RxJava2.x使用以及操作符详解

RxJava2.x是一个非常棒的流式编程,采用的观察者模式思想,事件的产生者产生事间之后发送给绑定的接受者,接受顺序与发送顺序一致.但是 是独立于RxJava1.x存在,本文讲解RxJava2.x的简单使用

RxJava2 封装主要变化

• Transformer的变化:RxJava1.X为rx.Observable.Transformer接口, 继承自Func1<Observable<T>, Observable<R>>, RxJava2.X为io.reactivex.ObservableTransformer<Upstream, Downstream>,是一个独立的接口。
• Flowable则是FlowableTransformer，如果你使用Flowable，以下ObservableTransformer替换FlowableTransformer即可。



compile 'io.reactivex.rxjava2:rxjava:2.1.0'  compile 'io.reactivex.rxjava2:rxandroid:2.0.1'

简单使用:

//观察者模式,这里产生事件,事件产生后发送给接受者,但是一定要记得将事件的产生者和接收者捆绑在一起,否则会出现错误Observable.create(new ObservableOnSubscribe<String>() {    @Override    public void subscribe(ObservableEmitter<String> e) throws Exception {        //这里调用的方法会在产生事件之后会发送给接收者,接收者对应方法会收到        e.onNext("hahaha");        e.onError(new Exception("wulala"));        e.onComplete();    }}).subscribe(new Observer<String>() {    //接受者,根据事件产生者产生的事件调用不同方法    @Override    public void onSubscribe(Disposable d) {        Log.e(TAG, "onSubscribe: ");    }    @Override    public void onNext(String value) {        Log.e(TAG, "onNext: " + value);    }    @Override    public void onError(Throwable e) {        Log.e(TAG, "onError: ", e);    }    @Override    public void onComplete() {        Log.e(TAG, "onComplete: ");    }});

我们来用图解一下这其中发生了什么事:

Paste_Image.png

上游朝下游发送数据,经过subscribe使上下游产生关系,即达成订阅.

解析1:
ObservableEmitter,这是个啥东西?Emitter:顾名思义,即Rxjava的发射器,通过这个发射器,即可发送事件-----通过调用onNext,onError,onComplete方法发送不同事件.

注意:
虽然RxJava可以进行事件发送,但这并不意味着你可以随便发送,这其中需要遵循一些规则.


onNext:你可以发送无数个onNext,发送的每个onNext接受者都会接收到.


onError:当发送了onError事件之后,发送者onError之后的事件依旧会继续发送,但是接收者当接收到onError之后就会停止接收事件了.


onComplete:当发送了onComplete事件之后,发送者的onComplete之后的事件依旧会继续发送,但是接收者接收到onComplete之后就停止接收事件了.


onError事件和onComplete事件是互斥的,但是这并不代表你配置了多个onError和onComplete一定会崩溃,多个onComplete是可以正常运行的,但是只会接收到第一个,之后的就不会再接收到了,多个onError时,只会接收到第一个,第二个会直接造成程序崩溃.

解析2:
Disposable又是个啥东西,翻译之后百度告诉我这东西叫做一次性的,是用来控制发送者和接受者之间的纽带的,默认为false,表示发送者和接受者直接的通信阀门关闭,可以正常通信,在调用dispose()方法之后,阀门开启,会阻断发送者和接收者之间的通信,从而断开连接.

重载方法:

          subscribe();          //表示发送者随意发送数据,接受者什么都不管,什么都不接收.          subscribe(Consumer<? super T> onNext) {}     //只响应onNext()事件,其他的事件忽略.          subscribe(Consumer<? super T> onNext, Consumer<? super Throwable> onError) {}         //含义同上          subscribe(Consumer<? super T> onNext, Consumer<? super Throwable> onError, Action onComplete) {}         //含义同上          subscribe(Consumer<? super T> onNext, Consumer<? super Throwable> onError, Action onComplete, Consumer<? super Disposable> onSubscribe) {}     //含义同上

解析3:
默认情况下,发送者和接收者都运行在主线程,但是这显然是不符合实际需求的,我们在日常使用中,通常用的最多的就是在子线程进行各种耗时操作,然后发送到主线程进行,难道我们就没有办法继续用这个优秀的库了?想多了你,一个优秀的库如果连这都想不到,怎么能被称为优秀呢,RxJava中有线程调度器,通过线程调度器,我们可以很简单的实现这种效果,下面放代码.

Observable.create(new ObservableOnSubscribe<String>() {    @Override    public void subscribe(ObservableEmitter<String> e) throws Exception {        e.onNext("hahaha");        e.onNext("hahaha");        e.onNext("hahaha");        Log.e(TAG,"运行在什么线程" + Thread.currentThread().getName());        e.onComplete();    }}).subscribeOn(Schedulers.newThread())               //线程调度器,将发送者运行在子线程  .observeOn(AndroidSchedulers.mainThread())          //接受者运行在主线程  .subscribe(new Observer<String>() {    @Override    public void onSubscribe(Disposable d) {        Log.e(TAG, "onSubscribe: ");        Log.e(TAG,"接收在什么线程" + Thread.currentThread().getName());    }    @Override    public void onNext(String value) {        Log.e(TAG, "onNext: " + value);    }    @Override    public void onError(Throwable e) {        Log.e(TAG, "onError: ", e);    }    @Override    public void onComplete() {        Log.e(TAG, "onComplete: ");    }});

注意事项: 变换线程方法与1.x一致
subscribeOn(),只有在第一次调用的时候生效,之后不管调用多少次,只会以第一次为准.
observeOn(),可以被调用多次,每次调用都会更改线程.

RxJava线程池中的几个线程选项

      - Schedulers.io()      io操作的线程, 通常io操作,如文件读写.      - Schedulers.computation()      计算线程,适合高计算,数据量高的操作.      - Schedulers.newThread()      创建一个新线程,适合子线程操作.      - AndroidSchedulers.mainThread()      Android的主线程,主线程

---

操作符之变换

Map:

首先是变换操作符- > Map,(此处引入以前看过的一篇文章的一句话:不知道Map已经统治世界了么?)那么在RxJava2中,Map究竟是个什么鬼.
map是RxJava中最简单的一个变换操作符,它的作用是将上游发送过来的事件都去应用一个函数,让每一个事件都按照该函数去变化,下游接收到事件时,就变成了变化过后的事件,多说无益,上代码.

Observable.create(new ObservableOnSubscribe<Integer>() {        @Override        public void subscribe(ObservableEmitter<Integer> e) throws Exception {            e.onNext(1);            e.onNext(2);            e.onNext(3);        }    }).map(new Function<Integer, String>() {        @Override        public String apply(Integer integer) throws Exception {            return "我是变换过后的" + integer;        }    }).subscribe(new Consumer<String>() {        @Override        public void accept(String s) throws Exception {            Log.e("XYK",s);        }    });}

通过运行结果可以看到,我们在上游发送的数据类型为Integer,到了下游接收到的数据为String类型,中间通过map对其进行了转换,是不是感觉很强大?通过map我们可以将上游数据转化为任意类型发送到下游,就是这么6~

圆形事件1,2,3,经过Map转化之后,变成了三角形事件1,2,3,但是有童鞋要问了,这有什么用呢,我们来举一个实际需求的例子,用Map来做一下:

读取一篇英文文章,将文章中的字符全部转换为大写.

我们先来用非RxJava2来做一下:

//模拟一篇文章String article = "fkjdsalijfofldaJFOIEjfldanlJR2OnfldajilwafkndaIUPO32,LFKjlijuJFLMA";        char[] chars = article.toCharArray();        StringBuffer sb = new StringBuffer();        for (int i = 0; i < chars.length; i++) {            Log.e(TAG,chars[i] + "");            if(chars[i] >= 'a' && chars[i] <= 'z'){                sb.append((chars[i] + "").toUpperCase());            }else{                sb.append(chars[i]);            }        }        Log.e(TAG,sb.toString());

好像看上去没什么问题,但是这逼格显然不够高,程序员的精髓不就是要敲出一段逼格超高的代码么,我们试试用RxJava2:

//模拟一篇文章        String article = "fkjdsalijfofldaJFOIEjfldanlJR2OnfldajilwafkndaIUPO32,LFKjlijuJFLMA";        final char[] chars = article.toCharArray();        Observable.create(new ObservableOnSubscribe<Character>() {            @Override            public void subscribe(ObservableEmitter<Character> e) throws Exception {                for (int i = 0; i < chars.length; i++) {                    e.onNext(chars[i]);                }            }            //delay  延时5秒发送        }).delay(5, TimeUnit.SECONDS)                //事件类型转换                .map(new Function<Character, String>() {                    @Override                    public String apply(Character s) throws Exception {                        if (s >= 'a' && s <= 'z') {                            return s.toString().toUpperCase();                        } else {                            return s.toString();                        }                    }                })                //线程调度                .subscribeOn(Schedulers.io())                .observeOn(AndroidSchedulers.mainThread())                .subscribe(new Consumer<String>() {                    @Override                    public void accept(String s) throws Exception {                        Log.e(TAG, s);                    }                });

瞬间逼格就上去了,而且还做了线程调度等操作,是不是心头顿时感觉一串666飘过,这仅仅是最基础的转化操作符,接下来我们在看一个FlatMap:

FlatMap

FlatMap,上来就看到map,这个操作符和刚才的map有什么区别呢,flatmap可以将上游发送过来的数据,变换为多个数据,然后合并为一个事件发送到下游,这么说是不是有点难懂?恩,还是直接上代码:

Observable.create(new ObservableOnSubscribe<Integer>() {        @Override        public void subscribe(ObservableEmitter<Integer> e) throws Exception {            e.onNext(1);            e.onNext(2);            e.onNext(3);        }    }).flatMap(new Function<Integer, ObservableSource<String>>() {        @Override        public ObservableSource<String> apply(Integer integer) throws Exception {            List<String> list = new ArrayList<String>();            for (int i = 0; i < 5; i++) {                list.add("我是变换过的" + integer);            }            return Observable.fromIterable(list);        }    }).subscribe(new Consumer<String>() {        @Override        public void accept(String s) throws Exception {            Log.e("XYK", s);        }    });}

通过运行结果可以看到,上游发送的数据在到达flatmap的时候,经过处理,将每个事件变成了5个,而后将5个合并为1个事件发送到下游,并且我们可以注意到,发送到下游的数据是无序的,那么这时候就要说了,我要接收的事件是有序的怎么办,这就是接下来要说的concatMap.

ConcatMap:

ConcatMap和FlatMap一样,只不过一个是有序,一个是无序而已,我们直接把上边的代码做一个更改:

Observable.create(new ObservableOnSubscribe<Integer>() {        @Override        public void subscribe(ObservableEmitter<Integer> e) throws Exception {            e.onNext(1);            e.onNext(2);            e.onNext(3);        }    }).concatMap(new Function<Integer, ObservableSource<String>>() {        @Override        public ObservableSource<String> apply(Integer integer) throws Exception {            List<String> list = new ArrayList<String>();            for (int i = 0; i < 5; i++) {                list.add("我是变换过的" + integer);            }            return Observable.fromIterable(list);        }    }).subscribe(new Consumer<String>() {        @Override        public void accept(String s) throws Exception {            Log.e("XYK", s);        }    });}

过滤操作符

Filter

Filter,顾名思义,过滤器,可以过滤掉一部分不符合要求的事件,当上游给我们发送的数据超多,而下游需要的只是一些特定的数据,如果全部接收上游发送的数据,很容易造成OOM,为了避免OOM的出现,我们则需要对上游数据进行过滤,具体操作如下:

    Observable.create(new ObservableOnSubscribe<Integer>() {            @Override            public void subscribe(ObservableEmitter<Integer> e) throws Exception {                for (int i = 0; i < 10000; i++) {                    e.onNext(i);                }            }        }).observeOn(Schedulers.io())                .subscribeOn(AndroidSchedulers.mainThread())                .filter(new Predicate<Integer>() {                    @Override                    public boolean test(Integer integer) throws Exception {                        return integer % 7 == 0;                    }                }).subscribe(new Consumer<Integer>() {            @Override            public void accept(Integer integer) throws Exception {                Log.e("XYK",integer + "");            }        });    }

在上面的代码中,我们朝下游发送了10000个数据,而我只需要其中可以被7整除的数据,利用filter,将其他的数据过滤出去,留下需要的数据.

Filter方法使我们经常用到的一个过滤方法,基本已经可以满足大部分应用场所了,最常见的是过滤一些null对象,但是除此之外,还有一些其他的过滤方法,我们也来看下.

Sample

Sample,样品,其功能也是,sample会每隔一段时间对上游数据进行取样,发送到下游,但是这样会导致丢失了大量事件,比较适合特定场合,如对一组数中进行抽样,代码如下:

   Observable.create(new ObservableOnSubscribe<Integer>() {            @Override            public void subscribe(ObservableEmitter<Integer> e) throws Exception {                for (int i = 0; ; i++) {                    e.onNext(i);                }            }        }).sample(1,TimeUnit.SECONDS)                .subscribe(new Consumer<Integer>() {                    @Override                    public void accept(Integer integer) throws Exception {                        Log.e("XYK",integer + "");                    }                });    }

在上边的代码中,使用sample之后,每隔1秒对上游数据采样一次,发送到下游,其他事件则被过滤.

take/takeList

take和takeList方法可以将上游事件中的前N项或者最后N项发送到下游,其他事件则进行过滤,代码如下:

 Observable.create(new ObservableOnSubscribe<Integer>() {            @Override            public void subscribe(ObservableEmitter<Integer> e) throws Exception {                for (int i = 0; ; i++) {                    e.onNext(i);                }            }        }).take(3)        //.takeList(3)                .subscribe(new Consumer<Integer>() {                    @Override                    public void accept(Integer integer) throws Exception {                        Log.e("XYK",integer + "");                    }                });    }

distinct

distinct方法,可以将重复对象去除重复对象,这里我们要用到一个方法,repeat(),产生重复事件,这里重复事件,再去除有些多余,只作为一个例子来展示.

Observable.create(new ObservableOnSubscribe<Integer>() {            @Override            public void subscribe(ObservableEmitter<Integer> e) throws Exception {                for (int i = 0;i < 50; i++) {                    e.onNext(i);                }            }        }).take(3)                //生成重复事件                .repeat(3)                .distinct()                .subscribe(new Consumer<Integer>() {                    @Override                    public void accept(Integer integer) throws Exception {                        Log.e("XYK",integer + "");                    }                });




组合操作符

zip操作符:

Observable<Integer> observable = Observable.create(new ObservableOnSubscribe<Integer>() {    @Override    public void subscribe(ObservableEmitter<Integer> e) throws Exception {        e.onNext(1);        e.onNext(2);        e.onNext(3);        e.onNext(4);    }});Observable<String> observable1 = Observable.create(new ObservableOnSubscribe<String>() {    @Override    public void subscribe(ObservableEmitter<String> e) throws Exception {        e.onNext("这是");        e.onNext("这个是");        e.onNext("这个则是");    }});Observable<String> observable2 = Observable.create(new ObservableOnSubscribe<String>() {    @Override    public void subscribe(ObservableEmitter<String> e) throws Exception {        e.onNext("个");        e.onNext("只");        e.onNext("条");        e.onNext("张");        e.onNext("本");        e.onNext("副");    }});Observable.zip(observable, observable1, observable2, new Function3<Integer, String, String, String>() {    @Override    public String apply(Integer integer, String s, String s2) throws Exception {        return s + integer + s2;    }}).subscribe(new Consumer<String>() {    @Override    public void accept(String s) throws Exception {        Log.e("XYK",s);    }});

运行结果:

Paste_Image.png

我们可以看到,3条上游中分别有4个事件,3个事件,6个事件,经过zip操作符操作之后为什么就只变成了3个事件了呢?我们来打下Log,看看其他事件去哪了.

添加Log之后的运行结果:

Paste_Image.png

根据运行结果可以看到,上游逐条发送到下游,下游在接收到最后一条上游发送过来的事件之后开始组合,而多余的数据也被发送了,但是并没有被进行组合,这样是不是就看明白了呢?但是这时候有问题了,组合完成之后,多余的数据依旧在发送,如果我们不停发呢?会产生什么后果?,我们来修改一下observable
的代码:

Observable<Integer> observable = Observable.create(new ObservableOnSubscribe<Integer>() {    @Override    public void subscribe(ObservableEmitter<Integer> e) throws Exception {        for (int i = 0; ; i++) {            Log.e("XYK",i + "");            e.onNext(i);        }    }});

运行之后通过Monitors我们查看一下内存:(Sorry,这里没截下图来....可以自己试一下,不过想一下也知道,内存肯定会暴增嘛...)

在内存持续暴增的情况下,可能用不了多久就会OOM,这种情况下我们应该怎么办呢?

还记不记得上篇文章写了啥,过滤啊,我们把不需要的过滤掉不就好了

Observable<Integer> observable = Observable.create(new ObservableOnSubscribe<Integer>() {    @Override    public void subscribe(ObservableEmitter<Integer> e) throws Exception {        for (int i = 0; ; i++) {            e.onNext(i);        }    }}).filter(new Predicate<Integer>() {    @Override    public boolean test(Integer integer) throws Exception {        return integer % 100 == 0;    }});

当然,除此之外还有很多办法,可以根据实际情况来进行组合应用.

RxJava中的zip操作符作用是将多条上游发送的事件进行结合到一起,发送到下游,并且按照顺序来进行结合,如多条上游中发送的事件数量不一致,则以最少的那条中的事件为准,下游接收到的事件数量和其相等.

---

Rxjava的2.x与1.x的区别(官翻)

Nulls

RxJava 2x 不再支持 null 值，如果传入一个null会抛出 NullPointerException

Observable.just(null);Single.just(null);Observable.fromCallable(() -> null)    .subscribe(System.out::println, Throwable::printStackTrace);Observable.just(1).map(v -> null)    .subscribe(System.out::println, Throwable::printStackTrace);

这意味着 Observable<Void> 不再发射任何值，而只是正常结束或者抛出异常。API 设计者可以定义 Observable<Object> 这样的观察者， 因为并不确定具体是什么类型的 Object。例如，如果你需要一个 signaller-like ，你可以定义一个共享的枚举类型，它是一个单独的实例onNext‘d:

enum Irrelevant { INSTANCE; }Observable<Object> source = Observable.create((ObservableEmitter<Object> emitter) -> {   System.out.println("Side-effect 1");   emitter.onNext(Irrelevant.INSTANCE);   System.out.println("Side-effect 2");   emitter.onNext(Irrelevant.INSTANCE);   System.out.println("Side-effect 3");   emitter.onNext(Irrelevant.INSTANCE);});source.subscribe(e -> { /* Ignored. */ }, Throwable::printStackTrace);

Observable 和 Flowable

在RxJava 0.x中关于介绍backpressure部分有一个小小的遗憾，那就是没有用一个单独的类，而是使用了Observable。 主要的背压问题是有很多很火的代码，像UI events，不能合理的背压，导致了无法意料的 MissingBackpressureException。

我们试图在 2.x 中纠正这个问题。因此我们把io.reactivex.Observable 设计成非背压的，并增加一个新的io.reactivex.Flowable 去支持背压。

好消息是操作符的名字几乎没有改动。坏消息是当你执行’organize imports’时必须要格外的小心，它可能无意的给你选择一个非背压的io.reactivex.Observable 。

Single

2.x 的Single类可以发射一个单独onSuccess 或 onError消息。它现在按照Reactive-Streams规范被重新设计，SingleObserver改成了如下的接口。

interface SingleObserver<T> {    void onSubscribe(Disposable d);    void onSuccess(T value);    void onError(Throwable error);}

并遵循协议 onSubscribe (onSuccess | onError)?.

Completable

Completable大部分和以前的一样。因为它在1.x的时候就是按照Reactive-Streams的规范进行设计的。

命名上有些变化， 
rx.Completable.CompletableSubscriber 变成了 io.reactivex.CompletableObserver 和 onSubscribe(Disposable):

interface CompletableObserver<T> {    void onSubscribe(Disposable d);    void onComplete();    void onError(Throwable error);}

并且仍然遵循协议 onSubscribe (onComplete | onError)?.

Maybe

RxJava 2.0.0-RC2 介绍了一个新的类型 Maybe 。从概念上来说，它是Single 和 Completable 的结合体。它可以发射0个或1个通知或错误的信号。

Maybe类结合了MaybeSource, MaybeObserver<T>作为信号接收接口，同样遵循协议onSubscribe (onSuccess | onError | onComplete)?。因为最多有一个元素被发射，Maybe没有背压的概念。

这意味着调用onSubscribe(Disposable)请求可能还会触发其他 onXXX方法。和Flowable不同，如果那有一个单独的值要发射，那么只有onSuccess被调用，onComplete不被调用。

这个新的类,实际上和其他Flowable的子类操作符一样可以发射0个或1个序列。

Maybe.just(1).map(v -> v + 1).filter(v -> v == 1).defaultIfEmpty(2).test().assertResult(2);

Base reactive interfaces

基础reactive接口

按照Reactive-Streams风格的Flowable实现了 Publisher<T>接口，其他基础类也实现了类似的基础接口

interface ObservableSource<T> {    void subscribe(Observer<? super T> observer);}interface SingleSource<T> {    void subscribe(SingleObserver<? super T> observer);}interface CompletableSource {    void subscribe(CompletableObserver observer);}interface MaybeSource<T> {    void subscribe(MaybeObserver<? super T> observer);}

因此，很多操作符需要从用户接收Publisher 和 XSource的一些基础的类型。

Flowable<R> flatMap(Function<? super T, ? extends Publisher<? extends R>> mapper);Observable<R> flatMap(Function<? super T, ? extends ObservableSource<? extends R>> mapper);

通过Publisher作为输入，你可以组合其他的遵从Reactive-Streams规范的库，而不需要包裹或把它们转换成Flowable。

如果一个操作符必须要提供一个基础类，那么用户将会收到一个完整的基础类。

Flowable<Flowable<Integer>> windows = source.window(5);source.compose((Flowable<T> flowable) ->     flowable    .subscribeOn(Schedulers.io())    .observeOn(AndroidSchedulers.mainThread()));

Subjects 和 Processors

在Reactive-Streams规范中，Subject类似于行为，即消费者和提供者的事件在同一时间发生。随着Observable/Flowable的分离，支持背压的类都是遵从Reactive-Streams规范的FlowableProcessor<T>的子类。一个关于Subject重要的变化是它们不再支持T -> R这样的转换。

在 2.x 中， io.reactivex.subjects.AsyncSubject, io.reactivex.subjects.BehaviorSubject,io.reactivex.subjects.PublishSubject, io.reactivex.subjects.ReplaySubject 和 io.reactivex.subjects.UnicastSubject 不支持背压。

io.reactivex.processors.AsyncProcessor, io.reactivex.processors.BehaviorProcessor,io.reactivex.processors.PublishProcessor, io.reactivex.processors.ReplayProcessor 和io.reactivex.processors.UnicastProcessor 支持背压。 BehaviorProcessor 和 PublishProcessor 不能协同请求下级的订阅者，如果下游不能保存，则会发射一个MissingBackpressureException异常。其他XProcessor类支持对下游订阅者背压，但是当被订阅源时，它们会无限制的消费。

其他类

rx.observables.ConnectableObservable 现在是io.reactivex.observables.ConnectableObservable<T> 和io.reactivex.flowables.ConnectableFlowable<T>。

GroupedObservable

rx.observables.GroupedObservable 现在是io.reactivex.observables.GroupedObservable<T>和io.reactivex.flowables.GroupedFlowable<T>.

在1.x中，你可以用GroupedObservable.from()创建一个实例。在2.x中，所有实例都直接继承了GroupedObservable，因此这个工厂方法不再可用； 现在整个类都是抽象的。

不过你可以继承类然后添加你自定义的subscribeActual行为来达到1.x中相似的功能。

class MyGroup<K, V> extends GroupedObservable<K, V> {    final K key;    final Subject<V> subject;    public MyGroup(K key) {        this.key = key;        this.subject = PublishSubject.create();    }    @Override    public T getKey() {        return key;    }    @Override    protected void subscribeActual(Observer<? super T> observer) {        subject.subscribe(observer);    }}

功能接口

1.x 和 2.x 是跑在Java 6以上的虚拟机的，所以我们不能使用Java8的功能接口(functional interfaces)，比如java.util.function.Function。但我们可以按照这个例子来定义自己的功能接口(functional interfaces)。

一个值得注意的区别是所有的功能接口(functional interfaces)都定义了throws Exception。这对于consumers 和 mappers 来说是一个巨大的便利，你不需要用try-catch捕获异常。

Flowable.just("file.txt").map(name -> Files.readLines(name)).subscribe(lines -> System.out.println(lines.size()), Throwable::printStackTrace);

如果文件不存在或者不可读，结尾的consumer会直接输出IOException。你可以直接调用Files.readLines(name)而不需要捕获异常。

Actions

为了减少组件数量，2.x中没有定义Action3-Action9和ActionN。

保留的action接口按照Java 8 functional风格命名。 无参数的Action0 被操作符io.reactivex.functions.Action和Scheduler代替。Action1被重命名为Consumer。Action2 被重命名为BiConsumer。 ActionN 被Consumer<Object[]> 代替。

Functions

我们按照Java 8的命名风格定义了io.reactivex.functions.Function 和io.reactivex.functions.BiFunction, 把Func3 - Func9 分别改成了 Function3 - Function9 。FuncN被Function<Object[], R>代替。

此外，操作符不再使用Func1<T, Boolean>但原始返回类型为Predicate<T>。

io.reactivex.functions.Functions类提供了常见的转换功能Function<Object[], R>

Subscriber

Reactive-Streams规范有自己的Subscriber。这个接口是轻量级的，并且把请求管理和取消机制整合进了一个单独的接口org.reactivestreams.Subscription，而不是分别用rx.Producer 和 rx.Subscription。这就可以用比1.x中rx.Subscriber更少的内部状态来创建一个stream consumers。

Flowable.range(1, 10).subscribe(new Subscriber<Integer>() {    @Override    public void onSubscribe(Subscription s) {        s.request(Long.MAX_VALUE);    }    @Override    public void onNext(Integer t) {        System.out.println(t);    }    @Override    public void onError(Throwable t) {        t.printStackTrace();    }    @Override    public void onComplete() {        System.out.println("Done");    }});

由于命名冲突，把rx 包改成org.reactivestreams。此外org.reactivestreams.Subscriber 不能从外面添加、取消或请求。

为了弥补这一空缺，我们为Flowable定义了抽象类DefaultSubscriber, ResourceSubscriber 和 DisposableSubscriber 分别提供了类似于rx.Subscriber的资源跟踪支持，并且可以从外面取消 dispose():

ResourceSubscriber<Integer> subscriber = new ResourceSubscriber<Integer>() {    @Override    public void onStart() {        request(Long.MAX_VALUE);    }    @Override    public void onNext(Integer t) {        System.out.println(t);    }    @Override    public void onError(Throwable t) {        t.printStackTrace();    }    @Override    public void onComplete() {        System.out.println("Done");    }};Flowable.range(1, 10).delay(1, TimeUnit.SECONDS).subscribe(subscriber);subscriber.dispose();

注意，由于Reactive-Streams的兼容性，方法onCompleted被重命名为onComplete。

因为1.x中，Observable.subscribe(Subscriber)返回Subscription，用户经常添加Subscription到CompositeSubscription中，例如:

CompositeSubscription composite = new CompositeSubscription();composite.add(Observable.range(1, 5).subscribe(new TestSubscriber<Integer>()));由于Reactive-Streams规范，Publisher.subscribe无返回值。为了弥补这一点，我们增加了E subscribeWith(E subscriber)方法。因为在2.x中ResourceSubscriber 直接实现了Disposable，所以代码可以这样写。

CompositeDisposable composite2 = new CompositeDisposable();composite2.add(Flowable.range(1, 5).subscribeWith(subscriber));

在onSubscribe/onStart中调用request

注意，在Subscriber.onSubscribe或ResourceSubscriber.onStart中调用request(n)将会立即调用onNext，实例代码如下：

Flowable.range(1, 3).subscribe(new Subscriber<Integer>() {    @Override    public void onSubscribe(Subscription s) {        System.out.println("OnSubscribe start");        s.request(Long.MAX_VALUE);        System.out.println("OnSubscribe end");    }    @Override    public void onNext(Integer v) {        System.out.println(v);    }    @Override    public void onError(Throwable e) {        e.printStackTrace();    }    @Override    public void onComplete() {        System.out.println("Done");    }});

This will print: 
将会打印:

OnSubscribe start123DoneOnSubscribe end

当你在onSubscribe/onStart中做了一些初始化的工作，而这些工作是在request后面时，会出现一些问题，在onNext执行时，你的初始化工作的那部分代码还没有执行。为了避免这种情况，请确保你调用request时，已经把所有初始化工作做完了。

这个行为不同于1.x中的 request要经过延迟的逻辑直到上游的Producer到达时。在2.x中，总是Subscription先传递下来，90%的情况下没有延迟请求的必要。

Subscription

在RxJava 1.x中，接口rx.Subscription负责流和资源的生命周期管理，即退订和释放资源，例如scheduled tasks。Reactive-Streams规范用这个名称指定source和consumer之间的关系: org.reactivestreams.Subscription 允许从上游请求一个正数，并支持取消。

为了避免名字冲突，1.x的rx.Subscription被改成了 io.reactivex.Disposable。

因为Reactive-Streams的基础接口org.reactivestreams.Publisher 定义subscribe()为无返回值，Flowable.subscribe(Subscriber)不再返回任何Subscription。其他的基础类型也遵循这种规律。

在2.x中其他的subscribe的重载方法返回Disposable。

原始的Subscription容器类型已经被重命名和修改。

• CompositeSubscription 改成 CompositeDisposable，
• SerialSubscription 和MultipleAssignmentSubscription 被合并到了 SerialDisposable。 set() 方法取消了旧值，而replace()方法没有。
• RefCountSubscription 已被删除。

背压

Reactive-Streams规范的操作符支持背压，特别是当它们不发送请求时，它们不会溢出。新的操作符Flowable被设计成适合下游请求，然而这个不意味着MissingBackpressureException不会出现。这个异常仍然存在。但这一次，onNext会抛出这个异常。

作为替代，在2.x中Observable完全不支持背压，但可以被替换。

Reactive-Streams compliance

Flowable-based sources和operators是遵从Reactive-Streams 1.0.0规范的，除了一个规则§3.9和解释的规则§1.3:

§3.9: While the Subscription is not cancelled, Subscription.request(long n) MUST signal onError with a java.lang.IllegalArgumentException if the argument is <= 0. The cause message MUST include a reference to this rule and/or quote the full rule.

Rule §3.9 requires excessive overhead to handle (half-serializer on every operator dealing with request()) for a bug-case. RxJava 2 (and Reactor 3 in fact) reports the IllegalArgumentException to RxJavaPlugins.onError and ignores it otherwise. RxJava 2 passes the Test Compatibility Kit (TCK) by applying a custom operator that routes the IllegalArgumentException into the Subscriber.onError in an async-safe manner. All major Reactive-Streams libraries are free of such zero requests; Reactor 3 ignores it as we do and Akka-Stream uses a converter (to interact with other RS sources and consumers) which has (probably) a similar routing behavior as our TCK operator.

§1.3: onSubscribe, onNext, onError and onComplete signaled to a Subscriber MUST be signaled sequentially (no concurrent notifications).

TCK 允许同步但限制onSubscribe 和 onNext之间往返。也就是说在onSubscribe中，调用request(1)后将会调用onNext，在onNext返回后request(1)才会返回。虽然大部分操作符都是这样的，但操作符observeOn会异步的调用onNext，因此onSubscribe会和onNext同时被调用。这就是由TCK来检测，我们使用another operator来延迟下游请求直到onSubscribe返回。再次声明，这种异步行为不是RxJava 2的一个问题，因为在Reactor 3中操作符是线程安全的执行onSubscribe。Akka-Stream的转换类似于延迟请求。

因为这两个影响inter-library的行为，我们考虑在以后给Flowable增加了一个标准的操作符，把这两种行为改到一个单独的方法。

Runtime hooks

2.x 中重新设计了RxJavaPlugins类，现在支持运行时改变回调。测试需要重写schedulers，生命周期方法可以通过回调函数。

RxJavaObservableHook和友类现在都取消了，RxJavaHooks功能被加入到了RxJavaPlugins。

Schedulers

在2.x的API中仍然支持主要的默认scheduler: computation, io, newThread 和 trampoline，可以通过io.reactivex.schedulers.Schedulers这个实用的工具类来调度。

2.x中不存在immediate 调度器。 它被频繁的误用，并没有正常的实现 Scheduler 规范；它包含用于延迟动作的阻塞睡眠，并且不支持递归调度。你可以使用Schedulers.trampoline()来代替它。

Schedulers.test()已经被移除，这样避免了默认调度器休息的概念差异。那些返回一个”global”的调度器实例是鉴于test()总是返回一个新的TestScheduler实例。现在我们鼓励测试人员使用这样简单的代码new TestScheduler()。

io.reactivex.Scheduler抽象类现在支持直接调度任务，不需要先创建然后通过Worker调度。

public abstract class Scheduler {    public Disposable scheduleDirect(Runnable task) { ... }    public Disposable scheduleDirect(Runnable task, long delay, TimeUnit unit) { ... }    public Disposable scheduleDirectPeriodically(Runnable task, long initialDelay,         long period, TimeUnit unit) { ... }    public long now(TimeUnit unit) { ... }    // ... rest is the same: lifecycle methods, worker creation}

主要的目的是为了避免跟踪Worker的开销。方法有一个默认的实现，你可以直接复用 createWorker ，但如果有需要，你也可以重写它来实现更强大的功能。

这些方法返回了当前时间调度器的概念， now()被改成接受一个用于指定单位量的TimeUnit的方法。

进入reactive的世界

RxJava 1.x的设计缺陷之一是暴露了rx.Observable.create()方法，该方法虽然很强大，但导致了你很少使用内置典型的操作符。不幸的是，有太多的代码依赖于这个库，所以我们不能删除或重命名它。

2.x是一个新的开始，我们不会再犯这个错误了。每一个基础类Flowable, Observable, Single, Maybe 和 Completable 都有安全的create操作符去支持背压和取消。

Flowable.create((FlowableEmitter<Integer> emitter) -> {    emitter.onNext(1);    emitter.onNext(2);    emitter.onComplete();}, BackpressureStrategy.BUFFER);

实际上，1.x中fromEmitter已经被重命名为Flowable.create。其他基础类型也有类似的create方法。

离开reactive的世界

除了subscribing 各自的consumers(Subscriber, Observer, SingleObserver, MaybeObserver 和 CompletableObserver) 以及functional-interface 基础consumers(例如 subscribe(Consumer<T>, Consumer<Throwable>, Action))，以前在1.x中独立的BlockingObservable 已经集成了主要的基础类型。现在你可以直接调用blockingX来阻塞等待结果:

List<Integer> list = Flowable.range(1, 100).toList().blockingGet(); // toList() returns SingleInteger i = Flowable.range(100, 100).blockingLast();

在2.x中另外一个关于rx.Subscriber 和org.reactivestreams.Subscriber重要的区别是，你的Subscriber和Observer不允许抛出任何致命的异常。这意味着下面这样的代码不再是合法的:

Subscriber<Integer> subscriber = new Subscriber<Integer>() {    @Override    public void onSubscribe(Subscription s) {        s.request(Long.MAX_VALUE);    }    public void onNext(Integer t) {        if (t == 1) {            throw new IllegalArgumentException();        }    }    public void onError(Throwable e) {        if (e instanceof IllegalArgumentException) {            throw new UnsupportedOperationException();        }    }    public void onComplete() {        throw new NoSuchElementException();    }};Flowable.just(1).subscribe(subscriber);

这样的规则同样适用于Observer, SingleObserver, MaybeObserver 和 CompletableObserver。

由于很多现有基于1.x的代码做了类似的事情，我们设计了safeSubscribe方法来帮助你处理这样的代码。

当然你也可以使用subscribe(Consumer<T>, Consumer<Throwable>, Action)方法来提供一个回调。

Flowable.just(1).subscribe(    subscriber::onNext,     subscriber::onError,     subscriber::onComplete,     subscriber::onSubscribe);

Testing

测试RxJava 2.x和1.x中一样，Flowable可以用io.reactivex.subscribers.TestSubscriber测试，而非背压的Observable, Single,Maybe 和 Completable可以用io.reactivex.observers.TestObserver测试。

test() “operator”

为了支持我们内部测试，所有的基础类都有 test() 方法，返回TestSubscriber 或 TestObserver:

TestSubscriber<Integer> ts = Flowable.range(1, 5).test();TestObserver<Integer> to = Observable.range(1, 5).test();TestObserver<Integer> tso = Single.just(1).test();TestObserver<Integer> tmo = Maybe.just(1).test();TestObserver<Integer> tco = Completable.complete().test();

第二个便利之处在于，大部分TestSubscriber/TestObserver方法返回自身实例，这让我们可以链式调用各种assertX方法。第三个便利是，你可以流畅的测试你的代码而不需要去创建或者引入TestSubscriber/TestObserver实例。

Flowable.range(1, 5).test().assertResult(1, 2, 3, 4, 5);

值得注意的新的断言方法

• assertResult(T... items): 断言在onComplete中将会按指定顺序收到给定的值，并且没有错误。
• assertFailure(Class<? extends Throwable> clazz, T... items): 断言将会收到指定的异常。
• assertFailureAndMessage(Class<? extends Throwable> clazz, String message, T... items): 和assertFailure一样，但还会验证 getMessage() 中包含的值。
• awaitDone(long time, TimeUnit unit) 等待一个终结事件，如果超时了，将会取消该事件。
• assertOf(Consumer<TestSubscriber<T>> consumer) 组成一些断言到流式链中。

其中一个好处是，把Flowable改为Observable，所以测试代码不需要改变，内部的已经把TestSubscriber改成了TestObserver。

提前取消和请求

TestObserver中的test()方法有一个 test(boolean cancel) 重载，它能在订阅前取消TestSubscriber/TestObserver:

PublishSubject<Integer> pp = PublishSubject.create();// nobody subscribed yetassertFalse(pp.hasSubscribers());pp.test(true);// nobody remained subscribedassertFalse(pp.hasSubscribers());

TestSubscriber 有 test(long initialRequest) 和 test(long initialRequest, boolean cancel) 重载，用于指定初始请求数量以及TestSubscriber是否应该立即被取消。如果initialRequest被给定，TestSubscriber 实例通常需要被捕获以便访问request()方法:

PublishProcessor<Integer> pp = PublishProcessor.create();TestSubscriber<Integer> ts = pp.test(0L);ts.request(1);pp.onNext(1);pp.onNext(2);ts.assertFailure(MissingBackpressureException.class, 1);

测试异步代码

对于给定的异步代码，流畅的阻塞终端事件是可能的:

Flowable.just(1).subscribeOn(Schedulers.single()).test().awaitDone(5, TimeUnit.SECONDS).assertResult(1);

Mockito & TestSubscriber

那些在1.x中正在使用Mockito和Observer的用户需要去使用Subscriber.onSubscribe方法去提出初始的请求，否则序列化将会挂起或者失败:

@SuppressWarnings("unchecked")public static <T> Subscriber<T> mockSubscriber() {    Subscriber<T> w = mock(Subscriber.class);    Mockito.doAnswer(new Answer<Object>() {        @Override        public Object answer(InvocationOnMock a) throws Throwable {            Subscription s = a.getArgumentAt(0, Subscription.class);            s.request(Long.MAX_VALUE);            return null;        }    }).when(w).onSubscribe((Subscription)any());    return w;}

操作符的差别

2.x中大部分操作符仍然被保留，实际上大部分行为和1.x一样。下面的列表中列出了每一个基础类的在1.x和2.x的区别

通常来说，很多操作符提供了重载，允许指定运行上游的内部缓冲区的大小或者预先分配的数量。

一些操作符重载已经被重命名为了后缀风格，比如 fromArray, fromIterable。这么做的原因是，当用Java 8编译时，javac往往不能区分功能接口类型。

在1.x中被标记为@Beta 或 @Experimental的操作符已经成为正式操作符了。

1.x Observable 到 2.x Flowable

工厂方法:

1.x2.xamb添加 amb(ObservableSource...) 重载, 2-9 参数被删除RxRingBuffer.SIZEbufferSize()combineLatest增加条目重载, 增加 带bufferSize 参数的重载, combineLatest(List) 被删除concat增加带 prefetch 参数的重载, 5-9 重载被删除 , 使用 concatArray 代替N/A增加 concatArray 和 concatArrayDelayErrorN/A增加 concatArrayEager 和 concatArrayEagerDelayErrorconcatDelayError增加带延时的重载concatEagerDelayError增加带延时的重载create(SyncOnSubscribe)被 generate + 重载代替create(AsnycOnSubscribe)不存在create(OnSubscribe)使用安全的 create(FlowableOnSubscribe, BackpressureStrategy), 支持unsafeCreate()from拆分成 fromArray, fromIterable, fromFutureN/A增加 fromPublisherfromAsync重命名为 create()N/A增加 intervalRange()limit被删除, 使用 takemerge增加带 prefetch的重载mergeDelayError增加带 prefetch的重载sequenceEqual增加带 bufferSize的重载switchOnNext增加带 prefetch的重载switchOnNextDelayError增加带 prefetch的重载timer被废弃zip增加带 bufferSize 和 delayErrors 的重载, 拆分成了 zipArray 和 zipIterable

实例方法:

1.x2.xallRC3 返回 Single<Boolean>anyRC3 返回 Single<Boolean>asObservable重命名为 hide(), 隐藏所有的身份buffer重载自定义的 Collection 提供者cache(int)被废弃collectRC3 返回 Single<U>collect(U, Action2<U, T>)改成 collectInto 和 RC3 返回 Single<U>concatMap增加带 prefetch 的重载concatMapDelayError增加带 prefetch的重载, 支持延时concatMapEager增加带 prefetch的重载concatMapEagerDelayError增加带 prefetch的重载, 支持延时countRC3 返回 Single<Long>countLong被删除, 使用 countdistinct重载自定义的 Collection 提供者.doOnCompleted重命名为 doOnCompletedoOnUnsubscribe重命名为 Flowable.doOnCancel 和 doOnDispose , additional infoN/A增加 doOnLifecylce 来处理 onSubscribe, request 和 cancelelementAt(int)RC3 不再发射 NoSuchElementException 如果源比索引更小elementAt(Func1, int)被删除, 使用 filter(predicate).elementAt(int) 代替elementAtOrDefault(int, T)重命名为 elementAt(int, T) 和 RC3 返回 Single<T>elementAtOrDefault(Func1, int, T)被删除, 使用 filter(predicate).elementAt(int, T) 代替first()RC3 重命名为 firstElement 返回 Maybe<T>first(Func1)被删除, 使用 filter(predicate).first()代替firstOrDefault(T)重命名为 first(T) RC3 返回 Single<T>firstOrDefault(Func1, T)被删除, 使用 filter(predicate).first(T)代替flatMap增加带 prefetch的重载N/A增加 forEachWhile(Predicate<T>, [Consumer<Throwable>, [Action]]) 用于有条件停止 consumptiongroupBy增加带 bufferSize和 delayError的重载， 支持 支持内部自定义map，RC1中没有ignoreElementsRC3 返回 CompletableisEmptyRC3 返回 Single<Boolean>last()RC3 重命名为 lastElement 返回 Maybe<T>last(Func1)被删除, 使用 filter(predicate).last()代替lastOrDefault(T)重命名为 last(T) RC3 返回 Single<T>lastOrDefault(Func1, T)被删除, 使用 filter(predicate).last(T)代替nest被删除, 使用 just代替publish(Func1)增加带 prefetch的重载reduce(Func2)RC3 返回 Maybe<T>N/A增加 reduceWith(Callable, BiFunction) 为了减少自定义Subscriber, 返回 Single<T>N/A增加 repeatUntil(BooleanSupplier)repeatWhen(Func1, Scheduler)删除了重载, 使用 subscribeOn(Scheduler).repeatWhen(Function) 代替retry增加 retry(Predicate), retry(int, Predicate)N/A增加 retryUntil(BooleanSupplier)retryWhen(Func1, Scheduler)删除了重载, 使用 subscribeOn(Scheduler).retryWhen(Function) 代替N/A增加 sampleWith(Callable, BiFunction) 去扫描自定义的Subscriber方式single()RC3 重命名为 singleElement 返回 Maybe<T>single(Func1)被删除，使用 filter(predicate).single()代替singleOrDefault(T)重命名为 single(T) RC3 返回 Single<T>singleOrDefault(Func1, T)被删除，使用 filter(predicate).single(T)代替skipLast增加带 bufferSize 和 delayError 的重载startWith2-9 参数的被删除了, 使用 startWithArray 代替N/A增加 startWithArray 来减少二义性N/A增加 subscribeWith 返回输入的订阅对象switchMap增加带 prefetch 的重载switchMapDelayError增加带 prefetch 的重载takeLastBuffer被删除N/A增加 test()timeout(Func0<Observable>, ...)方法签名改成了 timeout(Publisher, ...) 删除了方法, 如果有需要，使用defer(Callable<Publisher>>)toBlocking().y内联 blockingY() 操作符, 除了 toFuturetoCompletableRC3 被删除, 使用 ignoreElements代替toListRC3 返回 Single<List<T>>toMapRC3 返回 Single<Map<K, V>>toMultimapRC3 返回 Single<Map<K, Collection<V>>>N/A增加 toFutureN/A增加 toObservabletoSingleRC3 被删除, 使用 single(T)代替toSortedListRC3 增加 Single<List<T>>withLatestFrom5-9 个参数的重载被删除zipWith增加带 prefetch 和 delayErrors 的重载

不同的返回类型

2.x中一些的操作符产生确切的一个值或者一个错误时，返回Single。

操作符旧返回值新返回值备注all(Predicate)Observable<Boolean>Single<Boolean>如果所有的元素都匹配，则发射trueany(Predicate)Observable<Boolean>Single<Boolean>如果所有的元素都匹配，则发射truecount()Observable<Long>Single<Long>计算序列中元素的数量elementAt(int)Observable<T>Maybe<T>Emits 给定位置处的元素或完成的元素elementAt(int, T)Observable<T>Single<T>发射指定位置的元素或默认元素first(T)Observable<T>Single<T>发射第一个元素或者抛出NoSuchElementExceptionfirstElement()Observable<T>Maybe<T>发射第一个元素或者结束ignoreElements()Observable<T>Completable忽略所有非终端事件isEmpty()Observable<Boolean>Single<Boolean>如果源为空，则发射truelast(T)Observable<T>Single<T>发射最后一个元素或默认值lastElement()Observable<T>Maybe<T>发射最后一个元素或结束reduce(BiFunction)Observable<T>Maybe<T>发射减少的值或者结束reduce(Callable, BiFunction)Observable<U>Single<U>发射减少的值或者初始的值reduceWith(U, BiFunction)Observable<U>Single<U>发射减少的值或者初始的值single(T)Observable<T>Single<T>发射唯一的元素或默认值singleElement()Observable<T>Maybe<T>发射唯一的元素或结束toList()Observable<List<T>>Single<List<T>>将所有元素放到 ListtoMap()Observable<Map<K, V>>Single<Map<K, V>>将所有元素放到 MaptoMultimap()Observable<Map<K, Collection<V>>>Single<Map<K, Collection<V>>>将所有元素包装到Collection后放到 MaptoSortedList()Observable<List<T>>Single<List<T>>将所有元素放到 List 并排序

移除

为了保证最终的2.0API尽可能干净，我们删除了一些候选的方法和组件。

删除时的版本组件备注RC3Flowable.toCompletable()使用 Flowable.ignoreElements()代替RC3Flowable.toSingle()使用 Flowable.single(T)代替RC3Flowable.toMaybe()使用 Flowable.singleElement()代替RC3Observable.toCompletable()使用 Observable.ignoreElements()代替RC3Observable.toSingle()使用 Observable.single(T)代替RC3Observable.toMaybe()使用 Observable.singleElement()代替

其他改变

doOnCancel/doOnDispose/unsubscribeOn

在1.x中，doOnUnsubscribe总是执行终端事件，因为SafeSubscriber调用了unsubscribe。这实际上是没有必要的。Reactive-Streams规范中，一个终端事件到达Subscriber，上游的Subscription会取消，因此调用 cancel()是一个空操作。

由于同样的原因unsubscribeOn也没被在终端路径上调用，但只有实际在链上调用cancel时，才会调用unsubscribeOn。

因此，下面的序列不会被调用 
doOnCancel:

Flowable.just(1, 2, 3).doOnCancel(() -> System.out.println("Cancelled!")).subscribe(System.out::println);

然而，下面将会调用take操作符在传送过程中取消onNext

Flowable.just(1, 2, 3).doOnCancel(() -> System.out.println("Cancelled!")).take(2).subscribe(System.out::println);

如果你需要在终端或者取消时执行清理，考虑使用using操作符代替。

---

参考:

RxJava 2.0有什么不同(译)

http://www.jianshu.com/p/7c0640963bac