任何人都可以解释一下地图和mapAsync w.r.t AKKA流之间的区别吗? In the documentation据说
涉及外部非流的流转换和副作用 可以使用mapAsync或mapAsyncUnordered
执行基于服务的服务
为什么我们不能简单地在这里映射?我假设Flow,Source,Sink都是Monadic,因此map应该工作得很好w.r.t延迟性质这些?
答案 0 :(得分:43)
<强>特征强>
差异最好在signatures中突出显示:Flow.map
接受一个返回类型T
的函数,而Flow.mapAsync
接受一个返回类型{{的函数1}}。
实践示例
例如,假设我们有一个函数,它根据用户ID在数据库中查询用户的全名:
Future[T]
给定type UserID = String
type FullName = String
val databaseLookup : UserID => FullName = ??? //implementation unimportant
个Source
个值的{* 1}},我们可以在流中使用UserID
来查询数据库并将全名打印到控制台:
Flow.map
此方法的一个限制是此流只能一次进行1 db查询。此串行查询将是一个“瓶颈”,可能会阻止我们的流中的最大吞吐量。
我们可以尝试使用val userIDSource : Source[UserID, _] = ???
val stream =
userIDSource.via(Flow[UserID].map(databaseLookup))
.to(Sink.foreach[FullName](println))
.run()
:
Future
这个简单的附录的问题是我们已经有效地消除了背压。
Sink只是拉入未来并添加def concurrentDBLookup(userID : UserID) : Future[FullName] =
Future { databaseLookup(userID) }
val concurrentStream =
userIDSource.via(Flow[UserID].map(concurrentDBLookup))
.to(Sink.foreach[Future[FullName]](_ foreach println))
.run()
,与数据库查询相比,它相对较快。该流将持续将需求传播到源并在foreach println
内产生更多的期货。因此,并发运行Flow.map
的数量没有限制。不受干扰的并行查询最终会使数据库过载。
databaseLookup
救援;我们可以同时进行数据库访问,同时限制同时查找的数量:
Flow.mapAsync
另请注意,val maxLookupCount = 10
val maxLookupConcurrentStream =
userIDSource.via(Flow[UserID].mapAsync(maxLookupCount)(concurrentDBLookup))
.to(Sink.foreach[FullName](println))
.run()
变得更简单,不再需要Sink.foreach
而只需Future[FullName]
。
无序异步地图
如果不需要维护UserID到FullNames的顺序排序,那么您可以使用FullName
。例如:您只需要将所有名称打印到控制台,但不关心它们的打印顺序。