Spring webflux

在目前的jdk 已经迭代22 虚拟线程(携程)来说 ,上下文的切换的压力得到优化,Spring webflux的热度也慢慢不温不火,但是其中的设计思想还是值得了解的

。

Spring WebFlux

1. 什么是 Spring WebFlux？

Spring WebFlux 是 Spring Framework 5 引入的非阻塞、响应式编程框架，它是基于异步 I/O 模型构建的。WebFlux 提供了一个事件驱动的响应式编程模型，可以处理大量并发请求而不会被 I/O 操作阻塞。WebFlux 可以运行在支持 Reactive Streams 的服务器（如 Netty）上，也可以在支持 Servlet 3.1+ 规范的容器（如 Tomcat、Jetty）上运行。

2. Spring WebFlux 与 Spring MVC 的主要区别

• 阻塞 vs. 非阻塞：

  • Spring MVC 是阻塞 I/O，每个请求都需要一个线程来处理。如果线程等待 I/O 操作（如数据库查询），它会被阻塞。
  • Spring WebFlux 使用非阻塞 I/O，线程不需要等待 I/O 操作完成，发出 I/O 请求后，线程可以释放去处理其他任务，当 I/O 操作完成时再回调处理结果。

• 同步 vs. 异步：

  • Spring MVC 是同步的，每个请求会在一个线程上被处理到底，直到完成。
  • Spring WebFlux 是异步的，任务被分为多个步骤，且不需要在同一个线程上执行。

这里可能一直对bio,nio,aio等问题困扰,这里就要说一下,底层使用到的是netty这种bio框架,所以需要先了解

BIO模型和多线程

即使在响应式编程和异步 I/O的模型中，本质上确实涉及多线程的概念，但它与传统的基于阻塞 I/O (BIO) 的多线程模型有显著区别。响应式编程和异步 I/O 通过一种更高效的方式管理线程和资源，从而避免了传统多线程模型的高开销和低效率。

BIO（阻塞 I/O）和多线程

在基于阻塞 I/O 的传统服务器模型（如 Spring MVC），每个请求会分配一个独立的线程。这个线程在等待 I/O 操作（例如数据库查询或外部 API 调用）时会进入阻塞状态，直到操作完成。在这种模型下，如果有多个请求同时到来，服务器需要创建或分配相应数量的线程。这种方式虽然简单直观，但存在一些问题：

1. 高并发下资源浪费：大量线程会占用服务器的内存和 CPU 资源，特别是当线程在等待 I/O 时，资源仍然被锁定但没有被有效利用。
2. 线程上下文切换开销：操作系统需要花费大量时间在不同的线程之间切换，这种线程上下文切换（context switching）开销在高并发环境下会变得非常明显，导致性能下降。

异步 I/O 和响应式模型的多线程

在 异步 I/O（如 Spring WebFlux 的实现）中，尽管仍然使用多线程，但其运作方式大大优化，避免了传统阻塞模型中的资源浪费和高开销。异步 I/O 主要通过 事件驱动 和 回调机制 来处理请求，从而达到高并发下的高效性能。

异步 I/O 的工作原理

1. 事件循环线程模型：在异步 I/O 模型中，只有少量的线程（通常是 事件循环线程池）用于处理所有 I/O 操作。当请求到达时，系统不会为每个请求分配一个线程，而是将请求放入事件循环中，由少数线程来监控和处理。线程只负责启动 I/O 操作，并在 I/O 操作完成时，通过回调或事件触发进一步的处理。

2. 非阻塞式 I/O：当系统发起一个 I/O 请求（如数据库查询或网络请求）时，线程不会等待该请求完成，而是将操作挂起，并继续处理其他请求或任务。当 I/O 操作完成时，操作系统会通知应用程序（通过回调或事件），并在事件循环中继续处理这个任务的剩余部分。

3. 背压和资源控制：在响应式编程中，通常有背压（Backpressure）机制，它允许消费者（请求处理代码）根据自身的处理能力，来调节数据流的速率，防止服务器资源过载。

关键差异：多线程 vs 事件驱动

特性	BIO（传统多线程模型）	异步 I/O（响应式模型）
线程分配	每个请求一个线程	少量线程处理大量请求
I/O 操作	阻塞等待	非阻塞，异步处理
资源消耗	高，线程在等待 I/O 时浪费资源	低，线程被释放，继续处理其他任务
并发处理	线程数量受限，容易导致资源瓶颈	高效利用少量线程，适合高并发场景
线程上下文切换	高频上下文切换，开销大	减少上下文切换，开销小
响应性	处理时间依赖于线程是否可用和 I/O 阻塞	响应更快，避免线程被长时间占用

响应式编程中的多线程

尽管异步 I/O 和响应式编程模型更高效地使用了线程，但多线程仍然是不可避免的。只是：

1. 线程数少：响应式系统通常使用更少的线程，比如基于 事件循环 的 Reactor Netty 或 Vert.x 通常只有固定数量的 I/O 线程，不会为每个请求创建新的线程。

2. 线程不会被阻塞：线程不再是处理 I/O 操作的核心部分，而是负责调度和管理事件流。一旦发起 I/O 操作，线程会被释放出来，继续处理其他任务。

3. 线程池管理：响应式系统通常会有不同的线程池来处理不同类型的任务。比如，I/O 操作可能由一个线程池处理，而 CPU 密集型任务由另一个线程池处理。这种分离使得系统在处理不同任务时更高效。

4. 异步和回调：响应式编程强调 异步，操作通常通过回调链或响应式流（如 Mono 和 Flux）来完成，而不是通过线程阻塞来等待结果。这样可以充分利用服务器资源，即使在高并发情况下也能保持高效。

因此，异步 I/O 和响应式编程中的“多线程”不同于传统的多线程模型，它依赖于少量线程的高效利用和异步非阻塞的设计理念，能够在处理大量并发请求时保持高效的性能。

• 基于 Servlet vs. 基于 Reactive Streams：
  • Spring MVC 依赖于 Servlet API，主要是传统的阻塞 I/O 模型。
  • Spring WebFlux 依赖 Reactive Streams 规范，基于 Reactor 框架。

3. 异步 I/O 与非阻塞 I/O

要理解 Spring WebFlux 的核心异步和非阻塞编程模型，首先需要理解一些底层概念。

3.1 阻塞 I/O (Blocking I/O)

在传统的阻塞 I/O 模型中，一个线程发起一个 I/O 操作（如读取文件或数据库查询），它会被阻塞，即必须等待 I/O 操作完成，才能继续执行后续的代码逻辑。这个线程在等待期间无法处理其他任务。

缺点：

• 线程会因为等待 I/O 操作而浪费资源，系统的并发处理能力受限于线程池大小。
• 阻塞模型在高并发场景下不够高效，因为每个请求都会占用一个线程，而线程是稀缺资源。

3.2 非阻塞 I/O (Non-blocking I/O)

在非阻塞 I/O 模型中，线程发起 I/O 操作后不会被阻塞，而是立即被释放。I/O 操作在后台继续进行，线程可以继续执行其他任务。当 I/O 操作完成时，系统会通过回调机制或事件通知来告知线程操作已完成，线程再继续处理操作结果。

非阻塞 I/O 具体步骤：

1. 发起 I/O 请求：线程发起 I/O 操作（如数据库查询），不会等待操作完成，而是继续处理其他请求。
2. 释放线程：该线程不会因为 I/O 被占用，而是被释放回到线程池，可以处理其他任务。
3. I/O 完成回调：当 I/O 操作完成时，操作系统或 I/O 子系统会发出事件通知，告知线程任务完成。线程会接收该通知并处理后续操作。

3.3 异步 I/O (Asynchronous I/O)

异步 I/O 通常与非阻塞 I/O 配合使用。异步 I/O 模型的特点是，I/O 操作不会在发起时阻塞线程，而是通过回调或事件机制来异步处理任务。

异步 I/O 和非阻塞 I/O 的区别：

• 非阻塞 I/O 强调的是线程不需要等待 I/O 操作的结果，可以继续执行其他任务。
• 异步 I/O 强调的是任务之间的非线性处理方式，任务的不同阶段通过回调机制来协同完成。

所以其实说简单一点就是,

传统的mvc服务器会每次收到一个请求就新建一个线程,来处理这个请求,而Spring webflux这种异步服务器类似线程池,web服务器会提前维护一批线程,用多路复用的方式,每次到达的请求就采用之前维护的线程进行处理请求,这样就不会每次一个线程就处理资源,

4. 核心机制: 线程池、事件驱动与多路复用

WebFlux 和其他基于异步 I/O 的服务器模型确实与 线程池 有很大相似之处，它们通过维护一组固定数量的线程（如 事件循环线程池）来处理大量的请求，而不为每个请求单独创建新线程。

核心理解：多路复用 + 线程池

1. 事件循环和线程池：

   • 事件循环模型：服务器通常会维护一小部分线程，这些线程负责处理所有的 I/O 事件。这个机制类似于操作系统中的 多路复用（I/O Multiplexing），如 Linux 下的 epoll 或 select，它们可以监听多个 I/O 操作，一旦有数据可用或操作完成，系统就会通知事件循环线程去处理。
   • 线程池的概念：响应式模型的确会提前创建并维护一组有限的线程，并通过调度机制来管理这些线程处理所有的请求。这与传统的线程池概念非常相似，每个请求并不会占用一个独立的线程，而是由事件驱动机制和少量的线程协同处理。

2. 多路复用的工作原理：

   • 当一个请求到达时，服务器并不会立刻创建一个新线程来处理该请求，而是将请求注册到事件循环中。如果该请求涉及 I/O 操作（如文件读写、数据库查询等），事件循环会在 I/O 完成时通知相应的线程去处理这个任务，而这个线程在等待期间可以继续处理其他请求。
   • 通过这种 多路复用 的方式，服务器不需要每个请求都占用一个独立的线程，从而减少了线程的上下文切换和阻塞，极大地提升了系统的并发处理能力。

为什么不会造成性能瓶颈？

虽然线程池和事件循环的线程是固定数量的，但性能不会受到太大影响，原因在于以下几个关键点：

1. 非阻塞 I/O：

   • 在线程池模型中，每个线程并不会因为 I/O 操作而被阻塞。传统的阻塞模型会让线程等待 I/O 操作（如网络请求或数据库查询）完成，但在非阻塞 I/O 模型中，线程在发起 I/O 请求后会立即被释放，去处理其他任务。
   • 只有在 I/O 操作完成时，系统才会通知线程去处理后续逻辑。因此，即便线程数量是固定的，它们能在同一时间处理大量并发请求。

2. 少量线程处理大量任务：

   • 因为线程在异步模型中不需要等待 I/O 操作的结果，所以一个线程可以同时处理多个请求的不同阶段。假设有 1000 个并发请求，其中大多数需要等待数据库或外部服务返回数据，那么这 1000 个请求并不会需要 1000 个线程来处理，而可能只需要 10-20 个线程。
   • 通过事件驱动模型，线程只在需要处理业务逻辑时才被调用，避免了资源浪费。

3. 背压（Backpressure）机制：

   • 响应式系统有一套背压机制来防止请求过载。假设请求量瞬间激增，系统可以通过背压控制数据流的速度，保证系统不会因为请求过多而崩溃。线程池中空闲的线程会按需分配，避免了线程过载或过多的并发请求导致性能下降。

4. 减少线程上下文切换：

   • 传统的多线程模型中，频繁的线程创建和销毁，以及大量的上下文切换，会对系统性能造成较大影响。非阻塞模型通过少量线程去处理任务，减少了线程切换的频率，这样 CPU 资源更多用于处理实际业务逻辑，而不是在线程调度和切换上浪费。

响应时间不会增加的原因：

1. 高效的线程利用率：
   因为线程不被 I/O 操作阻塞，所以即使线程数量有限，每个线程的利用率会非常高。当一个线程等待 I/O 操作完成时，它可以去处理其他请求的业务逻辑。这样可以提高线程的并发处理能力，减少系统在高并发情况下的响应延迟。

2. 异步回调机制：
   通过异步编程模型，I/O 操作的完成不再依赖于线程阻塞，而是通过回调机制通知相关线程继续处理剩余任务。这种模式下，系统可以快速处理请求的部分业务逻辑，并通过异步方式等待 I/O 操作完成。最终的响应时间是由整体的异步任务完成时间决定的，而不是由单个线程的阻塞状态决定。

3. 事件驱动响应更快：
   非阻塞 I/O 模型通过事件驱动方式处理请求，因此在高并发的情况下，服务器能迅速对请求做出反应，而不会因为线程资源耗尽导致响应时间增加。通过优化的 I/O 多路复用机制，系统可以快速侦听和处理大量请求，而不会因为线程数量有限而延迟响应。

总结

WebFlux 的确通过 线程池 和 多路复用 的方式来处理请求，避免了传统每个请求都创建新线程的做法。虽然维护的线程数量是固定的，但由于采用了 非阻塞 和 异步事件驱动 的机制，线程并不会因为等待 I/O 而被阻塞，从而能够同时处理多个请求。这样一来，即使线程数量有限，系统仍然能够高效处理高并发请求，保持良好的响应时间。

在理解 WebFlux 时，最核心的点是事件驱动模型和I/O 多路复用，以及它如何通过少量线程处理大量并发请求。

4.3 线程池

尽管 WebFlux 使用的是非阻塞 I/O，但它仍然依赖一个小型线程池来处理业务逻辑。每个线程不需要等待 I/O 操作的完成，可以并发地处理多个请求，从而减少线程上下文切换的开销。

5. Spring WebFlux 编程模型

5.1 核心类：Mono 和 Flux

在 WebFlux 中，处理请求的结果通常以两种响应类型表示：Mono 和 Flux。
webflux构建的异步服务器中,返回的响应都是通过flux和mono包裹的异步序列

• Mono：表示 0 或 1 个元素的异步序列，常用于处理单一结果。
• Flux：表示 0 到 N 个元素的异步序列，常用于处理多个结果。

示例：

/*
包裹像响应结构题体
*/
@GetMapping
public Mono<String> getHelloMessage() {
    return Mono.just("Hello, WebFlux!");
}

@GetMapping("2")
public Flux<String> getNames() {
    return Flux.just("John", "Jane", "Jack");
}

数据订阅

    result.subscribe(s -> log.info("get2 result: {}", s));

just 是立即包裹数据在异步响应中,类似传统mvc的响应体 ,线程会阻塞在这里等待包装结果

如果处理结果比较耗时也可以采用异步包装

// 阻塞5秒钟 模拟任务耗时
private String createStr() {
    try {
        TimeUnit.SECONDS.sleep(5);
    } catch (InterruptedException e) {
    }
    return "some string";
}

// 普通的SpringMVC方法
@GetMapping("/1")
private String get1() {
    log.info("get1 start");
    String result = createStr();
    log.info("get1 end.");
    return result;
}

// WebFlux(返回的是Mono)
@GetMapping("/2")
private Mono<String> get2() {
    log.info("get2 start");
    Mono<String> result = Mono.fromSupplier(() -> createStr());
    log.info("get2 end.");
    return result;
}

代码到这里,很多时候,会把nio和多线程搞混了,这里肯定会想,线程执行这个方法,而此时不会阻塞等待结果执行完成,所以会认为当这个方法处理时间过长,返回响应的结果就为null
这样其实是很并发情况理解混乱了

由于nio的特性当代码块执行到这个createStr()时候,并不会阻塞,而是继续执行下面的代码,如果 createStr() 方法耗时很长，它的执行会被延迟到消费者（客户端）订阅 Mono 时。因此在 get2() 方法返回时，result 变量并不会导致返回 null。实际上是返回了一个包装了 createStr() 的 Mono 对象，而不是 createStr() 的结果,
Mono.fromSupplier(() -> createStr()) 会创建一个 Mono 实例，并将 createStr() 方法包装成一个供应者（supplier）。
此时，createStr() 不会被立即执行，只有在订阅 Mono 时，它才会执行。而在webflux构建的服务器中,用户的访问请求就类似一个隐式的订阅,mono包裹这个行为给客户端,客户端获取到这个行为,然后等当有客户端请求来订阅它时，createStr() 方法才会被调用。
如果 createStr() 在调用时耗时过长，客户端会在等待结果，但此时不会返回 null。相反，Spring WebFlux 会保持连接，直到 createStr() 完成，并通过 Mono 返回结果。

并且支持传统的mvc方式注册Controller·路由

@RestController
@RequestMapping("/api")
public class BasicController {
    @GetMapping("/names")
    public Flux<String> queryNmaes() {
        return Flux.just("Hello", "World", "张三", "李四");
    }

    @GetMapping("/users")
    public Mono<R<User>> queryUser() {
        User user = new User();
        user.setName("测试对象");
        user.setAge(666);
        return Mono.just(R.<User>builder().t(user)
                .msg("success")
                .build());
    }
}

也可以向gin和flask等web框架链式注册路由

    @Bean
    public RouterFunction<ServerResponse> routes(WebHandler handler) {
        return route()
                .GET("/hello", handler::hello)
                .build();
    }

5.2 Reactive Programming API

还有一个和mvc的不同就是流式处理,相当于mvc同步模型的stream流采用, Spring WebFlux 通过 Reactor 框架实现响应式编程。常用的操作符有 map, flatMap, filter, subscribe 等。

public Mono<String> getGreeting(String name) {
    return Mono.just(name)
    //数据格式转换
        .map(n -> "Hello, " + n)
        //一个数据转换为多个数据
        .flatMap(greeting -> Mono.just(greeting + " from WebFlux!"));
}

是的，你的理解是正确的。在 Spring WebFlux 中，Flux 提供了一种响应式编程的方式，类似于 Java 8 中的流式编程，但它是针对异步数据流的处理。

Flux.merge 示例解析

Flux.merge() 是一个非常有用的方法，它可以将多个 Flux 实例合并成一个单一的 Flux 实例。它会将所有传入的 Flux 中的数据流汇聚到一起，并保持它们的异步特性。

下面我们详细解析一下你的示例代码：

Flux.merge(
        Flux.just(1, 2, 3).delayElements(Duration.ofMillis(1)),
        Flux.just(4, 5, 6).delayElements(Duration.ofMillis(1))
).subscribe(System.out::println);

1. Flux.just

Flux.just(1, 2, 3) 和 Flux.just(4, 5, 6) 分别创建了两个 Flux 实例，分别包含了数字 1、2、3 和 4、5、6。

2. delayElements

.delayElements(Duration.ofMillis(1)) 会让每个元素在发出前延迟 1 毫秒。这个方法的作用是模拟数据流的延迟，这在测试异步行为时特别有用。

3. Flux.merge

Flux.merge(...) 将两个 Flux 实例合并成一个新的 Flux 实例。这个新的 Flux 将会发出来自所有输入 Flux 的元素，而不需要等待它们完成。

4. subscribe

最后，.subscribe(System.out::println) 表示对合并后的 Flux 进行订阅。每当有元素发出时，System.out::println 会被调用，从而打印出这些元素。类似foreach

示例输出

由于每个 Flux 都有 1 毫秒的延迟，输出将会是：

1
4
2
5
3
6

输出的顺序是交替的，因为 Flux.merge() 会将来自两个源的元素混合在一起。

2. 其他常用的 Flux API

除了 merge 方法，Flux 还提供了许多其他有用的 API，以下是一些常用的方法：

• map: 对每个元素应用一个函数，并返回一个新的 Flux。

  
  //把流的原素依次变大俩倍
     Flux<Integer> map = Flux.just(1, 2, 3)
              .map(i -> i * 2);
      map.subscribe(System.out::println);
  

• filter: 只保留满足条件的元素。

  Flux.just(1, 2, 3, 4, 5)
      .filter(i -> i % 2 == 0) // 输出: 2, 4
      .subscribe(System.out::println);
  

• flatMap: 将元素转换为多个元素的流，并将结果扁平化为一个 Flux。

  Flux.just(1, 2, 3)
      .flatMap(i -> Flux.just(i, i * 10)) // 输出: 1, 10, 2, 20, 3, 30
      .subscribe(System.out::println);
  

• reduce: 对所有元素应用一个归约操作，最终返回一个单一结果。

  Flux.just(1, 2, 3)
      .reduce(0, Integer::sum) // 输出: 6
      .subscribe(System.out::println);
  

collect 收集流中的原素

Flux<Integer> numbersFlux = Flux.just(1, 2, 3);
Mono<List<Integer>> listMono = numbersFlux.collectList(); // 收集成 List

3. 结合 Java 8 Stream API 的对比

• 流式编程：Java 的 Stream API 主要是同步的，它在操作数据时会阻塞当前线程，直到数据处理完成。
• 响应式编程：Spring WebFlux 中的 Flux 是异步的，可以在等待 I/O 操作的同时处理其他任务。它通过非阻塞的方式来提高系统的响应能力和处理能力。

4. 小结

Spring WebFlux 的 API 和 Java 8 的流式 API 在语法上看起来相似，但在处理数据的方式上有很大的不同

6. 响应式与传统同步编程的区别

在非阻塞 I/O 模型中，当一个线程发出 I/O 请求后，它并不会阻塞等待结果，而是立即释放，去处理其他任务。而对于这个 I/O 请求的处理，通常有以下的机制来完成：

1. I/O 操作交给操作系统或 I/O 子系统

当线程发起 I/O 请求时，具体的 I/O 操作（如网络通信、文件读取等）不会在应用层的线程中完成，而是由操作系统内核或I/O 子系统来负责。操作系统会负责执行实际的 I/O 操作，比如等待数据从网络中传输过来，或者等待磁盘完成读取。

• 在非阻塞模型中，操作系统会通过底层的机制（如 epoll、select、kqueue 等）来监听和管理 I/O 事件。当某个 I/O 操作完成时，操作系统会发出通知，告知应用层的线程可以继续处理接下来的步骤。

2. 回调机制处理结果

当 I/O 操作完成时，操作系统会通知应用层，应用层通常通过回调机制处理后续的逻辑。回调函数可以在一个事件循环中被执行，或者在线程池中重新分配给某个线程来执行。此时，真正执行这部分代码的是一个事件驱动线程或一个新分配的线程，而不是原来发出 I/O 请求的线程。

• 回调机制是异步非阻塞 I/O 模型的核心。当 I/O 操作完成时，线程通过回调函数执行与该操作相关的业务逻辑。

3. 谁执行回调代码？

• 事件循环线程：如果是像 Netty 这样的框架，它内部会维护一个事件循环（event loop），该循环由少量线程组成，负责监听 I/O 操作的完成事件。当操作系统通知某个 I/O 操作完成后，事件循环会选择一个空闲的线程去执行该 I/O 操作的后续处理代码（即回调函数）。

• 线程池中的线程：回调逻辑有时也可以交给一个线程池中的线程来处理。这种情况下，线程池中的某个空闲线程会执行回调函数，并继续完成 I/O 操作后的逻辑。

4. 具体流程

举个例子来说明：

1. 应用层线程发出一个网络请求，并调用 I/O 操作，例如从数据库读取数据。
2. 该线程不等待读取结果，而是立即释放，继续处理其他任务。
3. 操作系统负责真正的 I/O 操作（如等待数据库返回数据）。
4. 一旦 I/O 操作完成，操作系统通过事件通知机制告知应用层 I/O 完成。
5. 应用层的回调函数被触发，事件循环线程或线程池中的线程开始执行回调逻辑，处理 I/O 操作的结果。

6.1 线程池和并发处理

在 WebFlux 中，少量线程可以处理大量并发请求。通过异步 I/O 和事件驱动机制，线程池中的线程不会因为等待 I/O 操作而被阻塞，可以并行处理其他任务。

6.2 性能优化：减少线程上下文切换

传统的多线程阻塞 I/O 模型中，线程的上下文切换是性能瓶颈之一。WebFlux 通过少量线程高效处理 I/O 请求，减少了线程之间的切换和阻塞，从而提高了整体系统性能。
在传统的 Spring MVC 中，ThreadLocal 通常用于存储每个请求的用户上下文信息，因为每个请求都在独立的线程中处理，这样可以确保线程间不会相互干扰。然而，在 Spring WebFlux 中，由于采用了响应式编程模型和非阻塞 I/O，ThreadLocal 的使用并不适合，因为 WebFlux 使用的是反应式流，并且一个线程可能会处理多个请求。

WebFlux 中的上下文管理

在 WebFlux 中，由于不能使用threadlocal,所以使用 reactor.util.context.Context 来管理请求的上下文。这个上下文可以在异步执行的链中传递，确保每个请求在不同的上下文中运行，而不会互相影响。

使用 Context 存储用户上下文信息

1. 创建过滤器：首先，你可以创建一个 WebFilter，在其中提取用户上下文信息并将其存储到 Context 中。

2. 使用 deferContextual 读取上下文：在处理请求的过程中，可以通过 Mono.deferContextual 方法读取当前的上下文。

示例代码

以下是一个如何在 WebFlux 中使用 Context 存储和获取用户上下文信息的示例：

import org.springframework.stereotype.Component;
import org.springframework.web.server.ServerWebExchange;
import org.springframework.web.server.WebFilter;
import org.springframework.web.server.WebFilterChain;
import reactor.core.publisher.Mono;
import reactor.util.context.Context;

@Component
public class UserContextFilter implements WebFilter {

    @Override
    public Mono<Void> filter(ServerWebExchange exchange, WebFilterChain chain) {
        // 从请求头中获取用户ID
        String userId = exchange.getRequest().getHeaders().getFirst("X-User-Id");
        
        // 将用户ID存储到上下文中
        return chain.filter(exchange)
                .contextWrite(Context.of("userId", userId)); // 将用户 ID 写入上下文
    }
}

在服务或控制器中使用上下文

在服务或控制器中，你可以使用 deferContextual 来访问上下文中的用户信息：

import org.springframework.stereotype.Service;
import reactor.core.publisher.Mono;
import reactor.util.context.Context;

@Service
public class UserService {

    public Mono<String> getUserData() {
        return Mono.deferContextual(context -> {
            // 从上下文中获取用户ID
            String userId = context.get("userId");
            // 根据用户 ID 进行处理
            return Mono.just("Data for user: " + userId);
        });
    }
}

在 Spring WebFlux 中，使用 Context 来存储和访问用户上下文信息，而不是使用 ThreadLocal。这种设计允许在异步和非阻塞的环境中有效地管理上下文，确保每个请求都在其独立的上下文中处理。这种方法避免了线程间的干扰，更加适合响应式编程模型。

7. Spring Security 与 WebFlux 的集成

Spring Security 提供了对 WebFlux 的支持，它也是非阻塞的，可以无缝集成到 WebFlux 中。

7.1 SecurityFilterChain 与 WebFlux

在 WebFlux 中，Spring Security 依赖 SecurityWebFilterChain 来处理请求。这个过滤器链是基于响应式流的，能够与异步 I/O 模型一起工作。

@Bean
public SecurityWebFilterChain securityWebFilterChain(ServerHttpSecurity http) {
    return http
        .authorizeExchange()
        .pathMatchers("/admin/**").hasRole("ADMIN")
        .anyExchange().authenticated()
        .and().build();
}

7.2 上下文管理与异步安全处理

在 WebFlux 中，传统的 ThreadLocal 上下文管理方式不再适用，因为请求可能不会在同一个线程上完成。为了解决这个问题，WebFlux 提供了 Context 对象，可以在整个请求生命周期中传递安全上下文。

SecurityContext context = ReactiveSecurityContextHolder.getContext().block();

8. WebFlux 适用场景与性能分析

8.1 适用场景

• 高并发、大量 I/O 操作：WebFlux 非常适合处理高并发请求，尤其是在 I/O 操作密集型的场景中（如与数据库、文件系统、远程 API 的交互）。
• 流式数据处理：对于需要处理流式数据的应用，WebFlux 提供了强大的流处理能力（例如视频流、消息流等）。
  特别是netty搭配websocket 这样上下文切换资源优化很多

8.2 性能优势

• 高效资源利用：通过事件驱动和非阻塞 I/O 模型，WebFlux 能够在少量线程的基础上处理大量并发请求，极大提升了资源的利用率。
• **减少

阻塞时间**：传统的线程池模型容易受限于线程上下文切换和阻塞 I/O 操作，WebFlux 通过减少这些瓶颈提高了系统的响应速度。