我有一个用例,我想将消息发送到外部系统,但发送此消息的流程采用并返回我不能使用下游的类型。这是传递流程的一个很好的用例。我正在使用here的实现。最初我担心如果processingFlow使用mapAsyncUnordered,那么这个流程将不起作用。由于处理流程可能会重新排序消息,因此zip可能会推出具有错误对的元组。例如,在以下示例中。
val testSource = Source(1 until 50)
val processingFlow: Flow[Int, Int, NotUsed] = Flow[Int].mapAsyncUnordered(10)(x => Future {
Thread.sleep(Random.nextInt(50))
x * 10
})
val passThroughFlow = PassThroughFlow(processingFlow, Keep.both)
val future = testSource.via(passThroughFlow).runWith(Sink.seq)
我希望处理流程可以根据其输入重新排序其输出,我会得到如下结果:
[(30,1), (40,2),(10,3),(10,4), ...]
右边(传递总是按顺序)但是通过我的mapAsyncUnordered的左边可能与一个不正确的元素连接以产生一个坏元组。
相反,我实际得到:
[(10,1), (20,2),(30,3),(40,4), ...]
每次。经过进一步调查后,我注意到代码运行缓慢,实际上它并没有完全并行运行,尽管我的地图异步无序。我尝试在前后引入一个缓冲区以及一个异步边界,但它似乎总是按顺序运行。这解释了为什么它总是有序,但我希望我的处理流程具有更高的吞吐量。
我想出了以下工作:
object PassThroughFlow {
def keepRight[A, A1](processingFlow: Flow[A, A1, NotUsed]): Flow[A, A, NotUsed] =
keepBoth[A, A1](processingFlow).map(_._2)
def keepBoth[A, A1](processingFlow: Flow[A, A1, NotUsed]): Flow[A, (A1, A), NotUsed] =
Flow.fromGraph(GraphDSL.create() { implicit builder => {
import GraphDSL.Implicits._
val broadcast = builder.add(Broadcast[A](2))
val zip = builder.add(ZipWith[A1, A, (A1, A)]((left, right) => (left, right)))
broadcast.out(0) ~> processingFlow ~> zip.in0
broadcast.out(1) ~> zip.in1
FlowShape(broadcast.in, zip.out)
}
})
}
object ParallelPassThroughFlow {
def keepRight[A, A1](parallelism: Int, processingFlow: Flow[A, A1, NotUsed]): Flow[A, A, NotUsed] =
keepBoth(parallelism, processingFlow).map(_._2)
def keepBoth[A, A1](parallelism: Int, processingFlow: Flow[A, A1, NotUsed]): Flow[A, (A1, A), NotUsed] = {
Flow.fromGraph(GraphDSL.create() { implicit builder =>
import GraphDSL.Implicits._
val fanOut = builder.add(Balance[A](outputPorts = parallelism))
val merger = builder.add(Merge[(A1, A)](inputPorts = parallelism, eagerComplete = false))
Range(0, parallelism).foreach { n =>
val passThrough = PassThroughFlow.keepBoth(processingFlow)
fanOut.out(n) ~> passThrough ~> merger.in(n)
}
FlowShape(fanOut.in, merger.out)
})
}
}
两个问题:
您目击的行为是broadcast
和zip
如何工作的结果:broadcast
在其所有输出信号需求时向下游发射; zip
在发出信号需求(并向下游发射)之前等待其所有输入。
broadcast.out(0) ~> processingFlow ~> zip.in0
broadcast.out(1) ~> zip.in1
考虑第一个元素(1
)通过上图的移动。 1
播放给processingFlow
和zip
。 zip
立即收到其中一个输入(1
)并等待其他输入(10
),这将需要更长的时间才能到达。只有当zip
同时获得1
和10
时,才能从上游获取更多元素,从而触发第二个元素(2
)通过流的移动。等等。
至于你的ParallelPassThroughFlow
,我不知道为什么“对你来说感觉不对”。