FunDA（5）－ Reactive Streams：Play with Iteratees

    FunDA的设计目标就是把后台数据库中的数据搬到内存里，然后进行包括并行运算的数据处理，最后可能再对后台数据库进行更新。如果需要把数据搬到内存的话，那我们就必须考虑内存是否能一次性容纳所有的数据，有必要配合数据处理分部逐步读入，这就是Reactive Stream规范主要目的之一。所以在设计FunDA的数据源（Source）之前必须要考虑实现reacive-data-stream。Slick 3.x版在功能上的突破之一就是实现了对Reactive-Stream API的支持。遗憾的是新版的Slick并没有提供针对data-stream的具体操作函数，官方文档提到可以通过akka-stream或者Play-Iteratee-Reactive-Stream来实现对data-stream的处理操作。Slick是通过db.stream构建一个DatabasePublisher类型来实现Reactive-Stream接口的。Play则提供了stream.IterateeStreams.publisherToEnumerator(SlickDatabasePubliser)转换函数，能够把DatabasePublisher转成Reactive-Stream的数据源（Source）。Play是通过Iteratee来实现对Reactive-Stream的处理操作。我们就在这节讨论一下有关Iteratee的一些原理。在示范前我们必须在build.sbt中增加依赖："com.typesafe.play" % "play-iteratees-reactive-streams_2.11" % "2.6.0"。所谓Reactive从字面来解释就是互动。Reacive-Stream是指数据产生方（producer）和数据使用方（consumer）之间的互动。大体上是producer通知consumer数据准备完毕可以读取、consumer通知producer读取数据的具体状态，提示是否可以发送数据。下面我们就把Reactive-Stream的基础原理给大家介绍一下：一般我们需要从一个Stream里获取数据时，可以用下面这个界面的read：

trait InputStream {  def read(): Byte}

这是一种典型的同步操作：read会占用线程直到获取这个Byte。我们可以用callback函数形式来解决这个问题：把一个读取函数传给目标Stream，以一种被动形式来获取这个Byte： 

trait InputStreamHandler {  def onByte(byte: Byte)}

我们想办法把onByte传给Stream作为一种callback函数。当Stream有了Byte后调用这个onByte函数，在这个onByte函数里是收到Byte后应该进行的运算。不过收到这个Byte代表我们程序状态的一个转变，所以我们可以把上面这个界面写成函数式的：

trait InputStreamHandler {  def onByte(byte: Byte): InputStreamHandler}

由于状态可能转变，所以我们把当前这个有变化的对象传出来。下面是一个界面实现的例子：

class consume(data: Seq[Byte]) extends InputStreamHandler {  def onByte(byte: Byte) = new consume(data :+ byte)}

这个例子里我们把读取的Byte汇集到一个Seq里。但是假如Stream准备好了数据后调用我们的callback函数onByte，而我们无法立即完成函数内的运算，导致调用方线程阻塞，影响整个Stream的运转。我们可以用Future来解决这个问题：

trait InputStreamHandle {  def onByte(byte: Byte): Future[InputStreamHandle]}

这样调用方可以立即返回了。不过，调用方如何把数据发送状态通知数据读取方呢？比如已经完成所有数据发送。我们需要把调用方返回的数据再细化点：

trait Input[+E]case class EL[E](e: E) extends Input[E]case object EOF extends Input[Nothing]case object Empty extends Input[Nothing]

现在这个返回数据是个Input[E]了，是带状态的。返回数据具体类型EL,EOF,Empty从字面就可以理解它们代表的状态了。我们的界面变成了这样：

trait InputStreamHandler[E] {  def onInput(input: Input[E]): Future[InputStreamHandler[E]]}

界面实现例子变成下面这样：

class consume(data: Seq[Byte]) extends InputStreamHandler[Byte] {  def onInput(input: Input[Byte]) = input match {     case EL(byte) => Future.successful(new consume(data :+ byte))     case _ => Future.successful(this)  }}

上面这个例子中返回Future很是别扭，我们可以这样改善界面InputStreamHandler定义:

trait InputStreamHandler[E] {  def onByte[B](cont: (Input[E] => InputStreamHandler[E]) => Future[B]): Future[B]}

现在我们可以这样实现那个例子：

class consume(data: Seq[Byte]) extends InputStreamHandler[Byte] {  def onByte[B](cont: (Input[Byte] => InputStreamHandler[Byte]) => Future[B]) = cont {     case EL(byte) => new consume(data :+ byte)     case _ => this  }}

现在用起来顺手多了吧。从上面这些例子中我们可以得出一种“推式”流模式（push-model-stream）: 由目标stream向读取方推送数据。但Reactive-Stream应该还具备反向通告机制，比如读取方如何通知目标stream已经完成读取操作或者暂时无法再接受数据、又或者可以接受数据了。

现在我们对Reactive-Streams有了个大概的印象：这个模式由两方组成，分别是：数据源（在push-model中就是数据发送方）以及数据消耗方，分别对应了Iteratee模式的Enumerator和Iteratee。也就是说：Enumerator负责发送，Iteratee负责接收。用Iteratee实现Reactive-Streams时必须实现Enumerator和Iteratee之间的双向通告机制。实际上Iteratee描述了如何消耗Enumerator传过来的数据：比如把数据串接起来（concat）或者相加汇总等。在消耗数据的过程中Iteratee也必须负责与Enumerator沟通以保证数据传输的顺利进行。那么Iteratee又应该如何与Enumerator沟通呢？为了实现这种沟通功能，我们再设计一个trait：

trait Step[E,+A]case class Done[+A,E](a: A, remain: Input[E]) extends Step[E,A]case class Cont[E,+A](k: Input[E] => InputStreamHandler[E,A]) extends Step[E,A]case class Error[E](msg: String, loc:Input[E]) extends Step[E,Nothing]

Step代表Iteratee的操作状态：Done代表完成，返回运算结果A，remain是剩余的输入、Cont代表可以用k来获取数据、Error返回错误信息msg以及出错地点loc。现在我们可以重新定义InputStreamHandler：

trait InputStreamHandler[E,A] {  def onInput[A](step: Step[E,A] => Future[A]): Future[A]}

界面实现例子Consume如下：

class Consume(data: Seq[Byte]) extends InputStreamHandler[Byte,Seq[Byte]] {  def onInput(step: Step[Byte,Seq[Byte]] => Future[Seq[Byte]]) = step(Cont {    case EL(byte) => new Consume(data :+ byte)    case EOF => new InputStreamHandler[Byte,Seq[Byte]] {      def onInput(step: Step[Byte,Seq[Byte]] => Future[Seq[Byte]]) = step(Done(data,Empty))     }    case Empty => this  })}

这个版本最大的区别在于当收到Stream发送的EOF信号后返回Done通知完成操作，可以使用运算结果data了。这个InputStreamHandler就是个Iteratee，它描述了如何使用（消耗）接收到的数据。我们可以把界面定义命名为下面这样：

trait Iteratee[E,+A] {  def onInput[B](folder: Step[E,A] => Future[B]): Future[B]}

实际上Iteratee模式与下面这个函数很相像：

def foldLeft[F[_],A,B](ax: F[A])(z: B)(f: (B,A) => B): B 

F[A]是个数据源，我们不需要理会它是如何产生及发送数据的，我们只关注如何去处理收到的数据。在这个函数里(B,A)=>B就是具体的数据消耗方式。foldLeft代表了一种推式流模式（push-model-stream）。至于如何产生数据源，那就是Enumerator要考虑的了。

 好了，我们先看看Iteratee正式的类型款式：Iteratee[E,A]，E是数据元素类型，A是运算结果类型。trait Iteratee 有一个抽象函数：

/**   * Computes a promised value B from the state of the Iteratee.   *   * The folder function will be run in the supplied ExecutionContext.   * Exceptions thrown by the folder function will be stored in the   * returned Promise.   *   * If the folder function itself is synchronous, it's better to   * use `pureFold()` instead of `fold()`.   *   * @param folder a function that will be called on the current state of the iteratee   * @param ec the ExecutionContext to run folder within   * @return the result returned when folder is called   */  def fold[B](folder: Step[E, A] => Future[B])(implicit ec: ExecutionContext): Future[B]

不同功能的Iteratee就是通过定义不同的fold函数构成的。fold是个callback函数提供给Enumerator。folder的输入参数Step[E,A]代表了当前Iteratee的三种可能状态： 

object Step {  case class Done[+A, E](a: A, remaining: Input[E]) extends Step[E, A]  case class Cont[E, +A](k: Input[E] => Iteratee[E, A]) extends Step[E, A]  case class Error[E](msg: String, input: Input[E]) extends Step[E, Nothing]}

当状态为Cont[E,A]时，Enumerator就会用这个k: Input[E]=> Iteratee[E,A]函数把Input[E]推送给Iteratee。我们从一个简单的Enumerator就可以看出：

 

  /**   * Creates an enumerator which produces the one supplied   * input and nothing else. This enumerator will NOT   * automatically produce Input.EOF after the given input.   */  def enumInput[E](e: Input[E]) = new Enumerator[E] {    def apply[A](i: Iteratee[E, A]): Future[Iteratee[E, A]] =      i.fold {        case Step.Cont(k) => eagerFuture(k(e))        case _ => Future.successful(i)      }(dec)  }

 

或者：

 

/**   * Create an Enumerator from a set of values   *   * Example:   * {{{   *   val enumerator: Enumerator[String] = Enumerator("kiki", "foo", "bar")   * }}}   */  def apply[E](in: E*): Enumerator[E] = in.length match {    case 0 => Enumerator.empty    case 1 => new Enumerator[E] {      def apply[A](i: Iteratee[E, A]): Future[Iteratee[E, A]] = i.pureFoldNoEC {        case Step.Cont(k) => k(Input.El(in.head))        case _ => i      }    }    case _ => new Enumerator[E] {      def apply[A](i: Iteratee[E, A]): Future[Iteratee[E, A]] = enumerateSeq(in, i)    }  }-----private def enumerateSeq[E, A]: (Seq[E], Iteratee[E, A]) => Future[Iteratee[E, A]] = { (l, i) =>    l.foldLeft(Future.successful(i))((i, e) =>      i.flatMap(it => it.pureFold {        case Step.Cont(k) => k(Input.El(e))        case _ => it      }(dec))(dec))  }

我们可以通过定义fold函数来获取不同功能的Iteratee。下面就是一个直接返回恒量值Iteratee的定义过程：

val doneIteratee = new Iteratee[String,Int] {   def fold[B](folder: Step[String,Int] => Future[B])(implicit ec: ExecutionContext): Future[B] = {      folder(Step.Done(21,Input.EOF))   }}

这个Iteratee不会消耗任何输入，直接就返回21。实际上我们可以直接用Done.apply来构建这个doneIteratee：

val doneIteratee = Done[String,Int](21,Input.Empty)

我们也可以定义一个只消耗一个输入元素的Iteratee：

val consumeOne = new Iteratee[String,String] {   def fold[B](folder: Step[String,String] => Future[B])(implicit ec: ExecutionContext): Future[B] = {      folder(Step.Cont {        case Input.EOF => Done("OK",Input.EOF)        case Input.Empty => this        case Input.El(e) => Done(e,Input.EOF)      })   }}

同样，我们也可以用Cont构建器来构建这个consumeOne：

val consumeOne1 = Cont[String,String](in => Done("OK",Input.EOF))

从上面这些例子里我们可以推敲folder函数应该是在Enumerator里定义的，看看下面这个Enumerator例子：

val enumerator = new Enumerator[String] {    // some messages    val items = 1 to 10 map (i => i.toString)    var index = 0    override def apply[A](i: Iteratee[String, A]):       Future[Iteratee[String, A]] = {      i.fold(      // the folder      {        step => {          step match {            // iteratee is done, so no more messages            // to send            case Step.Done(result, remaining) => {              println("Step.Done")              Future(i)            }            // iteratee can consume more            case Step.Cont(k: (Input[String] => Iteratee[String, A]))             => {              println("Step.Cont")              // does enumerator have more messages ?              if (index < items.size) {                val item = items(index)                println(s"El($item)")                index += 1                // get new state of iteratee                val newIteratee = k(Input.El(item))                // recursive apply                apply(newIteratee)              } else {                println("EOF")                Future(k(Input.EOF))              }            }            // iteratee is in error state            case Step.Error(message, input: Input[String]) => {              println("Step.Error")              Future(i)            }          }        }      })    }  }

下面我们示范一个完整的例子： 

val userIteratee = new Iteratee[String, Unit] {  override def fold[B](folder: (Step[String, Unit]) => Future[B])    (implicit ec: ExecutionContext): Future[B] = {    // accumulator    val buffer: ListBuffer[String] = ListBuffer()    // the step function    def stepFn(in: Input[String]): Iteratee[String, Unit] = {      in match {        case Input.Empty => this        case Input.EOF => Done({          println(s"Result ${buffer.mkString("--")}")        }, Input.Empty)        case Input.El(el) => {          buffer += el          Cont(stepFn)        }      }    }    // initial state -> iteratee ready to accept input    folder(Step.Cont(stepFn))  }}            //> userIteratee  : play.api.libs.iteratee.Iteratee[String,Unit] = demo.worksheet.iteratee2$$anonfun$main$1$$anon$3@4f063c0aval usersEnum = Enumerator("Tiger","John","Jimmy","Kate","Chris")            //> usersEnum  : play.api.libs.iteratee.Enumerator[String] = play.api.libs.iteratee.Enumerator$$anon$19@51cdd8a(usersEnum |>>> userIteratee)   //> Result Tiger--John--Jimmy--Kate--Chris res0: scala.concurrent.Future[Unit] = Success(())

Enumerator usersEnum把输入推送给userIteratee、userIteratee在完成时直接把它们印了出来。在play-iterate库Iteratee对象里有个fold函数（Iteratee.fold）。这是个通用的函数，可以轻松实现上面这个userIteratee和其它的汇总功能Iteratee。Iteratee.fold函数款式如下： 

def fold[E, A](state: A)(f: (A, E) => A): Iteratee[E, A]

我们可以用这个fold函数来构建一个相似的Iteratee：

val userIteratee2 = Iteratee.fold(List[String]())((st, el:String) => st :+ el)    //> userIteratee2  : play.api.libs.iteratee.Iteratee[String,List[String]] = Cont(<function1>)(usersEnum |>>> userIteratee2).foreach {x => println(x)}    //| List(Tiger, John, Jimmy, Kate, Chris)

下面是另外两个用fold函数的例子：

val inputLength: Iteratee[String,Int] = {  Iteratee.fold[String,Int](0) { (length, chars) => length + chars.length }           //> inputLength  : play.api.libs.iteratee.Iteratee[String,Int] = Cont(<function1>)}Await.result((usersEnum |>>> inputLength),Duration.Inf)                                                  //> res1: Int = 23val consume: Iteratee[String,String] = {  Iteratee.fold[String,String]("") { (result, chunk) => result ++ chunk }          //> consume  : play.api.libs.iteratee.Iteratee[String,String] = Cont(<function1 >)}Await.result((usersEnum |>>> consume),Duration.Inf)                                                  //> res2: String = TigerJohnJimmyKateChris

从以上的练习里我们基本摸清了定义Iteratee的两种主要模式：

1、构建新的Iteratee，重新定义fold函数，如上面的userIteratee及下面这个上传大型json文件的例子：

object ReactiveFileUpload extends Controller {  def upload = Action(BodyParser(rh => new CsvIteratee(isFirst = true))) {    request =>      Ok("File Processed")  }}case class CsvIteratee(state: Symbol = 'Cont, input: Input[Array[Byte]] = Empty, lastChunk: String = "", isFirst: Boolean = false) extends Iteratee[Array[Byte], Either[Result, String]] {  def fold[B](               done: (Either[Result, String], Input[Array[Byte]]) => Promise[B],               cont: (Input[Array[Byte]] => Iteratee[Array[Byte], Either[Result, String]]) => Promise[B],               error: (String, Input[Array[Byte]]) => Promise[B]               ): Promise[B] = state match {    case 'Done =>      done(Right(lastChunk), Input.Empty)    case 'Cont => cont(in => in match {      case in: El[Array[Byte]] => {        // Retrieve the part that has not been processed in the previous chunk and copy it in front of the current chunk        val content = lastChunk + new String(in.e)        val csvBody =          if (isFirst)            // Skip http header if it is the first chunk            content.drop(content.indexOf("\r\n\r\n") + 4)          else content        val csv = new CSVReader(new StringReader(csvBody), ';')        val lines = csv.readAll        // Process all lines excepted the last one since it is cut by the chunk        for (line <- lines.init)          processLine(line)        // Put forward the part that has not been processed        val last = lines.last.toList.mkString(";")        copy(input = in, lastChunk = last, isFirst = false)      }      case Empty => copy(input = in, isFirst = false)      case EOF => copy(state = 'Done, input = in, isFirst = false)      case _ => copy(state = 'Error, input = in, isFirst = false)    })    case _ =>      error("Unexpected state", input)  }  def processLine(line: Array[String]) = WS.url("http://localhost:9200/affa/na/").post(    toJson(      Map(        "date" -> toJson(line(0)),        "trig" -> toJson(line(1)),        "code" -> toJson(line(2)),        "nbjours" -> toJson(line(3).toDouble)      )    )  )}

二、直接定义Cont：

/**   * Create an iteratee that takes the first element of the stream, if one occurs before EOF   */  def head[E]: Iteratee[E, Option[E]] = {    def step: K[E, Option[E]] = {      case Input.Empty => Cont(step)      case Input.EOF => Done(None, Input.EOF)      case Input.El(e) => Done(Some(e), Input.Empty)    }    Cont(step)  }

及：

def fileIteratee(file: File): Iteratee[String, Long] = {    val helper = new FileNIOHelper(file)    def step(totalLines: Long)(in: Input[String]): Iteratee[String, Long] = in match {      case Input.EOF | Input.Empty =>        if(debug) println("CLOSING CHANNEL")        helper.close()        Done(totalLines, Input.EOF)      case Input.El(line) =>        if(debug) println(line)        helper.write(line)        Cont[String, Long](i => step(totalLines+1)(i))    }    // initiates iteration by initialize context and first state (Cont) and launching iteration    Cont[String, Long](i => step(0L)(i))  }}