响应式编程中Flux和Mono这两个Reactor中的概念非常多朋友很难分辨，以至于在使用过程中很懵，但是恰巧我们对这两个对象的接触又非常的多，比如说Spring WebFlux、RSocket、R2DBC。很多朋友都对这个非常头疼，今天就分享一下这个知识。

1.响应流特点

要对这两个概念有清晰认识，必须说一下响应流这个东西，它是响应式编程的基石，特点有：

1.无阻塞

2.数据流

3.必须是异步执行

4.允许背压处理

背压是反应流内的重要概念，有点难理解？这个可以理解为感受到消费者反馈的消费压力，并根据压力进行调整产生速率。

2.Publisher

因为响应流的原因，不能仅返回一个简单POJO对来表示结果了，必须返回一个类似Java中future的概念，在有结果的时候可以通知消费者响应。

Reactive Stream规范中将这种定义为Publisher，这是一个允许提供0-N个序列元素的提供者，根据其订阅者Subscriber的需求来提供推送的元素，一个Publisher可以支持多个订阅者，根据订阅者的喜好和逻辑推送序列元素。

Flux和Mono都是Publisher在Reactor 3实现。Publisher提供了subscribe方法，允许消费者在有结果可用时进行消费。如果没有消费者Publisher不会做任何事情，他根据消费情况进行响应。Publisher可能返回零或者多个，甚至可能是无限的，为了更加清晰表示期待的结果就引入了两个实现模型Mono和Flux。

3.Flux

Flux是一个发出（emit）0-N个元素组成的异步序列的Publisher,这个是允许被onComplete信号或onError的信号终止，在响应流规范中存在着三种给下游消费者调用的方法onNext, onComplete, 和onError。下面这张图表示了 Flux 的抽象模型：

如果你是初次接触反应式编程，短时间理解不了是非常正常的，这是一个循序渐进的过程，虽然有些类比不是非常妥当，但是对于循序渐进的理解新概念还是非常有帮助的。

传统数据处理

public List<ClientUser> allUsers() { 
    return Arrays.asList(new ClientUser("felord.cn", "reactive"), 
            new ClientUser("Felordcn", "Reactor")); 
} 

通常情况下我们就是这么写的，通过迭代的返回值List来get元素进行处理。

流式数据处理

在Java8中可以改写为流的表示：

public Stream<ClientUser> allUsers() { 
    return  Stream.of(new ClientUser("felord.cn", "reactive"), 
            new ClientUser("Felordcn", "Reactor")); 
} 

这个就相对高级了许多，第一个版本就类似于商店有很多商品，你是否购买取决于客人，第二个则是提供了说明，按照说明来选购商品。

反应式数据处理

在Reactor中我们又可以改写为Flux表示：

public Flux<ClientUser> allUsers(){ 
    return Flux.just(new ClientUser("felord.cn", "reactive"), 
            new ClientUser("Felordcn", "Reactor")); 
} 

到这一部分就比较智能了，只需要订购即可，选好了直接送过来，而且可以根据客人的需求来进行调整。如果没有人购买，则就不用送。

4.Momo

Mono 是一个发出(emit)0-1个元素的Publisher,可以被onComplete信号或者onError信号所终止。

传统数据处理

public ClientUser currentUser () { 
    return isAuthenticated ? new ClientUser("felord.cn", "reactive") : null; 
} 

直接返回符合条件的对象或者null。

Optional 的处理方式

public Optional<ClientUser> currentUser () { 
    return isAuthenticated ? Optional.of(new ClientUser("felord.cn", "reactive")) 
            : Optional.empty(); 
} 

这个Optional我觉得就有反应式的那种味儿了，当然它并不是反应式。当我们不从返回值Optional取其中具体的对象时，我们不清楚里面到底有没有，但是Optional是一定客观存在的,不会出现NPE问题。

反应式数据处理

public Mono<ClientUser> currentUser () { 
    return isAuthenticated ? Mono.just(new ClientUser("felord.cn", "reactive")) 
            : Mono.empty(); 
} 

和Optional有点类似的机制，当然Mono不是为了解决NPE问题的，它是为了处理响应流中单个值(也可能是Void)而存在的。

总结

Flux和Momo是Java反应式中的重要概念，但是大多数人在理解的时候是非常困难的，其实是规定了两种流式范式，这种方式让数据有一些新的特征，比如基于发布订阅的事件驱动，异步流、背压等等。另外数据是推送(Push)给消费者的以区别于平时我们的拉(Pull)模式。同时我们可以像Stream Api一样使用类似map、flatmap等操作符(operator)来操作它们。对Flux和Mono这两个概念需要花一些时间去理解它们，不能操之过急。