Reactor 第九篇 WebFlux重构个人中心，效果显著

1 重构背景

原有的开发人员早已离职，代码细节没人知道，经过了一段时间的维护，发现有以下问题：

个人中心系统的特征就是组装各个业务的接口，输出个人中心业务需要的数据，整个系统调用了几十个第三方业务线的接口，如果编排不合理，可能会导致响应时间急剧上涨，尤其是弹窗业务，新的弹窗会不断接入，整个接口可能会不可用。

2 整体架构

service：是最小的业务编排单元，request方法对infrastructure第三方接口进行编排调用；apply 方法对第三方接口调用的结果进行组装，结果是service的业务返回；

infrastructure：是对第三方的异步非阻塞调用，不包含业务逻辑。一个service内部根据实际业务可以编排0个或者多个infrastructure服务。

在实际优化过程中我们抽象了30多个infrastructure第三方调用，40多个service。他们都是小而且独立的类，减轻了开发同学尤其是新同学熟悉的成本。边界也比较清晰，逻辑内聚。

2 编排举例

每个 service 内部都是由一个或者多个 infrastructure 第三方调用组装编排的业务单元，内部处理能异步处理的全是使用异步处理，实在不能异步处理的使用串行+并行的方式。

2.1 串行

需要串行的可以使用 flatMap 方法，可以参考以下格式。

这种方式会执行S1，然后S2。

伪代码如下：

Mono.from(service1.func())
                .flatMap(service1Res-> {
          return service2.func();
        })

2.2 并行

zip 和 zipWith，zipWith一次组装一个Mono，zip 一次可以组装多个Mono。

示例代码如下：

service1.zipWith(service2)

Mono.zip(service1, service2, service3)

一个使用 zip 组装多个service的示例代码，并行执行service1, service2, ......, service6，使用doOnError处理错误，onErrorReturn 处理异常返回，doOnFinally 监控整个接口调用量、耗时情况。

Mono.zip(service1, service2, service3, service4, service5, service6)
                .map(t -> {
                    String service1Ret = t.getT1();
                    String service2Ret = t.getT2();
          // ....
                    return "组合结果";
                })
        // 异常返回
                .onErrorReturn(new DTO())
                .doOnError(e -> {
                    // 异常详情日志；异常请求量监控
                })
                .doFinally(e -> {
          // 请求量、耗时监控
                });

2.3 并行-但只取第一个有数据的结果

弹窗类业务与一般service不通，它需要调用很多的业务的数据出不同的弹窗，但是每次都只能给用户展示确定的一个。但是如果串行的话，随着上线的弹窗越来越多，整个弹窗接口的耗时会越来越长。

但是如果改成异步的话，又无法控制弹窗之间的优先级，优先级对于公司整体业务来说是必要的，把重要的业务放在高优的位置上，做到资源最大利用，才能实现利润的最大化，从而做到基业长青。

Flux 有个flatMapSequential方法，它能完美解决这个问题，看看它的注释：

Transform the elements emitted by this Flux asynchronously into Publishers, then flatten these inner publishers into a single Flux, but merge them in the order of their source element.

将此Flux发出的元素异步地转换为 publisher，然后将这些内部 publisher 扁平化为单个Flux，但按照源元素的顺序合并它们。

如上图所示，总共有S1、S2、S3、S4按顺序的四个弹窗，会并行执行S1到S4，如果S1和S2没有数据，S3有数据，则会返回S3。

伪代码如下：

Flux<Map<String, Object>> monoFlux = Flux.fromIterable(serviceList)
                .flatMapSequential(serviceName -> {
                        
                            })
                            .onErrorContinue((err, i) -> {
                  // 某个service异常或者无数据，继续执行
                            });
                })
                .onErrorContinue((err, i) -> {
          // 服务异常，继续执行
                });
Mono<Map<String, Object>> mono = monoFlux.elementAt(0, Maps.newHashMap());        

这里就是异步执行所有弹窗service，运行过程中某个弹窗异常或者无数据返回，则继续下一个。通过monoFlux.elementAt(0, Maps.newHashMap())获取第一个有数据的弹窗。

4 重构效果

4.1 后端指标

相比于原来的后端系统，所有接口耗时都有大幅度降低，：

• 头部身份信息接口响应速度提升：26%。
• 卡片各业务线入口接口响应速度提升：87%。
• 弹窗和浮标接口响应速度提升：146%。

经过 flatMapSequential 编排弹窗之后，耗时从220ms，降到160ms，绝对值下降了60ms，下降了 28%；

4.2 新需求开发和维护

新需求开发更快，QA 测试更快。

原来开发一个弹窗，需要考虑的事情很多：

1. 开发的时候需要考虑代码放在哪个层级上，是否与其他弹窗有耦合，
2. 弹窗优先级需要通过if-else实现，很容易出错；
3. 弹窗自测很麻烦，需要注释调其他弹窗；
4. QA 需要测试所有弹窗的优先级是否有问题；

现在开发一个弹窗，只需要增加一个service类，然后把service配置再优先级列表中即可。

4.3 其他

框架使用了响应式框架 Spring WebFlux，也支持本地启动，编写了service层和基础设施层的单测case，提升开发效率。

删除了原来的业务网关层，使用公司层面的网关系统，配置即生效；删除了原来业务网关中的业务逻辑代码，把相关逻辑移动到业务层中，解除了原来的多层之间的耦合关系。

现在各个service之前相互独立，异常不会相互影响。