Question

我想利用一个简单的Flow从http服务中收集一些额外的数据，并用结果增强我的数据对象。以下说明了这个想法：

val httpClient = Http().superPool[User]()

val cityRequest = Flow[User].map { user=>
  (HttpRequest(uri=Uri(config.getString("cityRequestEndpoint"))), User)
}

val cityResponse = Flow[(Try[HttpResponse], User)].map {
  case (Failure(ex), user) => user
  case (Success(resp), user) => {
    // << What to do here to get the value >> //
    val responseData = processResponseSomehowToGetAValue?
    val enhancedUser = new EnhancedUser(user.data, responseData)
    enhancedUser
  }
}

val processEnhancedUser = Flow[EnhancedUser].map {
  // e.g.: Asynchronously save user to a database
}

val useEnhancementGraph = userSource
  .via(getRequest)
  .via(httpClient)
  .via(getResponse)
  .via(processEnhancedUser)
  .to(Sink.foreach(println))

我有一个问题需要理解它们之间的机制和区别 Flow中的流媒体性质和物化/期货。

以下想法没有向我解释：

如何从响应中获取新用户对象的值，所以我可以按照以下步骤处理该对象。

感谢您的帮助。

更新

我正在用远程akka http服务器评估代码，使用下面的代码在解析之前立即和10秒之间回答请求。这导致一些“EnhancedUser”实例最终出现，但那些花了太长时间才回答的人却错过了他们的价值观。

我在某个时间将.async添加到cityResponse解析器的末尾，结果输出花费的时间更长，但是正确。

这种行为的原因是什么，它与接受的答案如何契合？

val cityResponse = Flow[(Try[HttpResponse], User)].map {
  case (Failure(ex), member) => member
  case (Success(response), member) => {
    Unmarshal(response.entity).to[String] onComplete {
      case Success(s) =>  member.city = Some(s)
      case Failure(ex) => member.city = None
    }
  }
  member
}.async  // <<-- This changed the behavior to be correct, why?

Answer 1

根据您从“cityRequestEndpoint”获得的实体的性质，您可以使用两种不同的策略：

基于流媒体

处理这种情况的典型方法是始终假设来自源端点的实体可以包含N个数据，其中N是事先不知道的。这通常是要遵循的模式，因为它是最通用的，因此在现实世界中是“最安全的”。

第一步是将来自端点的HttpResponse转换为数据源：

val convertResponseToByteStrSource : (Try[HttpResponse], User) => Source[(Option[ByteString], User), _] = 
  (response, user) => response match {
    case Failure(_) => Source single (None -> user)
    case Success(r) => r.entity.dataBytes map (byteStr => Some(byteStr) -> user)
  }

上面的代码是我们不假设N的大小，r.entity.dataBytes可能是0 ByteString值的来源，或者可能是无限数值。但我们的逻辑并不关心！

现在我们需要合并来自Source的数据。这是Flow.flatMapConcat的一个很好的用例，它采用源流并将其转换为值的流（类似于Iterables的flatMap）：

val cityByteStrFlow : Flow[(Try[HttpResponse], User), (Option[ByteString], User), _] = 
  Flow[(Try[HttpResponse], User)] flatMapConcat convertResponseToByteStrSource

剩下要做的就是将(ByteString, User)的元组转换为EnhancedUser。注意：我假设下面User是EnhancedUser的子类，它是从问题逻辑中推断出来的：

val convertByteStringToUser : (Option[ByteString], User) => EnhancedUser = 
  (byteStr, user) => 
    byteStr
      .map(s => EnhancedUser(user.data, s))
      .getOrElse(user)

val cityUserFlow : Flow[(Option[ByteString], User), EnhancedUser, _] = 
  Flow[(ByteString, User)] map convertByteStringToUser

现在可以组合这些组件：

val useEnhancementGraph =
  userSource
    .via(cityRequest)
    .via(httpClient)
    .via(cityByteStrFlow)
    .via(cityUserFlow)
    .via(processEnhancedUser)
    .to(Sink foreach println)

基于未来

我们可以使用Futures来解决问题，类似于您在原始问题中引用的堆栈问题。我不推荐这种方法有两个原因：

假设只有1个ByteString来自端点。如果端点将多个值作为ByteStrings发送，则它们会连接在一起，并且在创建EnhancedUser时可能会出错。
它对ByteString数据的具体化设置了一个人工超时，类似于Async.await（几乎总是应该避免）。

要使用基于Future的方法，对原始代码的唯一重大更改是使用Flow.mapAsync而不是Flow.map来处理在函数中创建Future的事实：

val parallelism = 10

val timeout : FiniteDuration = ??? //you need to specify the timeout limit

val convertResponseToFutureByteStr : (Try[HttpResponse], User) => Future[EnhancedUser] = 
  _ match {
    case (Failure(ex), user)   => 
      Future successful user
    case (Success(resp), user) => 
      resp
        .entity
        .toStrict(timeout)
        .map(byteStr => new EnhancedUser(user.data, byteStr))
  }    

val cityResponse : Flow[(Try[HttpResponse], User), EnhancedUser, _] =
  Flow[(Try[HttpResponse], User)].mapAsync(parallelism)(convertResponseToFutureByteStr)

Akka Stream在Flow中使用HttpResponse

1 个答案: