，返回一個布爾值結果。比如我們在對數據流中的元素進行篩選的時候，就可以用基於Predicate的lambda；
…
Flux與Mono
Publisher
Flux和Mono都可以發出三種“數據信號”：元素值、錯誤信號、完成信號
- 首先，錯誤信號和完成信號都是終止信號，二者不可能同時共存；
- 如果沒有發出任何一個元素值，而是直接發出完成/錯誤信號，表示這是一個空數據流；
- 如果沒有錯誤信號和完成信號，那么就是一個無限數據流。
Subscriber
// 訂閱並定義對正常數據元素、錯誤信號和完成信號的處理，以及訂閱發生時的處理邏輯
subscribe(Consumer<? super T> consumer,
Consumer<? super Throwable> errorConsumer,
Runnable completeConsumer,
Consumer<? super Subscription> subscriptionConsumer);
Flux.just(1, 2, 3, 4, 5, 6)僅僅聲明了這個數據流，此時數據元素並未發出，只有subscribe()方法調用的時候才會觸發數據流。所以，訂閱前什么都不會發生。
操作符 Operator
https://projectreactor.io/docs/core/release/api/reactor/core/publisher/Flux.html
調度器與線程模型
Scheduler
public void testSyncToAsync() throws InterruptedException {
CountDownLatch countDownLatch = new CountDownLatch(1);
Mono.fromCallable(() -> getStringSync()) // 1
.subscribeOn(Schedulers.elastic()) // 2
.subscribe(System.out::println, null, countDownLatch::countDown);
countDownLatch.await(10, TimeUnit.SECONDS);
}
回壓
subscribe(Subscriber subscriber)
BaseSubscriber
ref