RxJava2.X 源码分析（七）：变换操作符的实现原理强化篇（下）

更多分享：http://www.cherylgood.cn

一、前言

Ok，我们在上一篇 RxJava2.X 源码分析（六）：变换操作符的实现原理（上）中分析了 RxJava2 中转换操作符 map 的实现过程
本次我们将紧跟上篇的步伐，分析比 map 更为强大的 flatMap 操作符的实现流程

二、源码分析

首先，我们还是老样子，先看一个 demo

  Observable observable = Observable.create(new ObservableOnSubscribe() {
  	@Override
    public void subscribe(@NonNull ObservableEmitter emitter) throws Exception {
  		emitter.onNext(1);
  		emitter.onNext(2);
  		emitter.onNext(3);

  	}

  });

  observable.flatMap(new Function>() {
  	@Override
    public ObservableSource apply(@NonNull Integer integer) throws Exception {

  		return Observable.just(integer*integer);
  	}
  }).subscribe(new Consumer() {
  	@Override
    public void accept(@NonNull Integer integer) throws Exception {
  		Log.i(TAG, ">>>data is : " + integer);
  	}
  });

输出结果：

  07-18 09:42:25.550 2502-2515/? I/RxJavaDemo2: >>>data is : 1
  07-18 09:42:25.550 2502-2515/? I/RxJavaDemo2: >>>data is : 4
  07-18 09:42:25.550 2502-2515/? I/RxJavaDemo2: >>>data is : 9

这结果不是上篇一样的么？也就是说实现了相同的功能，但是，重点是在 flatMap 的回调 apply 中我们返回的并不是直接的数据，而是 Observable,那么这个区别能提供怎样的能力呢？
1、比如连续两个串行的网络请求
2、如数据类型的中间转换等等，
也就是说，我们能以很自然流畅的方式在中间做一些转换，能做的事情很多哦。

OK，瞎逼逼了这么久，我们开始进入正题，看下内部是如何实现的呢？从 flatMap 方法进去。

  public final <R> Observable<R> flatMap(Functionsuper T, ? extends ObservableSourceextends R>> mapper) {
  	return flatMap(mapper, false);
  }

Ok，简单的 wrapper 了一层，第二个参数为是否延迟错误处理，默认 false，我们继续

  public final <R> Observable<R> flatMap(Functionsuper T, ? extends ObservableSourceextends R>> mapper, boolean delayErrors) {
  	return flatMap(mapper, delayErrors, Integer.MAX_VALUE);
  }

(￣∇￣)又 wrapper 了一层。OK，我忍你，第三个参数为最大的并发量，OK，再进去

  public final <R> Observable<R> flatMap(Functionsuper T, ? extends ObservableSourceextends R>> mapper, boolean delayErrors, int maxConcurrency) {
  	return flatMap(mapper, delayErrors, maxConcurrency, bufferSize());
  }

又来了一层，╮(╯_╰)╭，OK，你牛逼，第四个参数为队列的大小，OK，我们还是继续前进吧

  public final <R> Observable<R> flatMap(Functionsuper T, ? extends ObservableSourceextends R>> mapper,
  		boolean delayErrors, int maxConcurrency, int bufferSize) {
  		//1、做一些值的判断，不符合规定我就报一场
  	ObjectHelper.requireNonNull(mapper, "mapper is null");
  	ObjectHelper.verifyPositive(maxConcurrency, "maxConcurrency");
  	ObjectHelper.verifyPositive(bufferSize, "bufferSize");
  	//2、判断我们的上游Obsevable是否是ScalarCallable类型，做特殊处理，我们的上游如果是Observable.just就会走这里
  	if (this instanceof ScalarCallable) {
  		@SuppressWarnings("unchecked")
  		T v = ((ScalarCallable<T>)this).call();
  		if (v == null) {
  			return empty();
  		}
  		return ObservableScalarXMap.scalarXMap(v, mapper);
  	}
  	//3、OK，看到我们熟悉的方法了
  	return RxJavaPlugins.onAssembly(new ObservableFlatMap<T, R>(this, mapper, delayErrors, maxConcurrency, bufferSize));

OK，我们看下 ObservableScalarXMap.scalarXMap(v, mapper);

  public static <T, U> Observable<U> scalarXMap(T value,
  		Functionsuper T, ? extends ObservableSourceextends U>> mapper) {
  	return RxJavaPlugins.onAssembly(new ScalarXMapObservable<T, U>(value, mapper));
  }

我们看到了非常熟悉的方法 RxJavaPlugins.onAssembly,OK,我们看下 ScalarXMapObservable

  static final class ScalarXMapObservable<T, R> extends Observable<R> {

  	final T value;

  	final Functionsuper T, ? extends ObservableSourceextends R>> mapper;

  	ScalarXMapObservable(T value,
  			Functionsuper T, ? extends ObservableSourceextends R>> mapper) {
  		//1、传入的值
  		this.value = value;
  		//2、转换函数
  		this.mapper = mapper;
  	}

  	@SuppressWarnings("unchecked")
  	@Override
    public void subscribeActual(Observer<? super R> s) {
  		ObservableSource<? extends R> other;
  		try {
  			//3、获取转换后的Observable
  			other = ObjectHelper.requireNonNull(mapper.apply(value), "The mapper returned a null ObservableSource");
  		} catch (Throwable e) {
  			EmptyDisposable.error(e, s);
  			return;
  		}
  		／／ScalarCallable实现Callable接口，走这里
  		if (other instanceof Callable) {
  			R u;

  			try {
  				u = ((Callable<R>)other).call();
  			} catch (Throwable ex) {
  				Exceptions.throwIfFatal(ex);
  				EmptyDisposable.error(ex, s);
  				return;
  			}

  			if (u == null) {
  				EmptyDisposable.complete(s);
  				return;
  			}
  			//4、对下游Observer Wrapper
  			ScalarDisposable<R> sd = new ScalarDisposable<R>(s, u);
  			//5、调用onSubscribe
  			s.onSubscribe(sd);
  			//6、熟悉的run，我们看ScalarDisposable的run
  			sd.run();
  		} else {
  			other.subscribe(s);
  		}
  	}
  }

看构造函数

  public ScalarDisposable(Observersuper T> observer, T value) {
  	//下游Observer
  	this.observer = observer;
  	//传递的值
  	this.value = value;
  }

看 run

  public void run() {
  	if (get() == START && compareAndSet(START, ON_NEXT)) {
  		//OK,数据传递给下游onNext
  		observer.onNext(value);
  		if (get() == ON_NEXT) {
  			lazySet(ON_COMPLETE);
  			observer.onComplete();
  		}
  	}
  }

Observable.just 是相对简单点，但是本次我们 demo 的 Observable 并不是通过 just 构造，所以走的就是下面这个了 return RxJavaPlugins.onAssembly(new ObservableFlatMap(this, mapper, delayErrors, maxConcurrency, bufferSize));
OK,那么我们来分析下 Observable.fromArray 这种形式的

OK,代码有点长，我们分段来

public final class ObservableFlatMap<T, U> extends AbstractObservableWithUpstream<T, U> {}

可以看到，ObservableFlatMap 的包装以之前的线程实现类型，同样是继承了 AbstractObservableWithUpstream 类，也就是说，内部有 source 存储我们上游的 Observable

构造方法比较简单，主要就是赋值

  public ObservableFlatMap(ObservableSource<T> source,
  		Functionsuper T, ? extends ObservableSourceextends U>> mapper,
  		boolean delayErrors, int maxConcurrency, int bufferSize) {
  	super(source);
  	this.mapper = mapper;
  	this.delayErrors = delayErrors;
  	this.maxConcurrency = maxConcurrency;
  	this.bufferSize = bufferSize;
  }

Ok，我们看重点 subscribeActual 方法，其触发是在下游 Observer 调用 subscribe 订阅时

  @Override
  public void subscribeActual(Observer<? super U> t) {
  	//1、同样是对Scalar的处理
  	if (ObservableScalarXMap.tryScalarXMapSubscribe(source, t, mapper)) {
  		return;
  	}
  	//2、重点在这里，t为下游的Observer，mapper为我们的funcation，T为接收类型，R为转换后类型

  	source.subscribe(new MergeObserver<T, U>(t, mapper, delayErrors, maxConcurrency, bufferSize));
  }

看 2 处代码：source 为 上游Observable，也就是我们这里 new 了一个 中间Obsever 来订阅 上游Observable，然后 中间Observer 接收到上游下发的数据，猜测还是调用来 mapper.apply 获得转换后的 Obsevable 类型，然后还是看代码吧，猜太多都对了就不想往下看下 l。

  static final class MergeObserver<T, U> extends AtomicInteger implements Disposable, Observer<T> {

     ...
  	MergeObserver(Observersuper U> actual, Functionsuper T, ? extends ObservableSourceextends U>> mapper,
  			boolean delayErrors, int maxConcurrency, int bufferSize) {
  		//1、下游的Observer，用于后面数据的传递
  		this.actual = actual;
  		//2、funcation,用于转换函数的操作
  		this.mapper = mapper;
  		this.delayErrors = delayErrors;
  		//3、并发数，因为中间我们转换后的Obsevable可能接收一个值然后产生多个值，如调用Observable.fromArray(),
  		this.maxConcurrency = maxConcurrency;
  		this.bufferSize = bufferSize;
  		//4、存储apply返回的Observable
  		if (maxConcurrency != Integer.MAX_VALUE) {
  			sources = new ArrayDeque<? extends U>>(maxConcurrency);
  		}
  		this.observers = new AtomicReference[]>(EMPTY);
  	}
  }

OK，看完了构造方法，我们看下 MergeObserver 的 onSubscribe 以及 onXXX(),执行完 source.subscribe(new MergeObserver<T, U>(t, mapper, delayErrors, maxConcurrency, bufferSize)); 后，我们的 onSubscribe 会被调用，然后就是 onXXX()；
```
  public void onSubscribe(Disposable s) {
  	if (DisposableHelper.validate(this.s, s)) {
  		this.s = s;
  		actual.onSubscribe(this);
  	}
  }
```
Ok，在 onSubscribe 中只是简单的调用 actual.onSubscribe(this)进行事件的传递，同时存储 Disposable 进行 Disposable 事件的管理。

OK，那么重点应该在 onNext(T t)

  @Override
  public void onNext(T t) {
  	// safeguard against misbehaving sources
    if (done) {
  		return;
  	}
  	ObservableSource<? extends U> p;
  	try {
  		//1、调用mapper.apply获得转换函数的返回值Observable。
  		p = ObjectHelper.requireNonNull(mapper.apply(t), "The mapper returned a null ObservableSource");
  	} catch (Throwable e) {
  	//2、发生异常时终止
  		Exceptions.throwIfFatal(e);
  		s.dispose();
  		onError(e);
  		return;
  	}
    //3、如果你明确设置了maxConcurrency，需要入队列进行排队处理，因为要控制并发量
  	if (maxConcurrency != Integer.MAX_VALUE) {
  		synchronized (this) {
  			if (wip == maxConcurrency) {
  				sources.offer(p);
  				return;
  			}
  			wip++;
  		}
  	}
    //4、内部订阅处理，因为返回的p是observable，所以内部肯定还需要通过下游的Observer订阅它，这样数据流才能继续下发。
  	subscribeInner(p);
  }

OK，那么我们继续分析 subscribeInner，看内部如何订阅

  void subscribeInner(ObservableSourceextends U> p) {
  	for (;;) {
  		if (p instanceof Callable) {
  			tryEmitScalar(((Callableextends U>)p));

  			if (maxConcurrency != Integer.MAX_VALUE) {
  				synchronized (this) {
  					p = sources.poll();
  					if (p == null) {
  						wip--;
  						break;
  					}
  				}
  			} else {
  				break;
  			}
  		} else {
  		//1、this及为我们的MergeObserver对象，再次wrapper，
  			InnerObserver<T, U> inner = new InnerObserver<T, U>(this, uniqueId++);
  			if (addInner(inner)) {
  				  //触发订阅，如此，我们下游的Observer就开始等着接收数据流了。					p.subscribe(inner);
  			}
  			break;
  		}
  	}
  }

OK，基本上整个 flatMap 的转换流程也就分析完了，其余太细的点，我们就不继续深入，因为本次我们的目的就是了解其实现流程即可。在宏观上进行把控。

三、总结

Ok，根据上面的分析，其实对于 flatMap 的操作过程我们已经很清楚了，其跟 map 基本一样，通过在中间使用装饰者模式插入一个中间的 Observable 和 Observe，你可以想象为代理。
代理Observable 做的事就是接收 下游Obsever 的订阅事件，然后通过 代理Obsever 订阅 上游Observer，然后在 上游Observer 下发数据給 代理Observer 时，通过先调用 mapper.apply 转换回调函数获得转换后的 Observable，内部通过 下游Observer 再次订阅，然后转换后返回的 Observable 下发数据给 下游Obsever。

OK，通过从第一篇到本篇，我们不难发现，基本都是一样的模式，通过装饰者模式中间产生一个 Observable 和 Observer，完成订阅事件的传递以及下发数据流的传递，进过我们中间产生的 Observable 和 Observer 时，根据具体需求做一些操作。
理解了这些，相信你再去看其他操作符的代码时，按这个思路去看，基本都是 Ok 的。
希望通过本篇的学习，大家对于 RxJava2 的内部实现的一些流程更为熟悉。
喜欢就给我留言哦。

四、相关文章

3 回帖

RxJava2.X 源码分析（七）：变换操作符的实现原理强化篇（下）

欢迎来到这里！

我们正在构建一个小众社区，大家在这里相互信任，以平等 • 自由 • 奔放的价值观进行分享交流。最终，希望大家能够找到与自己志同道合的伙伴，共同成长。

注册关于

请输入回帖内容 ...

someone • 7 年前

分析的挺细的，但是有一些笔误吧？比如这个：：看2处代码：source为上游Observer，也就是我们这里new了一个中间Obsever来订阅上游Observable，然后中间Observer接收到上游下发的数据，猜测还是调用来mapper.apply获得转换后的Obsevable类型，然后还是看代码吧，猜太多都对了就不想往下看下l。这个source明显是个Observable
someone • 7 年前

确实，感谢提醒，笔误了
someone • 7 年前

确实，感谢提醒，笔误了

RxJava2.X 源码分析（七）：变换操作符的实现原理强化篇（下）

一、前言

二、源码分析

三、总结

四、相关文章

相关帖子

如何做到长时间学习又不会特别累？

PDF 用什么阅读学习和标注比较方便的？

编程是一项技能，不是一门知识！不要用做笔记的方式去学！

0- 学习记录 -Cameralink 协议

如何将外语学到和母语一样流利

RayalizingPKM - 我的知识管理系统 2.0（基于思源笔记 | 欢迎探讨）

如何学习英语？

欢迎来到这里！