C# RX设计-外部系统上的节流冲击

我正在编写一个消息代理，它利用文件系统上的IBMMQS和文件夹。在拾取消息之后，它将它们具体化为强类型类，并将它们插入RX主题

我已经建立了对消息的了解，这些消息允许我识别需要点击哪些外部系统来处理它们，因此我可以查询RX观测值并选择不以外部系统为目标的消息，等等

我接下来要做的是，通过外部系统来限制消息，例如：

如果我使用某种类型的消息访问CRM系统，我会决定最多使用4个并发调用访问该系统，我一次只能处理4条消息，如果我有第5条消息，我将不得不等待前4条消息中的一条完成，然后转到第5条。对于其他类型的资源（如外部数据库、其他外部web服务等）也是如此

我已经开始研究这个问题，到目前为止，最好的设计方法是编写自己的调度器。缺点是，我必须编写自己的内部结构，在获取消息后在调度程序中对消息进行排队，这就是我不喜欢这种方法的地方

---

有谁有更好的方法来实现这一点吗？

您可能需要研究ReactiveUI，它包括服务请求的速率调节机制。请参见

您可能希望查看包含服务请求速率调节机制的ReactiveUI。请参见

您所描述的似乎是最大并发性。

Merge

操作符支持这样的东西

您需要使用类似于

GroupBy

的方法来根据流的去向分割流，然后使用

Merge

在每个分割的部分上具有最大并发性，最后将结果合并到一起。大概是这样的：

IObservable<T> requests = ...;
requests.GroupBy(request => PickExternalSystem(request))
    .Select(group => group // group.Key is the TExternalSystem
        .Select(request => Observable.Defer(() => group.Key.ExecuteAsync(request)))
        .Merge(maxConcurrency: group.Key.MaxConcurrency))
    .Merge() // merge the results of each group back together again
    .Subscribe(result => ...);

IObservable请求=。。。；
GroupBy（请求=>PickExternalSystem（请求））
.Select（group=>group//group.Key是文本ernalsystem
.Select（请求=>Observable.Defer（（）=>group.Key.ExecuteAsync（请求）））
.Merge（maxConcurrency:group.Key.maxConcurrency））
.Merge（）//重新合并每个组的结果
。订阅（结果=>…）；

您所描述的似乎是最大并发性。

Merge

操作符支持这样的东西

您需要使用类似于

GroupBy

的方法来根据流的去向分割流，然后使用

Merge

在每个分割的部分上具有最大并发性，最后将结果合并到一起。大概是这样的：

IObservable<T> requests = ...;
requests.GroupBy(request => PickExternalSystem(request))
    .Select(group => group // group.Key is the TExternalSystem
        .Select(request => Observable.Defer(() => group.Key.ExecuteAsync(request)))
        .Merge(maxConcurrency: group.Key.MaxConcurrency))
    .Merge() // merge the results of each group back together again
    .Subscribe(result => ...);

IObservable请求=。。。；
GroupBy（请求=>PickExternalSystem（请求））
.Select（group=>group//group.Key是文本ernalsystem
.Select（请求=>Observable.Defer（（）=>group.Key.ExecuteAsync（请求）））
.Merge（maxConcurrency:group.Key.maxConcurrency））
.Merge（）//重新合并每个组的结果
。订阅（结果=>…）；

我也发布了这篇文章，并通过不同的合并运算符实现获得了更深入的答案，这样在最大并发值更改时就不会发生数据丢失。

我也发布了这篇文章，并通过不同的合并运算符实现获得了更深入的答案，这样在最大并发值更改时就不会发生数据丢失并发值已更改