map和mapAsync之间的区别

Question

任何人都可以解释我地图和mapAsync w.r.t AKKA流之间的区别吗？据说In the documentation

可以使用mapAsync或mapAsyncUnordered执行涉及外部非基于流的服务的流转换和副作用

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这些性质的延迟？

Answer 1

签名

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Future[T]的函数。

实际例子

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：

type UserID   = String
type FullName = String

val databaseLookup : UserID => FullName = ???  //implementation unimportant

给定Source值的akka​​流UserID，我们可以在流中使用Flow.map来查询数据库并将全名打印到控制台：

val userIDSource : Source[UserID, _] = ???

val stream = 
  userIDSource.via(Flow[UserID].map(databaseLookup))
              .to(Sink.foreach[FullName](println))
              .run()

此方法的一个限制是此流将一次只进行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Future通过并发查询来提高性能：

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()

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了foreach println，与数据库查询相比，它相对较快。该流将不断将需求传播到源并在Flow.map内产生更多的期货。因此，同时运行的databaseLookup的数量没有限制。不受干扰的并行查询最终可能使数据库过载。

Flow.mapAsync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：

val maxLookupCount = 10

val maxLookupConcurrentStream = 
  userIDSource.via(Flow[UserID].mapAsync(maxLookupCount)(concurrentDBLookup))
              .to(Sink.foreach[FullName](println))
              .run()

另外请注意Sink.foreach变得更简单，它不再需要Future[FullName]而只需要FullName。

无序异步映射

如果不需要维护UserID到FullNames的顺序排序，那么您可以使用Flow.mapAsyncUnordered。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。