上一篇文章RxJava 线程模型分析详细介绍了RxJava的线程模型，被观察者(Observable、Flowable...)发射的数据流可以经历各种线程切换，但是数据流的各个元素之间不会产生并行执行的效果。我们知道并行并不是并发，不是同步，更不是异步。
Java 8新增了并行流来实现并行的效果，只需要在集合上调用parallelStream()即可。
List<Integer> result = new ArrayList(); for(Integer i=1;i<=100;i++) { result.add(i); } result.parallelStream() .map(new java.util.function.Function<Integer, String>() { @Override public String apply(Integer integer) { return integer.toString(); } }).forEach(new java.util.function.Consumer<String>() { @Override public void accept(String s) { System.out.println(s); } });
如果要达到类似于 Java8 的 parallel 执行效果，可以借助 flatMap 操作符来实现并行的效果。
Observable.range(1,100) .flatMap(new Function<Integer, ObservableSource<String>>() { @Override public ObservableSource<String> apply(Integer integer) throws Exception { return Observable.just(integer) .subscribeOn(Schedulers.computation()) .map(new Function<Integer, String>() { @Override public String apply(Integer integer) throws Exception { return integer.toString(); } }); } }) .subscribe(new Consumer<String>() { @Override public void accept(String str) throws Exception { System.out.println(str); } });
flatMap操作符的原理是将这个Observable转化为多个以原Observable发射的数据作为源数据的Observable，然后再将这多个Observable发射的数据整合发射出来，需要注意的是最后的顺序可能会交错地发射出来。
flatMap.png
flatMap会对原始Observable发射的每一项数据执行变换操作。在这里，生成的每个Observable可以使用线程池(指定了computation作为Scheduler)并发的执行。
当然我们还可以使用ExecutorService来创建一个Scheduler。
int threadNum = Runtime.getRuntime().availableProcessors()+1; ExecutorService executor = Executors.newFixedThreadPool(threadNum); final Scheduler scheduler = Schedulers.from(executor); Observable.range(1,100) .flatMap(new Function<Integer, ObservableSource<String>>() { @Override public ObservableSource<String> apply(Integer integer) throws Exception { return Observable.just(integer) .subscribeOn(scheduler) .map(new Function<Integer, String>() { @Override public String apply(Integer integer) throws Exception { return integer.toString(); } }); } }) .subscribe(new Consumer<String>() { @Override public void accept(String str) throws Exception { System.out.println(str); } });
需要补充的是： 当完成所有的操作之后，ExecutorService需要执行shutdown()来关闭 ExecutorService。在这里，可以使用doFinally操作符来执行shutdown()。
doFinally操作符可以在onError或者onComplete之后调用指定的操作，或由下游处理。
增加了doFinally操作符之后，代码是这样的。
int threadNum = Runtime.getRuntime().availableProcessors()+1; final ExecutorService executor = Executors.newFixedThreadPool(threadNum); final Scheduler scheduler = Schedulers.from(executor); Observable.range(1,100) .flatMap(new Function<Integer, ObservableSource<String>>() { @Override public ObservableSource<String> apply(Integer integer) throws Exception { return Observable.just(integer) .subscribeOn(scheduler) .map(new Function<Integer, String>() { @Override public String apply(Integer integer) throws Exception { return integer.toString(); } }); } }) .doFinally(new Action() { @Override public void run() throws Exception { executor.shutdown(); } }) .subscribe(new Consumer<String>() { @Override public void accept(String str) throws Exception { System.out.println(str); } });
Round-Robin 算法实现并行
Round-Robin算法是最简单的一种负载均衡算法。它的原理是把来自用户的请求轮流分配给内部的服务器：从服务器1开始，直到服务器N，然后重新开始循环。也被称为哈希取模法，在实际中是非常常用的数据分片方法。Round-Robin算法的优点是其简洁性，它无需记录当前所有连接的状态，所以它是一种无状态调度。
通过 Round-Robin 算法把数据分组, 按线程数分组，分成5组每组个数相同，一起发送处理。这样做的目的可以减少Observable的创建节省系统资源，但是会增加处理时间，Round-Robin 算法可以看成是对时间和空间的综合考虑。
final AtomicInteger batch = new AtomicInteger(0); Observable.range(1,100) .groupBy(new Function<Integer, Integer>() { @Override public Integer apply(@NonNull Integer integer) throws Exception { return batch.getAndIncrement() % 5; } }) .flatMap(new Function<GroupedObservable<Integer, Integer>, ObservableSource<?>>() { @Override public ObservableSource<?> apply(@NonNull GroupedObservable<Integer, Integer> integerIntegerGroupedObservable) throws Exception { return integerIntegerGroupedObservable.observeOn(Schedulers.io()) .map(new Function<Integer, String>() { @Override public String apply(@NonNull Integer integer) throws Exception { return integer.toString(); } }); } }) .subscribe(new Consumer<Object>() { @Override public void accept(@NonNull Object o) throws Exception { System.out.println(o); } });
在这里，也可以使用ExecutorService创建Scheduler，来替代Schedulers.io()
final AtomicInteger batch = new AtomicInteger(0); int threadNum = 5; final ExecutorService executor = Executors.newFixedThreadPool(threadNum); final Scheduler scheduler = Schedulers.from(executor); Observable.range(1,100) .groupBy(new Function<Integer, Integer>() { @Override public Integer apply(@NonNull Integer integer) throws Exception { return batch.getAndIncrement() % threadNum; } }) .flatMap(new Function<GroupedObservable<Integer, Integer>, ObservableSource<?>>() { @Override public ObservableSource<?> apply(@NonNull GroupedObservable<Integer, Integer> integerIntegerGroupedObservable) throws Exception { return integerIntegerGroupedObservable.observeOn(scheduler) .map(new Function<Integer, String>() { @Override public String apply(@NonNull Integer integer) throws Exception { return integer.toString(); } }); } }) .subscribe(new Consumer<Object>() { @Override public void accept(@NonNull Object o) throws Exception { System.out.println(o); } });
