响应式编程（ReactiveProgramming）介绍

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了响应式编程（ReactiveProgramming）介绍，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含24780字，纯文字阅读大概需要36分钟。

内容图文

　　作者： @andrestaltz
　　翻译：@benjycui、@jsenjoy

　　作者在原文后回答了不少人的疑惑，推荐一看。

　　在翻译时，术语我尽量不翻译，就算翻译了也会给出原文以作对照。因为就个人观察的情况而言，术语翻译难以统一，不同的译者会把同一个概念翻译成不同的版本，最终只会让读者困惑。而且术语往往就几个单词，记起来也不难。

　　作者在回复中提了一下FRP与RP是不同的，同时建议把这份教程中的FRP都替换为RP，所以译文就把FRP都替换为RP了。

　　很明显你是有兴趣学习这种被称作RP(Reactive Programming)的新技术才来看这篇文章的。

　　学习RP是很困难的一个过程，特别是在缺乏优秀资料的前提下。刚开始学习时，我试过去找一些教程，并找到了为数不多的实用教程，但是它们都流于表面，从没有围绕RP构建起一个完整的知识体系。库的文档往往也无法帮助你去了解它的函数。不信的话可以看一下这个：

　　Rx.Observable.prototype.flatMapLatest(selector, [thisArg])
　　!@#￥%……&*

　　尼玛。

　　我看过两本书，一本只是讲述了一些概念，而另一本则纠结于如何使用RP库。我最终放弃了这种痛苦的学习方式，决定在开发中一边使用RP，一边理解它。在 Futurice工作期间，我尝试在真实项目中使用RP，并且当我遇到困难时，得到了 同事们的帮助 。

　　在学习过程中最困难的一部分是 以RP的方式思考 。这意味着要放弃命令式且带状态的(Imperative and stateful)编程习惯，并且要强迫你的大脑以一种不同的方式去工作。在互联网上我找不到任何关于这方面的教程，而我觉得这世界需要一份关于怎么以RP的方式思考的实用教程，这样你就有足够的资料去起步。库的文档无法为你的学习提供指引，而我希望这篇文章可以。

　　什么是RP?

　　在互联网上有着一大堆糟糕的解释与定义。 维基百科 一如既往的空泛与理论化。Stackoverflow 的权威答案明显不适合初学者。 Reactive Manifesto 看起来是你展示给你公司的项目经理或者老板们看的东西。微软的 Rx terminology "Rx = Observables + LINQ + Schedulers" 过于重量级且微软味十足，只会让大部分人困惑。相对于你所使用的MV*框架以及钟爱的编程语言，"Reactive"和"Propagation of change"这些术语并没有传达任何有意义的概念。框架的Views层当然要对Models层作出反应，改变当然会传播(分别对应上文的"Reactive"与"Propagation of change"，意思是这一大堆术语和废话差不多，翻译不好，只能靠备注了)。如果没有这些，就没有东西会被渲染了。

　　所以不要再扯这些废话了。

　　RP是使用异步数据流进行编程

　　一方面，这并不是什么新东西。Event buses或者Click events本质上就是异步事件流(Asynchronous event stream)，你可以监听并处理这些事件。RP的思路大概如下：你可以用包括Click和Hover事件在内的任何东西创建Data stream(原文："FRP is that idea on steroids. You are able to create data streams of anything, not just from click and hover events.")。Stream廉价且常见，任何东西都可以是一个Stream：变量、用户输入、属性、Cache、数据结构等等。举个例子，想像一下你的Twitter feed就像是Click events那样的Data stream，你可以监听它并相应的作出响应。

　　在这个基础上，你还有令人惊艳的函数去combine、create、filter这些Stream。 这就是函数式(Functional)魔法的用武之地。Stream能接受一个，甚至多个Stream为输入。你可以 merge 两个Stream，也可以从一个Stream中 filter 出你感兴趣的Events以生成一个新的Stream，还可以把一个Stream中的Data values map 到一个新的Stream中。

　　既然Stream在RP中如此重要，那么我们就应该好好的了解它们，就从我们熟悉的"Clicks on a button" Event stream开始。


　　Stream就是一个 按时间排序的Events(Ongoing events ordered in time)序列 ，它可以emit三种不同的Events：(某种类型的)Value、Error或者一个"Completed" Signal。考虑一下"Completed"发生的时机，例如，当包含这个Button(指上面Clicks on a button"例子中的Button)的Window或者View被关闭时。

　　通过分别为Value、Error、"Completed"定义事件处理函数，我们将会异步地捕获这些Events。有时可以忽略Error与"Completed"，你只需要定义Value的事件处理函数就行。监听一个Stream也被称作是 订阅(Subscribing) ，而我们所定义的函数就是观察者(Observer)，Stream则是被观察者(Observable)，其实就是 观察者模式(Observer Design Pattern) 。

　　上面的示意图也可以使用ASCII重画为下图，在下面的部分教程中我们会使用这幅图：

　　既然已经开始对RP感到熟悉，为了不让你觉得无聊，我们可以尝试做一些新东西：我们将会把一个Click event stream转为新的Click event stream。

　　首先，让我们做一个能记录一个按钮点击了多少次的计数器Stream。在常见的RP库中，每个Stream都会有多个方法， map 、 filter 、 scan 等等。当你调用其中一个方法时，例如 clickStream.map(f) ，它就会基于原来的Click stream返回一个 新的Stream 。它不会对原来的Click steam作任何修改。这个特性就是 不可变性(Immutability) ，它之于RP Stream，就如果汁之于薄煎饼。我们也可以对方法进行链式调用如 clickStream.map(f).scan(g) ：

　　map(f) 会根据你提供的 f 函数把原Stream中的Value分别映射到新的Stream中。在我们的例子中，我们把每一次Click都映射为数字1。 scan(g) 会根据你提供的 g函数把Stream中的所有Value聚合成一个Value -- x = g(accumulated, current)，这个示例中 g 只是一个简单的add函数。然后，每Click一次， counterStream 就会把点击的总次数发给它的观察者。

　　为了展示RP真正的实力，让我们假设你想得到一个包含双击事件的Stream。为了让它更加有趣，假设我们想要的这个Stream要同时考虑三击(Triple clicks)，或者更加宽泛，连击(Multiple clicks)。深呼吸一下，然后想像一下在传统的命令式且带状态的方式中你会怎么实现。我敢打赌代码会像一堆乱麻，并且会使用一些的变量保存状态，同时也有一些计算时间间隔的代码。

　　而在RP中，这个功能的实现就非常简单。事实上，这逻辑只有 4行代码 。但现在我们先不管那些代码。用图表的方式思考是理解怎样构建Stream的最好方法，无论你是初学者还是专家。



　　灰色的方框是用来转换Stream的函数。首先，我们把连续250ms内的Click都放进一个列表(原文："First we accumulate clicks in lists, whenever 250 milliseconds of "event silence" has happened." 实在不知道怎么翻译，就按自己的理解写了一下) -- 简单来说就是 buffer(stream.throttle(250ms)) 做的事，不要在意这些细节，我们只是展示一下RP而已。结果是一个列表的Stream，然后我们使用 map() 把每个列表映射为一个整数，即它的长度。最终，我们使用 filter(x >= 2) 把整数 给过滤掉。就这样，3个操作就生成了我们想要的Stream。然后我们就可以订阅(监听)这个Stream，并以我们所希望的方式作出反应。

　　我希望你能感受到这个示例的优美之处。这个示例只是冰山一角：你可以把同样的操作应用到不同种类的Stream上，例如，一个API响应的Stream;另一方面，还有很多其它可用的函数。

　　为什么我要使用RP

　　RP提高了代码的抽象层级，所以你可以只关注定义了业务逻辑的那些相互依赖的事件，而非纠缠于大量的实现细节。RP的代码往往会更加简明。

　　特别是在开发现在这些有着大量与Data events相关的UI events的高互动性Webapps、Mobile apps的时候，RP的优势将更加明显。10年前，网页的交互就只是提交一个很长的表单到后端，而前端只有简单的渲染。Apps就表现得更加的实时了：修改一个表单域就能自动地把修改后的值保存到后端，为一些内容"点赞"时，会实时的反应到其它在线用户那里等等。

　　现在的Apps有着大量各种各样的实时Events，以给用户提供一个交互性较高的体验。我们需要工具去应对这个变化，而RP就是一个答案。

　　以RP方式思考的例子

　　让我们做一些实践。一个真实的例子一步一步的指导我们以RP的方式思考。不是虚构的例子，也没有只解释了一半的概念。学完教程之后，我们将写出真实可用的代码，并做到知其然，知其所以然。

　　在这个教程中，我将会使用 JavaScript 和 RxJS ，因为JavaScript是现在最多人会的语言，而 Rx* 库 有多种语言版本，并支持多种平台( .NET,Java,Scala,Clojure,JavaScript,Ruby,Python,C++,Objective-C/Cocoa,Groovy, 等等)。所以，无论你用的是什么语言、库，你都能从下面这个教程中学到东西。

　　实现"Who to follow"推荐界面
　　在Twitter上，这个界面看起来是这样的：


　　我们将会重点模拟它的核心功能，如下：

　　启动时从API那里加载帐户数据，并显示3个推荐
　　点击"Refresh"时，加载另外3个推荐用户到这三行中
　　点击帐号所在行的'x'按钮时，清除那个推荐然后显示一个新的推荐
　　每行都会显示帐号的头像，以及他们主页的链接

　　我们可以忽略其它的特性和按钮，因为它们是次要的。同时，因为Twitter最近关闭了对非授权用户的API，我们将会为Github实现这个推荐界面，而非Twitter。这是Github获取用户的API。

　　如果你想先看一下最终效果，这里有完成后的代码http://jsfiddle.net/staltz/8jFJH/48/ 。

　　Request与Response
　　在RP中你该怎么处理这个问题呢? 好吧，首先，(几乎) 所有的东西都可以转为一个Stream 。这就是RP的咒语。让我们先从最简单的特性开始："在启动时，从API加载3个帐号的数据"。这并没有什么特别，就只是简单的(1)发出一个请求，(2)收到一个响应，(3)渲染这个响应。所以，让我们继续，并用Stream代表我们的请求。一开始可能会觉得杀鸡用牛刀，但我们应当从最基本的开始，是吧?

　　在启动的时候，我们只需要发出一个请求，所以如果我们把它转为一个Data stream的话，那就是一个只有一个Value的Stream。稍后，我们知道将会有多个请求发生，但现在，就只有一个请求。

　　这是一个包含了我们想向其发出请求的URL的Stream。每当一个请求事件发生时，它会告诉我们两件事："什么时候"与"什么东西"。"什么时候"这个请求会被执行，就是什么时候这个Event会被emit。"什么东西"会被请求，就是这个emit出来的Value：一个包含URL的String。

　　在RX*中，创建只有一个Value的Stream是非常简单的。官方把一个Stream称作Observable，因为它可以被观察(can be observed => observable)，但是我发现那是个很傻逼的名子，所以我把它叫做 Stream 。

　　但是现在，那只是一个包含了String的Stream，并没有什么特别，所以我们需要以某种方式使Value被emit。就是通过订阅(Subscribing)这个Stream。

　　留意一下我们使用了jQuery的Ajax函数(我们假设你已经知道 它的用途 )去发出异步请求。但先等等，RP可以用来处理 异步 Data stream。那这个请求的响应就不能当作一个包含了将会到达的数据的Stream么?当然，从理论上来讲，应该是可以的，所以我们尝试一下。

　　Rx.Observable.create() 所做的事就是通过显式的通知每一个Observer(或者说是Subscriber) Data events( onNext() )或者Errors ( onError() )来创建你自己的Stream。而我们所做的就只是把jQuery Ajax Promise包装起来而已。 打扰一下，这意味者Promise本质上就是一个Observable?

　　Yes.

　　Observable就是Promise++。在Rx中，你可以用 var stream = Rx.Observable.fromPromise(promise) 轻易的把一个Promise转为Observable，所以我们就这样子做吧。唯一的不同就是Observable并不遵循 Promises/A+ ，但概念上没有冲突。Promise就是只有一个Value的Observable。RP Stream比Promise更进一步的是允许返回多个Value。

　　这样非常不错，并展现了RP至少有Promise那么强大。所以如果你相信Promise宣传的那些东西，那么也请留意一下RP能胜任些什么。

　　现在回到我们的例子，如果你已经注意到了我们在 subscribe() 内又调用了另外一个 subscribe() ，这类似于Callback hell。同样，你应该也注意到responseStream 是建立在 requestStream 之上的。就像你之前了解到的那样，在RP内有简单的机制可以从其它Stream中转换并创建出新的Stream，所以我们也应该这样子做。

　　你现在需要知道的一个基本的函数是 map(f) ，它分别把 f() 应用到Stream A中的每一个Value，并把返回的Value放进Stream B里。如果我们也对Request Stream与Response Stream进行同样的处理，我们可以把Request URL映射(map)为Response Promise(而Promise可以转为Streams)。

　　然后，我们将会创造一个叫做" Metastream "的怪物：包含Stream的Stream。暂时不需要害怕。Metastream就是emit的每个Value都是Stream的Stream。你可以把它想像为 指针(Pointer) ：每个Value都是一个指向其它Stream的指针。在我们的例子里，每个Request URL都会被映射(map)为一个指向包含响应Promise stream的指针。


　　Response的Metastream看起来会让人困惑，并且看起来也没有帮到我们什么。我们只想要一个简单的Response stream，它返回的Value应该是JSON而不是一个JSON对象的'Promise'。是时候介绍Mr. Flatmap了：它是 map() 的一个版本，通过把应用到"trunk" Stream上的所有操作都应用到"branch" Stream上，可以"flatten" Metastream。Flatmap并不是用来"fix" Metastream的，因为Metastream也不是一个Bug，这只是一些用来处理RP中的异步响应(Asynchronous response)的工具。



　　很好。因为Response stream是根据Request stream定义的，所以 如果 我们后面在Request stream上发起更多的请求的话，在Response stream上我们将会得到相应的Response event，就像预期的那样：

　　现在，我们终于有了一个Response stream，所以可以把收到的数据渲染出来了：

　　把目前为止所有的代码放到一起就是这样：

　　Refresh按钮

　　我之前并没有提到返回的JSON是一个有着100个用户数据的列表。因为这个API只允许我们设置偏移量(Offset)，而无法设置返回的用户数，所以我们现在是只用了3个用户的数据而浪费了另外97个的数据。这个问题暂时可以忽略，稍后我们会学习怎么缓存这些数据。

　　每点击一次Refresh按钮，Request stream就会emit一个新的URL，同时也会返回一个新的Response。我们需要两样东西：一个是Refresh按钮上Click events组成的Stream(咒语：一切皆Stream)，而Request stream将改为随Refresh click stream作出反应。幸运的是，RxJS提供了从Event listener生成Observable的函数。

　　既然Refresh click event本身并没有提供任何要请求的API URL，我们需要把每一次的Click都映射为一个URL。现在，我们把Refresh click stream映射为新的Request stream，其中每一个Click都分别映射为对API请求一个随机偏移量的URL。

　　因为我比较笨并且也没有使用自动化测试，所以我刚把之前做好的一个特性搞烂了。现在在启动时不会再发出任何的Request，而只有在点击Refresh按钮时才会。额...这两个行为我都需要：无论是点击Refresh按钮时还是刚打开页面时都该发出一个Request。

　　我们知道怎么分别为这两种情况生成Stream：

　　但我们怎样才能把这两个"合成(merge)"一个呢?好吧，有 merge() 函数。这就是它做的事的图解：

　　这样就简单了：

　　还有一个更加干净的可选方案，不需要使用中间变量。

　　甚至可以更短，更具有可读性：

　　startWith() 函数做的事和你预期的完全一样。无论你输入的Stream是怎样，startWith(x) 输出的Stream一开始都是 x 。但是还不够 DRY ，我重复了API URL。一个改进的方法是移掉 refreshClickStream 最后的 startWith() ，并在一开始的时候"emulate"一次Click。

　　很好。如果你把之前我"搞烂了的版本"的代码和现在的相比，就会发现唯一的不同是加了 startWith() 函数。

　　用Stream构建三个推荐

　　到现在为止，我们只是谈及了这个 推荐 UI元素在responeStream的 subscribe()内执行的渲染步骤。对于Refresh按钮，我们还有一个问题：当你点击 Refresh 时，当前存在的三个推荐并不会被清除。新的推荐会在Response到达后出现，为了让UI看起来舒服一些，当点击刷新时，我们需要清理掉当前的推荐。

　　不，别那么快，朋友。这样不好，我们现在有 两个 Subscriber会影响到推荐的DOM元素(另外一个是 responseStream.subscribe() )，而且这样完全不符合Separation of concerns 。还记得RP的咒语么?


　　所以让我们把显示的推荐设计成emit的值为一个包含了推荐内容的JSON对象的Stream。我们以此把三个推荐内容分开来。现在第一个推荐看起来是这样子的：

　　其他的， suggestion2Stream 和 suggestion3Stream 可以简单的拷贝suggestion·Stream 的代码来使用。这不是DRY，它会让我们的例子变得更加简单一些，加之我觉得这是一个可以帮助考虑如何减少重复的良好实践。

　　我们不在responseStream的subscribe()中处理渲染了，我们这么处理：

　　回到"当刷新时，清理掉当前的推荐"，我们可以很简单的把刷新点击映射为 null(即没有推荐数据)，并且在 suggestion1Stream 中包含进来，如下：

　　当渲染时， null 解释为"没有数据"，所以把UI元素隐藏起来。

　　现在的示意图：

　　N 即代表了 null

　　作为一种补充，我们也可以在一开始的时候就渲染空的推荐内容。这通过把startWith(null) 添加到Suggestion stream就完成了：

　　现在结果是：

　　关闭推荐并缓存Response

　　还有一个功能需要实现。每一个推荐，都该有自己的"X"按钮以关闭它，然后在该位置加载另一个推荐。最初的想法，是点击任何关闭按钮时都需要发起一个新的请求：

　　这个没有效果。这将会关闭并且重新加载 所有 的推荐，而不是仅仅处理我们点击的那一个。有一些不一样的方法可以解决，并且让它变得更加有趣，我们可以通过复用之前的请求来解决它。API的Response有100个用户，而我们仅仅使用其中的三个，所以还有很多的新数据可以使用，无须重新发起请求。

　　同样的，我们用Stream的方式来思考。当点击'close1'时，我们想要从responseStream 最近emit的 Response列表中获取一个随机的用户，如：

　　在Rx*中， combineLatest 似乎实现了我们想要的功能。它接受两个Stream，A和B作为输入，当其中一个Stream emit一个值时， combineLatest 把最近两个emit的值 a 和 b 从各自的Stream中取出并且返回一个 c = f(x,y) ， f 为你定义的函数。用图来表示更好：

　　我们可以在 close1ClickStream 和 responseStream 上使用combineLatest()，所以无论什么时候当一个按钮被点击时，我们可以拿到Response最新emit的值，并且在 suggestion1Stream 上产生一个新的值。另一方面，combineLatest()是对称的，当一个新的Response 在 responseStream emit时，它将会把最后的'关闭 1'的点击事件一起合并来产生一个新的推荐。这是有趣的，因为它允许我们把之前的suggestion1Stream 代码简化成下边这个样子：

　　还有一个问题需要解决。combineLatest()使用最近的两个数据源，但是当其中一个来源没发起任何事件时，combineLatest()无法在Output stream中产生一个Data event。从上边的ASCII图中，你可以看到，在第一个Stream emit a 这个值时并没有任何输出产生，只有当第二个Stream emit b 时才有值输出。

　　有多种方法可以解决这个问题，我们选择最简单的一种，一开始在'close 1'按钮上模拟一个点击事件：

　　终于完成了，所有的代码合在一起是这样子：

　　你可以查看这个最终效果 http://jsfiddle.net/staltz/8jFJH/48/

　　这段代码虽然短小，但实现了不少功能：它适当的使用Separation of concerns实现了对Multiple events的管理，甚至缓存了响应。函数式的风格让代码看起来更加Declarative而非Imperative：我们并非给出一组指令去执行，而是通过定义Stream之间的关系 定义这是什么 。举个例子，我们使用RP告诉计算机 suggestion1Stream 是由 'close 1' Stream与最新响应中的一个用户合并(combine)而来，在程序刚运行或者刷新时则是 null 。

　　留意一下代码中并没有出现如 if 、 for 、 while 这样的控制语句，或者一般JavaScript应用中典型的基于回调的控制流。如果你想使用 filter() ，上面的subscribe() 中甚至可以不用 if 、 else (实现细节留给读者作为练习)。在RP中，我们有着像 map 、 filter 、 scan 、 merge 、 combineLatest 、startWith 这样的Stream函数，甚至更多类似的函数去控制一个事件驱动(Event-driven)的程序。这个工具集让你可以用更少的代码实现更多的功能。

　　如果你觉得Rx*会成为你首选的RP库，花点时间去熟悉这个函数列表，包括了如何转换(transform)、合并(combine)、以及创建Observable。如果你想通过图表去理解这些函数，看一下这份 RxJava's very useful documentation with marble diagrams 。无论什么时候你遇到问题，画一下这些图，思考一下，看一下这一大串函数，然后继续思考。以我个人经验，这样效果很明显。

　　一旦你开始使用Rx*去编程，很有必要去理解 Cold vs Hot Observables 中的概念。如果忽略了这些，你一不小心就会被它坑了。我提醒过你了。通过学习真正的函数式编程(Funational programming)去提升自己的技能，并熟悉那些会影响到Rx*的问题，比如副作用(Side effect)。

　　但是RP不仅仅有Rx*。还有相对容易理解的 Bacon.js ，它没有Rx*那些怪癖。 Elm Language 则以它自己的方式支持RP：它是一门会编译成Javascript + HTML + CSS的RP 语言 ，并有一个 Time travelling debugger 。非常NB。

　　RP在需要处理大量事件的Frontend和Apps中非常有用。但它不仅仅能用在客户端，在Backend或者与Database交互时也非常有用。事实上， RxJava是实现Netflix's API服务器端并发的一个重要组件 。RP并不是一个只能在某种应用或者语言中使用的Framework。它本质上是一个在开发任何Event-driven软件中都能使用的编程范式(Paradigm)。

　　原文链接： https://github.com/benjycui/introrx-chinese-edition

内容总结

以上是互联网集市为您收集整理的响应式编程（ReactiveProgramming）介绍全部内容，希望文章能够帮你解决响应式编程（ReactiveProgramming）介绍所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---