Java 项目反应堆：用单核反应堆的结果来丰富通量的结果

我正在努力向我的公司介绍反应式编程。我正在构建一个简单的活动推荐系统演示，以证明其性能优势

我遇到的一个挑战是用一个流的结果丰富另一个流的结果。我有一个工作示例，如下所示，但我不确定这种方法是否存在任何问题。有人能看一下并提供任何潜在的改进吗

    public Flux<Integer> getRecommendedActivities(Long userId, String location, Integer limit) {
        Flux<ActivityData> activities = activityDatabaseService.getByLocation(location);
        Mono<Map<String,BigInteger>> userCategoryScores = userScoresDatabaseService.get(userId);

        return activities
            .zipWith(userCategoryScores.cache().repeat(), this::scoreActivitiesBasedOnUserCategoryScores)
            .sort(compareActivityScoreStrength)
            .map(ScoredActivityData::getActivityId)
            .take(limit);
    }

    private ScoredActivityData scoreActivitiesBasedOnUserCategoryScores(ActivityData deal,Map<String, BigInteger> categoryScores){
        //This method combines the deal score and user category scores to come up with a final score
    }

公共流量getRecommendedActivities（长用户ID、字符串位置、整数限制）{ Flux activities=activityDatabaseService.getByLocation（位置）； Mono userCategoryScores=userScoresDatabaseService.get（userId）； 返回活动 .zipWith（userCategoryScores.cache（）.repeat（），this:：scoreActivitiesBasedOnUserCategoryScores） .排序（比较活动核心强度） .map（ScoredActivityData:：getActivityId） .采取（限制）； } 私有ScoredActivityData ScoreActivities基于用户分类核心（ActivityData交易、地图分类核心）{ //此方法结合交易分数和用户类别分数得出最终分数 } 谢谢，

---

卡尔

这里的代码没有本质上的错误。一些可能有用也可能无用的文体要点：

• 反应式编程的“标准”是使用流畅的风格并贯穿始终，而不是在方法顶部声明单独的局部变量，并使用反应链中的变量

• x.zipWith（y.cache（）.repeat（））

  模式可以很好地工作，但是如果可以避免的话，我发现它有点难看（

  zipWith（）

  意味着我头脑中有两个真正的

  数据流，而不是一个被任意缓存和重复的
  单声道
  ，因此这种行为不一定是“突出的”相反，我更喜欢
  y.flatMapMany（x）
  ——它更清楚地表明，您正在获取一个值，并通过实
  通量对多个值应用转换。因此，在您的情况下，这可能看起来像：
  
  userScoresDatabaseService.get(userId)
          .flatMapMany(c -> activityDatabaseService.getByLocation(location)
                  .map(a -> scoreActivitiesBasedOnUserCategoryScores(a, c))
          )
          .sort() //etc.
  
  scoresDb.get(userId)
          .flatMapMany(c -> activityDb.getByLocation(location, limit, comparator)
                  .map(a -> score(a, c).getActivityId())
          )
  
  

• Flux.sort（）

  确实应该是“最后的手段”操作，特别是因为您将性能优势作为探索反应式操作的理由。（从数据库服务中读取整个数据，然后对其进行排序，然后只获取第一个

  n

  值会导致效率低下-最好在数据层中对值进行排序和限制。）请记住

  Flux.sort（）

  必须等待整个源代码

  通量

  完成，然后才能对值进行排序和返回，并将每个值存储在内存中，因此这样做首先会失去

  通量

  的许多好处。它还使您的反应链更短、更简单，因为它不需要担心排序和限制
• Nit：有些方法名和变量名看起来很长。如果可能的话，我会缩短它们——我发现这使得在反应链的上下文中阅读起来更容易

通过以上几点，您的整个

getRecommendedActivities（）

可以阅读如下内容：

userScoresDatabaseService.get(userId)
        .flatMapMany(c -> activityDatabaseService.getByLocation(location)
                .map(a -> scoreActivitiesBasedOnUserCategoryScores(a, c))
        )
        .sort() //etc.

scoresDb.get(userId)
        .flatMapMany(c -> activityDb.getByLocation(location, limit, comparator)
                .map(a -> score(a, c).getActivityId())
        )

---

…至少对我来说，它读起来更短更简单。

感谢您提供的详细信息真的很有用！决定遵循这种模式，但要更进一步，在数据层做更多的工作，以简化应用程序逻辑！